进行卡普兰-迈尔生存分析的两种方法

Prism 提供了两种不同的卡普兰-迈尔生存分析方法，具体取决于您的数据结构：

1.生存数据表：这是传统方法，将事件发生时间数据和删剪信息直接输入到专门的生存数据表表格格式中。本页详细介绍了该方法。

2.多变量数据表：此方法允许您通过多变量数据表进行生存分析，在将生存数据与其他类型数据整合或从其他来源导入数据时，这种方式通常更为便捷。有关数据结构要求以及如何基于多变量数据表设置生存分析的详细信息，请参阅《基于多变量数据表的生存分析》。

这两种方法得出的统计结果完全一致。主要区别在于数据结构以及分析参数对话框中的若干细微差异，具体如下所述。

Prism 会自动分析生存数据表中的数据（无需手动启动分析）

生存分析在 Prism 提供的各项分析中独树一帜。当数据输入到生存数据表中时，Prism 会自动对数据进行分析并生成卡普兰-迈尔（Kaplan-Meier）生存曲线。 您无需通过“分析”工具栏按钮或从“分析”菜单中选择分析项来启动分析，也无需在“分析参数”对话框中指定任何选项。Prism 将使用默认分析选项并为您生成结果。

若要查看分析中指定的选项，您可以从生存分析结果表中访问“分析参数”对话框。只需单击工具栏上的“分析参数”按钮即可调出该对话框。

输入

生存数据表

当基于生存数据表进行生存分析时，您需要指定数字代码来表示截尾和事件。默认设置是使用代码“1”表示目标事件已发生，使用“0”表示该观测值被删剪。这些代码几乎被普遍采用。不过，某些机构采用相反的约定。 在 Prism 中，这些代码可以手动指定，但必须为整数值。

多变量数据表

当基于“多变量”数据表进行生存分析时，“输入”部分的工作方式有所不同。您无需使用数值代码，而是从“数据”选项卡中指定的变量中选择文本值作为分组变量。这些值代表删剪和事件类别。 这使您可以使用数据中可能已存在的描述性标签（例如“男性”和“女性”，或“死亡”和“存活”）。 如果指定的变量包含超过两个水平，您还可以指定如何处理不属于这两个类别的其他值——通常这些值会被视为缺失数据。

两条生存曲线的比较

要比较两条生存曲线，Prism 提供了两种方法：

•对数秩检验。计算此检验有两种方法。这两种方法几乎等价，但在处理完全同时发生的多起事件时（数据中称为“平局”）可能略有差异。 Prism 采用 Mantel-Haenszel 方法，但使用“logrank”这一名称，该名称通常用于指代这两种方法。该方法也被称为 Mantel-Cox 方法。

•Gehan-Breslow-Wilcoxon检验。该方法更重视早期时间点发生的事件，这非常合理（事件发生得越早，就越可能是重要的观察结果，因为预计所有研究参与者最终都会经历该目标事件）。 然而，当研究参与者中有很大一部分在早期时间点被删剪时，该检验的结果可能会产生误导。相比之下，对数秩检验对所有时间点的观测值赋予同等权重

对数秩检验更为标准。如果比例风险假设成立，则在两种检验中，对数秩检验的功效更强。 比例风险意味着在所有时间点上，风险函数（单位时间内的死亡人数）的比值均保持恒定。比例风险的一个例子是：在所有时间点上，对照组的死亡率都是治疗组的两倍。

Gehan-Breslow-Wilcoxon检验不要求风险比保持恒定，但要求其中一组的风险始终高于另一组。

如果两条生存曲线相交，则说明一组在早期时间点风险较高，而另一组在后期时间点风险较高。这可能只是随机抽样的巧合，比例风险假设仍然成立。 但如果样本量较大，且生存曲线在时间进程的中段附近发生交叉，那么无论是对数秩检验还是威尔科克斯-盖汉检验都无济于事。

