假设在树节点h上有n(h)例样本，(T1，δ1)，…，(Tn，δn)表示他们的生存时间和截尾信息，δ=0表示个体i在时间Ti时右截位，δ=1表示在时间Ti时死亡，则给定的一个变量Xj(j=1，2，…，m)，在节点h处可以根据Xj≤c和Xj>c将生存数据分为两组数据。RSF在每棵树的节点处，随机选择M个变量作为分割节点的候选变量，选择使子节点生存差异最大的分支。树节点分裂准则采用Log-Rank分裂方法，计算生存函数采用Kaplan-Meier估计方法。为了选择极少最重要的基因变量，可以依据变量的重要性(VIMP)对变量进行筛选，VIMP值越大表明其预测能力越强。具体流程如下：第一步：清除缺失数据；第二步：对所有基因，使用Cox模型；第三步：选择P<0.005的基因变量；第四步：利用一般临床特征及最终选择的基因变量使用RSF，并根据其重要性对各变量进行排名。

    2结果

    对于临床一般特征及EGFR、K-ras、p53突变，利用Kaplan-Meier和Log-rank进行数据分析 ...... 濡傛灉鎮ㄥ湪浣跨敤鎵嬫満绛夋祦瑙堟椂鏃犳硶鏌ョ湅鎴栦笅杞藉叏鏂囷紝鍙兘鏄鎼滅储寮曟搸澶辩湡鈥滆浆鐮佲€濓紝璇风偣鍑诲睆骞曟渶涓嬫柟鐨勨€滅數鑴戠増鈥濇垨鈥滃師缃戦〉鈥濊闂€�


闄愪簬鏈嶅姟鍣ㄥ帇鍔涳紝缃戠珯閮ㄥ垎淇℃伅鍙緵鐖卞績浼氬憳鎴栨湁涓€瀹氱Н鍒嗙殑娉ㄥ唽浼氬憳娴佽銆�
姝�淇℃伅闇€瑕� 1 绉垎锛堝厤璐规敞鍐岀櫥褰曞悗姣忓ぉ鍙互棰嗗彇10涓Н鍒�锛夈€�
    娣団剝浼呮禒鍛返閸欏倽鈧喛绱濇稉宥嗙€幋鎰崲娴ｆ洑绠ｅ楦款唴閵嗕焦甯归懡鎰灗閹稿洤绱╅妴鍌涙瀮缁旂姷澧楅弶鍐ㄧ潣娴滃骸甯拋妞剧稊閺夊啩姹夐敍宀冨閹劏顓绘稉鐑橆劃閺傚洣绗夌€规粏顫﹂弨璺虹秿娓氭稑銇囩€硅泛鍘ょ拹褰掓鐠囦紮绱濈拠鐑藉仏娴犺埖鍨ㄩ悽浣冪樈闁氨鐓￠幋鎴滄粦閿涘本鍨滄禒顒佹暪閸掍即鈧氨鐓￠崥搴礉娴兼氨鐝涢崡鍐茬殺閹劎娈戞担婊冩惂娴犲孩婀扮純鎴犵彲閸掔娀娅庨妴锟�

瀵邦喕淇婇弬鍥╃彿  閸忚櫕鏁為惂鐐  鐠囧嫯顔戦崙鐘插綖  閹兼粎鍌ㄩ弴鏉戭樋