Kaplan-Meier生存分析的主要结果之一是各时间点的生存率或百分比。这些数值通常以图表形式呈现，但有时查看这些结果的表格也很有帮助。默认情况下，显示这些数值的“分析结果”选项卡是隐藏的。要查看它，只需点击分析选项卡右侧的下拉菜单，然后从列表中选择即可。

生存率

Prism 使用Kaplan-Meier（乘积极限）法计算生存比例。 对于每个 X 值（时间），Prism 会报告尚未发生目标事件的观测值所占的比例（或百分比）（如果生成了累积发生率图而非生存曲线图，则这些值将代表已发生目标事件的观测值所占的比例/百分比）。这些数值是绘制生存曲线（或累积发生率）随时间变化的图表所必需的。

如本指南前文所述，生成这些比例的计算会考虑删剪观察值。因退出研究或研究结束而导致观察值被删剪的受试者，在删剪时间点之后无法提供任何信息。这意味着生存百分比的计算比简单的分数要稍显复杂。 虽然直观上认为曲线应以“经历目标事件的受试者总数除以受试者总数”计算出的生存率作为终点，但这仅在没有删剪数据时成立。若存在删剪观测值，则计算将更为复杂（这正是Kaplan-Meier法旨在处理的情况）。

如果受试者经历目标事件所耗时间与其他受试者经历删剪所耗时间相同，Prism 将假设目标事件先发生，并据此进行计算。

生存率的置信区间

Prism 通过标准误差或 95% 置信区间来报告生存概率的不确定性。标准误差采用 Greenwood 法计算。

在计算 95% 置信区间时，Prism 提供两种方法供选择：

•非对称法（推荐）。这些置信区间采用对数-对数变换法计算，该方法也被称为指数格林伍德公式。此方法在 Machin 的第 42 页和第 43 页中有详细说明（参见下方参考文献）。通过将 R 语言 survfit 函数的 error_method 设为 Greenwood，conf.type 设为 log-log，可获得相同结果。这些置信区间适用于每个时间点。 其原理在于：在每个时间点，该区间包含真实总体生存率的概率为 95%。 我们称该方法为非对称方法，因为置信区间向上延伸超出生存比例的距离通常不等于向下延伸的距离。这些被称为点估计置信限。此外，还可以（但在Prism中不可用）计算95%概率包含整个总体生存曲线的置信带。这些置信带比点估计置信限更宽

•对称法。这些区间是按标准误差的1.96倍向两个方向计算得出的。但请注意，在某些情况下，按此方式计算的置信区间会延伸至0以下或1（或100%）以上。在这些情况下，为避免出现不可能的数值，置信区间会在这些边界处被截断。不建议使用此方法，我们仅为兼容旧版本的Prism而提供此方法

Kaplan-Meier法的工作原理

Kaplan-Meier法在逻辑上非常简单。对于每个时间点，它首先计算在该时间点之前或该时间点上未经历目标事件的受试者比例。 具体而言，该方法将该时间点之后仍未发生目标事件的受试者人数，除以该时间点之前尚未发生目标事件的受试者总数（分子和分母中均需排除该时间点被删剪的观测值）。

随后，它计算从时间 0 开始直至数据表中每个具体时间点，尚未经历目标事件的受试者比例。具体方法是将第一个时间点计算出的比例与后续每个时间点计算出的比例相乘。 例如，若时间点以具体日期表示，则首先计算第1天的比例。随后将该比例乘以第2天的计算结果，得到新值。接着将此新值乘以第3天的计算结果，依此类推。 将这一乘法过程重复进行至第“K”天，即可得到截至第K天结束时所有未经历目标事件的受试者所占的比例，换言之，即第K天的生存概率。Kaplan-Meier法会自动处理删剪观察值，方法是在观察值被删剪的当天，将其从分数的分子和分母中同时剔除。 本指南的此页面给出了这些计算的示例。这种反复将分数相乘的过程正是该方法名称的由来：乘积极限法。

参考文献

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