14生存分析基础

生存分析研究从明确定义的起点到事件发生的时间。它不仅用于死亡，也适用于复发、设备故障、客户流失等时间结局。

普通均值比较无法正确处理随访结束时尚未发生事件的对象；生存分析通过删失机制保留他们已经贡献的随访信息。

数据结构

最基本的生存数据包含：

起点、事件和时间单位必须在研究设计中明确。不同对象使用不同起点，会让时间不可比较。

删失

右删失表示在最后一次观察时尚未见到事件，例如研究结束、退出随访或失访。

Kaplan–Meier 等常用方法通常要求删失在给定分析信息后与事件过程相容。若高风险患者更容易失访，简单地把失访当作普通删失可能产生偏倚。

创建生存对象

survival::lung 中原始 status 使用 1 表示删失、2 表示死亡，需要先转换：

library(survival)

data(lung)

lung$status01 <- ifelse(lung$status == 2, 1, 0)
lung$sex <- factor(
  lung$sex,
  levels = c(1, 2),
  labels = c("Male", "Female")
)

survival_outcome <- with(
  lung,
  Surv(time = time, event = status01)
)

在使用任何数据集前都要核查事件编码，不能假设 1 永远代表事件。

Kaplan–Meier 估计

km_fit <- survfit(
  survival_outcome ~ sex,
  data = lung
)

km_fit
summary(km_fit)

Kaplan–Meier 曲线在事件时间下降，删失不会造成下降，但会减少之后仍处于风险集的人数。

生存概率与中位生存时间

查看指定时间的生存概率：

summary(km_fit, times = c(180, 365))

中位生存时间是估计生存概率首次降到 0.5 的时间：

summary(km_fit)$table[, "median"]

如果随访期间曲线始终高于 0.5，中位生存时间尚未达到，不应强行外推一个数值。

组间比较

log-rank 检验比较各组在整个随访期间的事件过程：

survdiff(
  Surv(time, status01) ~ sex,
  data = lung
)

它检验的是整条生存曲线是否存在差异，不直接给出效应大小。若需要调整协变量或估计相对风险，通常使用 Cox 比例风险模型。

多组两两比较会产生多重检验问题：

library(survminer)

pairwise_survdiff(
  Surv(time, status01) ~ factor(ph.ecog),
  data = lung,
  p.adjust.method = "BH"
)

累积风险

生存函数 $S(t)$ 与累积风险 $H(t)$ 描述同一事件过程的不同侧面。在常见关系下：

累积风险随时间增加，曲线上升越快表示风险累积越快。它不是某个瞬间发生事件的概率。

绘图所需信息

一张可解释的 Kaplan–Meier 图通常包括：

• 清晰的时间单位和结局定义；
• 各组生存曲线；
• 置信区间；
• 删失标记；
• 风险人数表；
• 组间比较方法；
• 必要时的中位生存时间。

library(survminer)

ggsurvplot(
  km_fit,
  data = lung,
  conf.int = TRUE,
  risk.table = TRUE,
  pval = TRUE,
  legend.title = "Sex"
)

本页关注这些元素的统计含义；具体成图、导出和视觉选择由 Tessera 的生存曲线配方负责。

下一步：Cox 模型

Cox 比例风险模型用于同时纳入多个协变量并估计 hazard ratio。使用前需检查比例风险假设、连续变量函数形式、事件数量和影响点。

Kaplan–Meier 与 log-rank 适合未调整的组间描述和比较；Cox 模型回答条件于协变量的相对风险问题，二者不能简单互相替代。