生存分析曲线描绘的是实验结果，其中的结果是直到某个一次性事件发生的时间（这也是该分析的名称，在临床或动物研究中，这种一次性事件通常是死亡）。通常情况下，您可能想比较两组或多组的存活概率与时间的函数关系。本指南的其他页面提供了有关解读生存曲线以及如何在两条（或两条以上）生存曲线之间进行比较的更多特异性信息。

受试者是否独立？

影响存活率的因素要么会影响一组中的所有受试者，要么只影响一个受试者。如果几个受试者的存活率是相关联的，那么这些观察结果就不是独立的。例如，如果研究汇集了两家不同医院的数据，那么受试者可能就不是独立的。在这种情况下，一家医院的受试者与另一家医院的受试者的中位生存时间有可能不同。从一家医院与另一家医院的患者中抽取样本，可能会使中位生存时间发生意想不到的变化。要分析这类数据，可使用Cox 比例风险回归。

入选标准是否一致？

通常情况下，一项研究的受试者会在数月或数年内入选（此类研究中任何特定受试者的入选日期可能与另一受试者的入选日期不同）。不过，在这些研究中，重要的是入选标准在入选期间不能改变。试想一下，癌症生存曲线是从检测到第一个转移灶的日期开始的。如果改进后的诊断技术能更早地发现转移灶，会发生什么情况？即使治疗方法或疾病的自然病史没有改变，生存时间似乎也会延长。原因如下：患者的死亡年龄与原来相同，但使用新技术比使用旧技术更早（年龄更小）确诊。对于这些患者来说，他们的观察时间会随之延长。

终点的定义是否一致？

如果生存研究将死亡作为关注的事件，那么在计算死亡人数时可能会出现模糊不清的情况。例如，在癌症试验中，如何考虑死于车祸的受试者的死亡？一些研究者将其视为相关事件；另一些研究者则将其视为删剪受试者（因为这些人在研究结束前并未死于癌症）。这两种方法都是合理的，但应在研究开始前决定采用哪种方法。如果在计算死亡人数的问题上存在任何模糊之处，则应由不知道每位患者属于哪个研究组的人员来决定。

如果研究的相关事件不是死亡，那么在整个研究过程中对该事件的评估必须保持一致。

删剪时间与存活率无关吗？

只有当删剪患者的生存时间与留在研究中的受试者的生存时间（平均）相同时，生存分析才是有效的。这有时被称为 "完全随机缺失"（MCAR）数据。如果有很大一部分受试者被删剪，那么这一假设的有效性对结果的完整性至关重要。需要注意的是，对于那些因为在研究结束时仍然存活而被删剪的患者，没有理由怀疑这一假设。但是，当患者退出研究时，您应该询问其原因是否会对生存率产生影响。本示例中的生存曲线可能会产生误导，因为许多患者退出是因为他们病得太重而无法前来就诊，或者是因为他们感觉好些后就停止服药了。

平均存活率在研究过程中是否保持不变？

许多存活率研究的受试者都是在几年的时间里接受治疗的。只有假定前几名入选受试者的平均生存率与最后几名受试者的平均生存率没有差异，分析才有意义。如果导致相关事件的条件（如所研究的疾病或所提供的治疗）的性质在研究期间发生了变化，那么结果将很难解读。

如果使用对数秩检验，比例风险假设是否合理？

只有当被比较组的生存曲线的比例风险假设成立时，对数秩检验才严格有效。这意味着在所有时间点上，一个组的相关事件发生率是另一个组相关事件发生率的恒定部分。这一假设在很多情况下都被证明是合理的。本示例举例说明，在调查一组采用药物治疗和另一组采用高风险手术治疗的死亡情况时，这种假设是不合理的。在早期，手术组的死亡率可能要高得多。在后期，医疗组的死亡率可能会更高。由于风险比在一段时间内并不一致（即违反了比例风险假设），因此这些数据不应使用对数秩检验进行分析。

是否在数据收集开始前就确定了治疗组？

根据受试者是否对治疗有响应（肿瘤变小、化验结果好转等）将一组受试者（在招募和研究期间都被认为是平等的）分为两组是无效的。根据定义，响应者必须在没有发生相关事件的情况下存活足够长的时间，才能观察到这些不同的响应。而且，无论接受何种治疗，他们都可能存活得更久。在进行分组比较时，必须在开始收集数据之前确定分组。