“删剪”一词似乎暗示您或受试者做了不恰当的事情。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，经常会出现某些观察值（受试者、个体等）的这段时间间隔未知的情况。这些观察值被称为“删剪”，下文将结合一个示例解释可能导致这种情况的原因，以便大家更容易理解。

假设有一项计划持续6个月、包含20名参与者的临床试验。 由于该试验的入组标准限制，试验开始时仅确定了20名受试者中的8名。其余12名受试者是在随后的四个月内招募的。随后对每位受试者进行随访，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”（即自试验开始以来已过去的时间）。由于前八名受试者是在试验伊始（时间0）加入的，因此从图表中可以直接读取发生事件或被删剪所经历的时间。 如上图所示，受试者01被随访了四个月，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6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第两个月时点，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在第1个月时点被观察到（且存活），但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在第六个月时点去世，而受试者04则存活至研究结束。

对于受试者04、05和08，我们无法得知他们在经历目标事件前经过了多长时间，只能确定该事件必定发生在各自最后一次被观察之后。在这最初的八名受试者中，我们只能指出其中五名经历了目标事件，而其余三名则被删剪。

既然我们已经大致了解了该可视化图表所传达的信息，接下来可以考察研究中的所有其他受试者，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“开始时间”不再位于时间=0处。由于每位参与者的开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”。 根据上图，我们可以看到，在随后的12名受试者中，有7名是在研究开始一个月后招募的，3名是在两个月后招募的，还有1名分别在三个月和四个月后招募。因此，由于这些受试者并非从时间零点开始，我们不能简单地将事件发生时间或删剪时间视为已过去的时间。

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名在研究结束前未发生目标事件，这导致增加了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一位，事件必定发生在观察期之后。 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。采用卡普兰-迈尔（乘积极限）法估计生存函数（生存曲线）。 可使用对数秩检验（Mantel-Haenszel、Mantel-Cox）和/或 Gehan-Wilcoxon 检验，对不同组别（由单个分类变量定义）的曲线进行比较

•半参数生存分析：使用Cox比例风险回归来估计风险比和参数系数、基线累积风险曲线和生存曲线，以及每个观测值的生存概率估计值。允许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作出额外假设，目前Prism中尚未提供此项分析功能。