在生物醫學研究中，生存分析 是非常重要和常見的分析方法。本文對 生存分析 中的Kaplan–Meier 模型、Cox 比例風險模型進行了簡要而詳盡的概述，幫助大家更好的理解生存分析等相關概念。本文適用於生物醫學專業初學者以及對生存分析感興趣的非專業人士。
生存分析
首先，簡單描述一下 生存分析 的使用場景，已經熟悉的同學可以選擇直接跳過。 生存分析 經常用在癌症等疾病的研究中，例如在對某種抗癌葯物做臨床試驗時，會首先篩選一部分癌症患者隨機分為兩組，一組服用該試驗葯物，一組服用對照葯物，服葯后開始統計每個患者從服葯一直到死亡的生存時間，通過考察兩組之間的病人在生存時間上是否有統計學差異來判斷試驗葯物是否有效。在這里，死亡是整個實驗中重點觀測的事件，即 event。對於每個病人，需要記錄他們發生該事件的具體時間。因此， 生存分析 可以抽象概述為，研究在不同條件下，特定事件發生與時間的關系是否存在差異。這些具體事件可以是死亡，也可以是腫瘤轉移、復發、病人出院、重新入院等任何可以明確識別的事件，而不同條件即為不同的分組依據，可以是年齡、性別、地域、某個基因表達量的高低、某個突變的攜帶與否等等。下圖是鍾南山院士在對歐洲呼吸學會針對 Covid-19 的報告中提到的研究結果，他們對湖北省內和省外的病人從開始症狀到入院時間做了分析，從發生症狀開始，入院則是我們剛才講的 event 事件，而湖北省內外則是不同的分組條件。圖中還提到，他們使用 Cox 模型對地理進行了校正，這也是我們在這篇文章中后續要講到的內容。對鍾南山報告感興趣的同學可以訪問此鏈接 進行查看。
剩余內容請點擊查看原文：http://thisis.yorven.site/blog/index.php/2020/04/06/survival-analysis/