在肿瘤试验中，生存分析是最常用的一种统计分析方法，在SAS中是通过proc lifetest实现。
proc lifetest的语法
对于简单的生存分析：
proc lifetest和time语句是必需的。假设时间变量是T，删失变量是C,同时删失变量的值1代表删失，那么proc lifetest的写法是
proc lifetest;
time t*c(1);
run;
所以这里提醒我们经常用ADTTE写proc lifetest的时候，语法并不是只能用aval和cnsr,time后的这两个变量是根据实际数据集生成的。同时，有的地方可能是删失的值>=1就为事件，但是在ADTTE指导原则中，只有为0才是事件。
下面采用CDISC官网上的ADTTE数据集，来了解一下proc lifetest生成的结果。这个数据集总共有254个人，最大生存时间是198，也就是AVAL的最大值是198,发生删失的受试者人数是102，事件就是96人。
data adtte;
set adam.adtte;
/* proc sort;by aval;*/
run;
proc lifetest data=adtte;
time aval*cnsr(1);
run;
输出结果①
看第一部分输出结果：
第一列是观测到的时间，最小是0，最大就是198。
第二列的*表示有受试者在这个时间点发生了删失，那么没有*的就代表是发生事件了。
第三列提供了在对应时间点下，受试者的无条件生存概率，在这个数据集中，就是没有达到“ First Dermatologic Event”的概率（主要看你的至事件时间是什么，比如研究肿瘤复发，那就是没有复发的概率），我们可以来手算一下，我在之前的一篇文章里也写到过，但是那篇文章的红色计算方法描述有问题，刚好在这里澄清一下。
分母应该是在事件i发生之前的人数，而不是发生事件后剩下的人数，拿这个数据集来说，我们用那个公式算算。
当AVAL=1，即首次服药当天，共有5人发生事件，1人删失。
那么该时间点对应的生存概率为 1*（1-5/254）=0.9803,然后有一个受试者删失，但不影响生存概率;
到AVAL=2的时候，有9个人发生事件，0个人发生删失，这时候的生存概率是0.9803*（1-9/248）=0.9447，注意这里分母需要排除上个时间点发生删失的人数，也就是254-6=248，而不是254-5=249。跟SAS计算出来的值是一致的(我用计算器算的)，注意这时候的分母要减掉前一个时间点发生事件的5个人和删失的1个人，因为删失的这个受试者不再在这个研究中了。
所以就按照这样的逻辑计算剩下的生存概率。
第四列就用1-左边的生存概率就得到了failure 概率。
第五列提供生存概率的生存概率标准误，
第六列Number failed 标明有多少受试者发生了时间
第七列Number Left 标明还有多少受试者在研究中
输出结果②
该部分输出的是四分位数估计表，列出了大约25%、50%和75%的患者发生事件时的估计天数。换句话说就是在22天的时候，有25%的受试者发生事件；在51天的时候，有50%的受试者发生事件；
然后在75%的时候，看到没有点估计，因为在177天的时候，发生事件的概率是69.23%，之后的受试者都是删失，所以概率不变，因此还没有达到75%，提供不了点估计。
然后还提供了平均生存时间---81.75，远远大于中位生存时间，所以我们出报告用中位生存时间更多。
输出结果③
可以看到删失的概率是40.16%，那么也说明有59.94%的受试者发生了事件。
这是一个简单的proc lifetest输出的结果。我们让proc lifetest画一个图，只需要加上ods graphics on;就可以了
这张图叫KM曲线图，同时我还没有区分不同组别，是对所有受试者画得一张KM plot，可以明显看出随着时间的增加，受试者的生存概率在减少，±号代表在该时间点有删失的观测。
