生存曲线用于绘制实验结果，其中实验结果指达到某个感兴趣的一次性事件所经历的时间（该一次性事件通常是临床或动物研究中的死亡，因此该分析得名）。 通常，您可能希望比较两个或多个组随时间变化的生存概率。本指南的其他页面提供了关于如何解读生存曲线以及如何比较两条（或两条以上）生存曲线的更具体信息。

受试者之间是否相互独立？

影响生存期的因素应要么影响组内所有受试者，要么仅影响其中一名受试者。如果多名受试者的生存情况相互关联，则这些观测值就不独立。例如，如果研究合并了两家不同医院的数据，则受试者可能不独立。 在此情况下，一家医院的受试者中位生存时间可能与另一家医院的受试者不同。由于从不同医院抽样，中位生存时间可能会出现意外变化。要分析此类数据，请使用Cox比例风险回归。

入组标准是否一致？

通常，研究受试者的入组会持续数月或数年（此类研究中，任意一位受试者的入组日期可能与其他受试者的入组日期不同）。然而，在这些研究中，入组标准在入组期间保持不变至关重要。 设想一条从首次发现转移之日起算的癌症生存曲线。如果改进的诊断技术能更早地检测出转移，会发生什么情况？即使治疗方法或疾病的自然病程没有变化，生存时间也会看似延长。 原因如下：患者最终的死亡年龄与原本情况相同，但借助新技术，他们被诊断出的时间（即年龄）比使用旧技术时更早。对于这些患者而言，其随访时间自然会相应延长。

终点指标的定义是否一致？

如果生存研究将死亡视为感兴趣的事件，那么在统计哪些死亡病例时可能会存在模糊拟合。 例如，在癌症临床试验中，因车祸死亡的受试者应如何处理？有些研究者将这些死亡计入研究事件；另一些则将其视为被删剪的受试者（因为这些人在研究结束前并未死于癌症）。这两种做法都有其合理性，但应在研究开始前确定采用哪种方法。 如果对哪些死亡应计入存在任何模糊拟合，则应由不知晓每位患者所属研究组别的人员做出决定。

如果研究的关注事件并非死亡，那么在整个研究过程中对该事件进行一致的评估至关重要。

删剪时间与生存期是否无关？

生存分析仅在被删剪患者的生存时间（平均而言）与留在研究中的受试者生存时间完全一致时才具有有效性。这有时被称为“完全随机缺失”（MCAR）数据。 如果受试者中被删剪的比例很大，该假设的有效性对结果的可靠性至关重要。请注意，对于因在研究结束时仍存活而被删剪的受试者，没有理由怀疑这一假设。然而，当受试者退出研究时，应考虑其退出原因是否可能影响生存情况。 例如，如果许多患者因病情过重无法前往诊所，或者在感觉好转后停止服药而退出研究，生存曲线可能会产生误导。

在研究期间，平均生存期是否保持恒定？

许多生存研究在数年内招募受试者。 只有当您可以假设最初入组的几名受试者的平均生存期与最后几名受试者的平均生存期没有差异时，分析才有意义。如果导致目标事件的条件（例如所研究的疾病或所提供的治疗）在研究期间发生了变化，则结果将难以解读。

如果使用对数秩检验，比例风险的假设是否合理？

只有当被比较组别的生存曲线满足比例风险假设时，对数秩检验才具有严格的有效性。这意味着在所有时间点上，一组中感兴趣事件的发生率都是另一组中该事件发生率的恒定比例。该假设在许多情况下已被证明是合理的。 例如，若您正在研究接受药物治疗的一组与接受高风险手术治疗的另一组之间的死亡情况，这种假设就不合理。在早期阶段，手术组的死亡率可能高得多。 而在后期，医疗治疗组的死亡率可能更高。由于风险比随时间变化不一致（即违反了比例风险假设），此类数据不应采用对数秩检验进行分析。

治疗组是在数据收集开始前就已确定的吗？

将同一组受试者（在招募和研究期间均被视为等同）根据其是否对治疗产生反应（肿瘤缩小、实验室检查指标改善等）划分为两组的做法是不合理的。根据定义，响应者必须在未发生目标事件的情况下存活足够长的时间，才能观察到这些不同的反应。 而且，无论是否接受任何治疗，这些受试者本可能存活更长时间。在进行组间比较时，各组必须在数据收集开始之前就已确定。