生存分析.Kaplan-Meier法与Cox回归医学统计实例详解

生存分析是研究从某一时间起点到关注事件发生所经历时间的一类统计方法，广泛用于肿瘤随访、器官移植、慢性病预后等研究。与普通方法相比，它有两个特点：一是结局不仅包含事件是否发生，还包含事件发生的时间；二是随访过程中常出现删失数据。

把事件时间纳入分析，可以提高信息利用效率，也能正确处理随访时间长短不一的情况。

一、生存时间与删失数据

生存时间指从起点到事件发生所经历的时间。起点必须明确且统一，例如确诊日期或手术日期；事件可以是死亡、复发、疾病进展等。删失是指随访结束时仍未观察到关注事件，最常见的形式是右删失：受试者在研究终止时仍存活，或中途失访。删失个体的生存时间只提供了"至少活到该时刻"的信息，处理时不能简单当作事件，也不能直接剔除。

生存分析的基本假设是删失与生存时间相互独立，即删失的原因不包含与预后相关的信息。若失访者与继续观察者的预后明显不同，结果可能产生偏倚。

二、Kaplan-Meier法与Log-rank检验

Kaplan-Meier法又称乘积极限法，用于估计生存函数S(t)，即在时刻t仍未发生事件的概率。它按事件发生的时间点逐步计算条件生存概率并累乘，得到阶梯状的生存曲线。当随访中存在删失时，每个时间点参与"风险集"的人数相应减少，Kaplan-Meier法正是针对这种情形设计的。中位生存期是使生存函数首次降至0.5所对应的时间；若曲线始终未降到0.5，则无法从该资料估计中位生存期。

比较两组或多组生存曲线常用Log-rank检验，其零假设为各组生存分布相同。该检验对整条曲线上的差异较敏感，尤其适合比例风险成立的情形。

三、Cox比例风险回归

Cox回归可以同时分析多个因素对生存时间的影响。其风险函数写作 h(t)=h0(t)·exp(β1X1+…+βmXm)，其中h0(t)是不指定具体形式的基准风险，这也是它被称为半参数模型的原因。exp(βi)即风险比HR，表示其他变量保持不变时，Xi每增加一个单位，事件发生的瞬时风险变为原来的多少倍。HR大于1为危险因素，小于1为保护因素。

Cox回归的前提是比例风险假定，即任意两组的风险比不随时间改变，可用Schoenfeld残差等方法检验。若假定不成立，可引入时依协变量或改用分层Cox模型。

四、医学实例

某研究比较新疗法与标准治疗对某恶性肿瘤患者生存的影响，共随访120例患者，随访期最长60个月，主要终点为全因死亡。其中新疗法组60例，观察期间死亡24例；标准治疗组60例，死亡36例，其余为删失。按治疗方式绘制Kaplan-Meier曲线，主要结果见表1，Cox回归结果见表2。

两组生存曲线在随访早期即出现分离。Log-rank检验 χ²=7.86，自由度1，P=0.005，提示两组生存分布差异有统计学意义。多因素Cox回归中，校正年龄与临床分期后，新疗法组死亡风险为标准化治疗组的0.62倍（HR=0.62，95%CI：0.42～0.92，P=0.017），相当于死亡风险降低约38%。分期较晚者死亡风险约为早期患者的2.15倍（95%CI：1.42～3.25，P<0.001）。比例风险假定检验的全局P值为0.31，大于0.05，提示假定成立。

五、结果解读

HR的解释必须结合变量单位与参照组。上例中新疗法相对标准治疗的HR为0.62，说明新疗法与更低的死亡风险相关；年龄按每10岁计算，HR为1.31，表示年龄每增加10岁，死亡风险约为原来的1.31倍。HR的95%置信区间不包含1且P值小于0.05，提示关联具有统计学意义。

中位生存期与中位随访时间含义不同：前者是生存曲线降到0.5对应的时间，描述的是生存结局；后者描述的是随访时间的集中趋势。两者不可混用，报告时也应写清各自定义。

除HR之外，生存分析还应结合生存曲线整体形态、事件发生的时间分布以及是否满足比例风险来综合判断。若某因素在随访早、晚期作用方向不同，提示可能存在非比例风险，单用Cox回归会掩盖这种变化，可采用时依协变量处理。

六、常见错误用法

• 把删失当作事件处理，或直接删除删失个体，导致结果偏倚。
• 用t检验或方差分析比较生存时间，忽略删失并违反分布假设。
• 不检验比例风险假定就直接报告Cox回归结果。
• 把HR写成相对危险度，或在忽略参照组与单位的情况下随意解释。
• 只报告P值而不报告HR及其95%置信区间。
• 把中位随访时间误当作中位生存期。

七、注意事项

生存分析要求起点与终点定义清晰、随访资料完整。曲线尾部涉及的人数较少时，生存曲线的估计不稳定，解释应谨慎。报告时宜同时给出各组例数、事件数、中位生存期、HR及其95%置信区间，并说明是否满足比例风险假定。