"删剪"一词似乎意味着你或受试者做了不恰当的事情。但事实并非如此。生存分析涉及测量样本人群中每个观察对象（受试者、个体等）从某个定义的 "起始时间"到某个定义的 "终点"之间所经过的时间。在生存分析中，常常会有一些观测值的经过时间是未知的。这些观测值被称为 "删剪"观测值，为了便于理解，我们将在下文中解释出现这种情况的原因，并举一个本示例。

假设一项临床试验计划持续 6 个月，将有 20 名参与者。该试验的招募标准是，在试验开始时，20 名参与者中只有 8 人被确定。其他 12 名参与者是在接下来的 4 个月中招募的。然后对每位参与者进行跟踪，直到发生以下三种情况之一：

1.参与者经历了感兴趣的事件（在本例中，参与者死亡）

2.参与者退出研究

3.研究在 6 个月后结束，但参与者在此期间没有死亡

下图显示了研究中最初 8 名参与者的时间轴，并注明了他们是否死亡（事件）或被删剪。

上图显示的是 X 轴上的 "日历时间"（自实验开始以来所经过的时间）。由于前八名参与者是在最开始（时间 0）进入试验的，因此可以直接从图中读出发生事件或删剪的经过时间。如上图所示，01 号参与者接受了四个月的跟踪调查，然后死亡。同样，对参与者 02 和 03 分别进行了 2 个月和 1 个月的随访，然后分别发生了相关事件。参与者 07 接受了 6 个月的随访，在研究结束前死亡。与此相反，参与者 04 接受了整整 6 个月的跟踪研究，但在此期间没有经历感兴趣的事件（他们活到了研究结束）。参与者 05 接受了两个月的跟踪调查，在此期间没有死亡。然而，在这两个月后，参与者 05 选择离开研究。由于 05 号参与者最后一次被看到是在两个月后，因此我们在此表示此人已被删剪。参与者 08 在一个月的时间点被观察到（并且存活），但也在这一个月后离开了研究。请注意参与者 04 和 07 之间的区别。虽然两人都参加了六个月的研究，但我们知道，参与者 07 在六个月的时间点死亡，而参与者 04 则一直存活到研究结束。

对于 04、05 和 08 号参与者，我们无法知道他们在经历感兴趣的事件之前经过了多长时间，只能知道事件一定发生在他们最后一次被观察之后。在这最初的八名参与者中，我们只能说明有五名经历了感兴趣的事件，而另外三名则被删剪了。

既然我们已经了解了这一可视化结果，那么我们就可以看看研究中的所有其他参与者，以获得完整的数据信息。

研究开始后，又招募了 12 名参与者（第 09-20 位参与者）。和之前一样，上图的 X 轴显示的是 "日历时间"。但我们可以看到，09-20 号参与者的 "开始时间"不再是 Time = 0。 由于每位参与者的开始时间和结束时间可能不同，因此我们必须找出这两个值之间的差值，以确定每位参与者各自的 "经过观察值"。通过上图，我们可以看到，在接下来的 12 名参与者中，有 7 人是在一个月后招募的，有 3 人是在两个月后招募的，有 1 人是在三个月后招募的，有 1 人是在四个月后招募的。正因为如此，我们不能简单地将事件或删剪时间读作经过时间，因为这些人并不是从零开始的。

在研究开始后招募的 12 名参与者中，有 1 人（参与者 18）离开了研究，2 人在研究结束前没有经历相关事件，这就导致出现了 3 个额外的删剪观测值和 9 个额外的相关事件观测值。

这种删剪方法被称为 "右删剪"，因为在时间轴的右侧，被删剪参与者的生存时间是未知的。换句话说，事件一定发生在每个参与者的观察期之后。还有其他一些删剪方法（最常见的是左删剪和区间删剪），但 Prism 中的生存分析将使用右删剪。

本指南的以下部分将介绍 Prism 提供的两种生存分析方法：

•非参数生存分析：不允许使用多个预测因子变量或连续预测变量。使用 Kaplan-Meier（乘积极限）方法估计生存函数（生存曲线）。可使用对数秩检验（Mantel-Haenszel、Mantel-Cox）和/或 Gehan-Wilcoxon 检验比较不同组别（由单一分类变量定义）的单独曲线

•半参数生存分析：使用 Cox 比例风险回归估算每个观察指标的风险比和参数系数、基线累积风险和生存曲线以及生存概率估计值。允许纳入多个连续和分类预测因子变量

第三种生存分析--参数生存分析--需要对样本人群的生存时间分布做出额外的假设，目前 Prism 不提供这种分析。