一、生存分析基本概念1、事件（Event）指研究中規定的生存研究的終點，在研究開始之前就已經制定好。根據研究性質的不同，事件可以是患者的死亡、疾病的復發、儀器的故障，也可以是下崗工人的再就業等等。2、生存時間(Survival time)指從某一起點到事件發生所經過的時間。生存是一個廣義的概念，不僅僅指醫學中的存活，也可以是機器出故障前的正常運行時間，或者下崗工人再就業前的待業時間等等。有的時候甚至不是通用意義上的時間，比如汽車在出故障前的行駛里程，也可以作為生存時間來考慮。3、刪失（Sensoring）指由于所關心的事件沒有被觀測到或者無法觀測到，以至于生存時間無法記錄的情況。常由兩種情況導致：（1）失訪；（2）在研究終止時，所關心的事件還未發生。4、生存函數（Survival distribution function）又叫累積生存率，表達式為S（t）=P(Tt),其中T為生存時間，該函數的意義是生存時間大于時間點t的概率。t=0時S(t)=1，隨著t的增加S(t)遞減（嚴格的說是不增），1-S(t)為累積分布函數，表示生存時間T不超過t的概率。二、生存分析的方法1、生存分析的主要目的是估計生存函數，常用的方法有Kaplan-Meier法和壽命表法。對于分組數據，在不考慮其他混雜因素的情況下，可以用這兩種方法對生存函數進行組間比較。2、如果考慮其他影響生存時間分布的因素，可以使用Cox回歸模型（也叫比例風險模型），利用數學模型擬合生存分布與影響因子之間的關系，評價影響因子對生存函數分布的影響程度。這里的前體是影響因素的作用不隨時間改變，如果不滿足這個條件，則應使用含有時間依存協變量的Cox回歸模型。下面用一個例子來說明SPSS中Cox回歸模型的操作方法。例題要研究胰腺癌術中放療對患者生存時間的影響，收集了下面所示的數據：操作步驟：SPSS變量視圖菜單選擇：點擊進入Cox主對話框，如下，將time選入“時間”框，將代表刪失的censor變量選入“狀態”框，其余分析變量選入“協變量”框。其余默認就行。點擊“狀態”框下方的“定義事件”，將事件發生的標志設為值0，即0代表事件發生。在主對話框中點擊“分類”按鈕，進入如下的對話框，將所有分類變量選入右邊框中。在主對話框中點擊“繪圖”按鈕，進入如下的對話框，選擇繪圖的類型，這里只選擇“生存函數”。由于我們關心的主要變量是trt（是否放療），所以將trt選入“單線”框中，繪制生存曲線。在主對話框中點擊“選項”按鈕，進入如下的對話框，設置如下，輸出RR的95%置信區間。回到主界面，點擊“確定”輸出結果。結果輸出這是案例處理摘要，有一個刪失數據。這是分類變量的編碼方式。這是對擬合模型的檢驗，原假設是“所有影響因素的偏回歸系數均為0”，這里可以看出P=0.0320.05拒絕原假設，認為有偏回歸系數不為零的因素，值得進一步分析。這是多元回歸結果，第二列B為偏回歸系數，最后三列為OR值及其置信區間。由P值可以看出，在0.5的顯著水平下，只有trt有統計學差異，OR為2.265。這是協變量的平均值。這是