如有疑问，应报告对数秩检验（该方法更为标准）。仅当有充分理由时，才选择 Gehan-Breslow-Wilcoxon 检验。

三条或更多生存曲线的比较

当存在三个或更多不同组别（数据集）时，Prism 提供了三种方法来比较所得的生存曲线。对数秩检验和 Gehan-Breslow-Wilcoxon 检验的详细说明与上一节中关于比较两条生存曲线的内容相同。

•对数秩检验。这是比较三条或更多生存曲线时最常用的检验方法

•趋势对数秩检验。仅当组别顺序（由数据表中的数据集列定义）具有逻辑性时，此检验才适用。例如，当组别为不同的年龄组、不同的疾病严重程度或不同剂量的药物，且每组均按某种逻辑顺序（升序或降序）排列时。 Prism 中数据集从左到右的排序必须与等间隔的有序类别相对应。如果数据集未按顺序排列——或间隔不均等——则选择对数秩检验毫无意义

•Gehan-Breslow-Wilcoxon检验。该方法会赋予较早的时间点更大的权重。仅当有充分理由时才应选择此检验。Prism使用下文引用的Machin著作中的方程10.2来计算此检验

当存在三个或更多组时，Prism 提供两种计算 P 值的方法供选择

Prism 5 及更早版本（保守法，不推荐）

Prism 5 及更早版本采用许多教科书中提到的保守方法，计算用于比较三个或更多组的 P 值。对于每条曲线，该方法通过比较观察到的死亡人数与期望值来计算卡方检验值。然后将这些卡方检验值相加，得到总卡方检验值，并据此确定 P 值。 其数学表达式如下，其中 Oi 表示曲线 i 中的观察死亡人数，Ei 表示预期死亡人数：

这种保守方法在 Machin (1) 中有详细记载，易于理解，且效果尚可。 问题在于其P值过大（这正是“保守”一词的含义）。仅当您希望结果与Prism 5及更早版本的结果一致时，才应选择此方法。否则，请选择推荐的方法以与SPSS和SAS保持一致。

与 SPSS 和 SAS 保持一致（推荐）

在比较三个或更多组的生存曲线时，Prism 还可以使用一种在 SPSS 和 NCSS 手册中详细说明的方法来计算 P 值。该方法只能通过矩阵代数来理解，其细节超出了本指南的范围。与保守法类似，此方法也会计算卡方检验统计量。 对于这两种方法，自由度均等于组数减 1。区别在于，该方法计算出的卡方检验值大于保守法生成的值，因此相应的 P 值也更小。

样式

结果的计算和呈现方式（百分比或分数、死亡率或生存率）也可在“分析参数”对话框中指定。

如果您选择绘制 95% 置信区间，Prism 提供两种选择。默认采用变换法，该方法绘制不对称置信区间。另一种选择是采用对称的格林伍德（Greenwood）置信区间。不对称区间更具统计有效性，是推荐的选项。

选择对称区间的唯一原因是与 Prism 4 及更早版本计算的结果保持一致。请注意，“对称区间在绘制时并不总是呈对称状。这些区间的计算是通过在确定的生存百分比值基础上加减一个计算值来实现的。 此时，置信区间虽然在计算上始终是对称的，但可能低于 0 或高于 100（对于百分比而言这毫无意义）。在这些情况下，Prism 会修剪置信区间，使其无法延伸至 0 以下或 100 以上，从而导致绘制出的置信区间看起来呈不对称状。

通过一个复选框，您可以决定是否绘制删剪的观察值。唯一例外是当最大的 X 值（时间）被删剪时，该值始终会显示，无论您是否选择显示删剪的值。

最后，通过一个复选框，您可以指定是否在生存分析图中包含动态风险人数表。

输出

选择在结果表中显示的小数位数，并指定计算得出的P值的格式

参考文献

3.David Machin、Yin Bun Cheung、Mahesh Parmar，《生存分析：实用方法》，第 2 版，ISBN：0470870400。