生存分析（survival analysis）主要用来处理考虑发生时间的二分类结局变量，不仅考虑事件是否出现，而且考虑事件出现的时间长短，因此这类方法也称为事件时间分析（time-to-event analysis）。
生存分析的资料常常分为终点事件（如死亡）和删失（其他生存结局）两类，
其特点有：
① 同时考虑两个变量：生存时间和生存结局；
② 通常含有删失数据；
③ 生存时间的分布通常不服从正态分布。
什么是删失数据（Censoring data）？
在研究结束的时候，研究对象发生了研究之外的其他事件或生存结局，无法明确从开始观察到发生终点事件的生存时间，我们把这种类型的数据称之为删失数据。
删失本质就是研究数据出现了缺失，我们无法根据所有观察对象计算“死亡速度”，难以准确探讨人群的平均生存时间，比较不同组人群的生存情况。
产生删失的可能原因
①随访截止，终点事件仍然没有发生；
② 中途失访，无法明确观察的研究对象是否发生了终点事件和具体的发生时间；
③ 研究对象由于不配合等其他原因，中途退出研究，无法继续进行随访；
④ 研究对象死于其他事件，例如因其他疾病造成死亡。
以终点时间为肝癌死亡为例
生存期必须知道的几个概念
总体生存期（overall survival, OS ）
任何原因导致的死亡，只关心是否死亡，不关心因为何种原因死亡。
疾病特异性生存期（disease specific survival, DSS）
结局指标为由特定疾病导致的死亡，反映特定疾病的临床获益。但患者的死因经常并不容易明确。这时候开始关心死亡的原因是否是由特定疾病导致的。如果不是特定疾病导致的则不计入结局指标。在没有DSS.time的数据中，可以用OS.time来替代。
无进展生存期（progression free survival, PFS ）
疾病经过治疗后没有出现进一步恶化的生存期，结局指标是发生恶化或死亡。要求对发生恶化的标准进行明确的定义。
无病生存期（disease free survival, DFS）
从随机化开始至疾病复发或由于疾病进展导致患者死亡的时间，不关心因为何种原因死亡。要求对发生复发的标准进行明确的定义。
一定要明确结局的定义
结局不仅仅指的是生命是生、是死的数据；还可以是研究者感兴趣的阳性终点事件。
如研究某病治疗后的复发情况，复发定为终点事件。在生存分析中，发生终点事件发生（复发）记为“1”，删失记为“0”。
生存分析的主要方法
非参数法：Log rank检验等
一般肿瘤治疗药物临床试验会采用Log rank检验法。Log rank检验对晚期死亡事件权重较大，对数据分布的要求较低，主要用于比较两组生存曲线是否存在差异，回答“是否有效”的问题，但无法衡量效果大小，P值作为试验主要结局是否阳性的依据。
Wilcoxon检验也属于非参数检验法，但对早期死亡事件权重更大。
半参数法：Cox回归分析
考虑随访时间，用Cox回归获得HR，更直观地测量治疗效果。
Kaplan-Meier法
Kaplan-Meier法估计的生存率是一个累积的生存率，或者说是一个条件的生存率，前面的条件再乘以当前的生存率，通常用生存曲线描述生存过程。
生存曲线中，中位生存时间就是纵坐标=0.5（即生存率在50%的时候所对应的时间）。
中位生存时间不能简单地理解为“死亡人数到了一半”，因为有些受试者中途失访或随访结束也没有发生结局。严格来说就是累积生存率=0.5的时候所对应的时间t。
有时候中位生存时间估计不出来，因为发生“死亡”的人数太少，这时就报道为某个时间点的生存率（如1年生存率、5年生存率等），或者报道平均生存时间（如果数据不是很偏态）。
不同的生存分析内容，选择不同的分析策略
计算生存率、中位生存时间、用生存曲线描述生存过程：Kaplan-Meier法
生存时间分布的组间比较：log Rank
探讨生存时间（生存速度）的影响因素：Cox回归分析。
