生存分析和事件发生时间方法
生存分析是统计学的一个分支，关注从观察开始到特定事件发生的时间——例如死亡、复发、康复、设备故障或任何其他明确定义的终点。其显著特点是，对于某些受试者，在观察结束时事件尚未发生，因此他们的事件发生时间仅部分可知（删失数据）。该领域开发了正确利用这些不完整信息而非丢弃它们的方法。
Definition
生存分析包括用于分析一个或多个事件发生预期持续时间的统计方法，它能处理删失观测值，即事件发生时间仅已知超过（或落在）某个区间内的情况。
Scope
本领域旨在引导读者了解统一事件发生时间方法的核心概念：生存函数和风险函数、删失和随访、生存曲线的非参数估计、组间比较以及风险的回归建模。它链接到详细的主题——删失和随访数据、Kaplan-Meier 曲线、比例风险假设、Cox 回归和竞争风险——并将其视为方法学参考材料而非临床指导。
Sub-topics
Core questions
- 距离感兴趣事件发生还有多长时间，以及生存函数和风险函数如何描述这种分布？
- 删失观测值如何在不偏倚分析的情况下提供信息？
- 如何估计和比较不同组的生存曲线？
- 如何建模协变量对事件发生率的影响，以及这种建模需要哪些假设？
- 当可能发生不止一种类型的事件时（竞争风险），情况会发生什么变化？
Key concepts
- 生存函数 S(t)
- 风险函数和累积风险
- 删失和截断
- 风险集
- 非参数估计 (Kaplan-Meier)
- 对数秩比较
- 比例风险回归
- 竞争风险和累积发生率
Mechanisms
事件发生时间数据由生存函数 S(t) 描述，即在时间 t 之后无事件发生的概率，或等效地由风险函数描述，即在仍处于风险中的个体中事件发生的瞬时速率。由于随访时间有限，且受试者在不同时间进入和退出观察，数据通常是右删失的：受试者的事件发生时间仅已知超过其最后观察到的时间。Kaplan-Meier 估计量和 Cox 比例风险模型等方法建立在风险集（即在每个事件发生时间点之前仍在观察中且无事件发生的受试者）的基础上，因此每个事件仅贡献实际可用的信息。这种对删失和随时间变化的随访的处理是生存分析与普通连续结果回归的区别所在 (Clark et al., 2003; Leung et al., 1997)。
Clinical relevance
事件发生时间方法是临床研究中大多数预后和治疗效果报告的基础，包括生存曲线、风险比和中位生存期。理解这些方法有助于批判性评估此类证据的产生方式；该领域描述的是分析方法，并非诊断或治疗建议的来源。
Epidemiology
生存方法在肿瘤学、心脏病学、传染病学、移植学和公共卫生队列研究中普遍存在，只要事件发生的时间（而不仅仅是是否发生）具有信息价值。在 Kaplan-Meier 估计量（1958 年）和 Cox 回归（1972 年）为删失数据提供了实用工具后，其应用迅速增长。
Evidence & guidelines
生存分析本身没有临床实践指南；方法学参考标准是开创性的统计学论文和生物统计学教科书。Kaplan-Meier 估计量 (Kaplan & Meier, 1958) 和 Cox 比例风险模型 (Cox, 1972) 是基础方法，教程和教科书 (Clark et al., 2003; Collett, 2015; Putter et al., 2007) 巩固了医学研究的实践。
History
精算生命表方法早于该领域数百年，但现代生存分析在二十世纪中叶形成。Kaplan 和 Meier 于 1958 年提出的乘积极限估计量为删失数据提供了严格的非参数生存曲线；随后出现了用于组间比较的对数秩检验家族；Cox 于 1972 年提出的比例风险模型将协变量调整回归引入事件发生时间结果，而无需指定基线风险。后来关于竞争风险和多状态模型的工作将该框架扩展到具有多种事件类型的情境 (Putter et al., 2007)。
Key figures
- Edward L. Kaplan
- Paul Meier
- David R. Cox
- Nathan Mantel
Related topics
Seminal works
- kaplan-meier-1958
- cox-1972
Frequently asked questions
- 生存分析与普通回归有何不同？
- 它对事件发生时间进行建模，同时正确处理删失观测值，即在观察结束时事件尚未发生的情况；这种部分信息无法通过连续结果的标准回归来处理。
- 描述事件发生时间数据的两个函数是什么？
- 生存函数 S(t)，即在时间 t 之后保持无事件的概率，以及风险函数，即在仍处于风险中的个体中事件发生的瞬时速率；两者中的任何一个都可以完全确定另一个。