生存分析中的Kaplan-Meier曲线与Log-rank检验.docxVIP

生存分析中的Kaplan-Meier曲线与Log-rank检验

一、生存分析的核心问题与方法发展溯源

（一）生存数据的独特属性与传统统计方法的局限

生存分析是专门针对“从观察起点到目标事件发生的时间长度”这类数据发展起来的统计方法体系，它的应用场景从最早的人口寿命测算，逐步延伸到临床预后研究、慢性病防控、工业产品可靠性检测、社会事件发生规律研究等多个领域，核心是回答两个关键问题：一是特定人群在不同时间点的事件发生概率有多高，二是不同特征或不同干预下的人群，事件发生的过程是否存在真实差异。和普通的连续变量或分类变量不同，生存数据有着非常特殊的结构，它同时包含了事件发生的时间维度和事件是否被观察到的状态维度，其中最让传统统计方法难以处理的就是“删失”现象。简单来说，删失就是在整个随访观察期内，部分观察对象没有出现研究者关注的目标事件，我们无法知道这些个体确切的事件发生时间，只能确定他们的事件发生时间晚于最后一次记录到状态的时间点。临床随访中常见的右删失场景包括：患者在随访过程中因为联系方式变更失去联系，无法获知后续状态；患者因为和研究终点无关的其他原因退出研究，比如研究关注的终点是肿瘤导致的死亡，患者却因为意外创伤离世；到研究预设的随访截止日期时，患者仍然没有发生目标事件。这些删失个体的信息并非完全无效，因为我们至少知道在最后一次随访之前，他们并没有发生目标事件，但传统统计方法无法有效