“删剪”一词似乎暗示着您或受试者做了什么不恰当的事情。但事实并非如此。 生存分析涉及测量样本总体中每个观测值（受试者、个体等）从某个定义的“起始时间”到另一个定义的“终点”之间所经过的时间。在生存分析中，经常会出现某些观测值的经过时间未知的情况。这些观测值被称为“删剪”，下文将结合一个例子解释可能导致这种情况的原因，以便于理解。

假设有一项计划为期6个月、包含20名参与者的临床试验。根据该试验的入组标准，试验开始时仅确定了20名参与者中的8名。其余12名参与者是在随后的四个月内招募的。随后对每位参与者进行随访，直至发生以下三种情况之一：

1.受试者发生了研究关注的事件（本例中为受试者死亡）

2.受试者退出研究

3.研究在6个月后结束，但该受试者在此期间未死亡

下图展示了研究中最初8名参与者的时间线，并标明了他们是否死亡（事件）或被删剪。

上图的X轴显示的是“日历时间”（即自试验开始以来经过的时间）。由于最初的8名受试者是在试验伊始（时间0）加入的，因此从图中可以直接读取发生事件或被删剪所经过的时间。如上图所示，受试者01被随访了4个月，随后死亡。 同样，受试者02和03分别被随访了两个月和一个月，随后各自发生了目标事件。受试者07被随访了6个月，并在研究结束前不久去世。相比之下，受试者04被随访了研究的全部六个月，在此期间未发生目标事件（其存活至研究结束）。 受试者05被随访了两个月，在此期间未死亡。然而，在这两个月之后，受试者05选择退出研究。由于受试者05最后一次被观察是在两个月时点，因此我们将该时间点标记为该受试者的删剪时间。受试者08在1个月时点被观察到（且存活），但同样在仅参与一个月后便退出了研究。 请注意受试者04与07之间的区别。尽管两人均参与研究六个月，但我们知道受试者07在第6个月时点死亡，而受试者04则存活至研究结束。

对于参与者04、05和08，我们无法确定他们在经历目标事件前经过了多长时间，仅能确定该事件必然发生在各自最后一次被观察之后。在这最初的八名参与者中，我们只能指出其中五人经历了目标事件，而其余三人则被删剪。

既然我们已经了解该可视化图所传达的信息，接下来可以考察研究中的其余所有参与者，从而全面掌握数据情况。

研究开始后又招募了十二名参与者（参与者09-20）。 与之前一样，上图的X轴显示的是“日历时间”。但我们可以看到，参与者09-20的“起始时间”不再是Time = 0。由于每位参与者的起始时间和结束时间可能不同，我们必须计算这两个值之间的差值，以确定每位参与者的“已观察时间”。 通过上图可知，后续招募的12名参与者中，有7名是在研究开始1个月后招募的，3名是在2个月后招募的，另有1名分别在3个月和4个月后招募。因此，由于这些参与者并非从时间零点开始，我们无法直接将事件发生时间或删剪时间视为已过时间。

在研究开始后招募的12名参与者中，有1名（参与者18）退出了研究，另有2名在研究结束前未经历目标事件，这导致新增了3个删剪观测值和9个目标事件的观测值。

这种删剪方式被称为“右删剪”，因为被删剪参与者的生存时间在时间轴的右侧是未知的。换言之，对于这些参与者中的每个人，事件必然发生在观察期之后。虽然还有其他删剪方法（其中左删剪和区间删剪最为常见），但在Prism中的生存分析将采用右删剪。

本指南的后续章节将介绍 Prism 提供的两种生存分析类型：

•非参数生存分析：不支持多个预测变量或连续型预测变量。采用Kaplan-Meier（乘积极限）法估计生存函数（生存曲线）。可通过对数秩检验（Mantel-Haenszel、Mantel-Cox）和/或Gehan-Wilcoxon检验，比较不同组别（由单一分类变量定义）的曲线

•半参数生存分析：采用Cox比例风险回归估计风险比和参数系数、基线累积风险曲线及生存曲线，并为每个观测值提供生存概率估计。支持纳入多个连续型和分类型预测变量

第三种生存分析 - 参数生存分析 - 需要对样本总体中生存时间的分布做出额外假设，目前Prism中尚未提供此项分析。