生存曲线绘制了实验结果，其中结局是发生某一过性感兴趣事件之前的历时（给分析起名，该起一过性事件通常是临床或动物研究中的死亡）。通常，您可能想要比较两个或更多个研究组的生存概率-时间函数。本指南中的其他页面提供了关于 生存曲线解读以及如何比较 两条 （或 两条以上）生存曲线的更具体信息。

受试者是否独立？

影响生存的因素要么影响一组中的所有受试者，要么只影响一名受试者。如果多名受试者的生存存在关联，则这些观察结果并不独立。例如，如果研究汇集来自两家不同医院的数据，则受试者可能并不独立。在此情况下，来自一家医院的受试者与来自另一家医院的受试者的中位生存期可能不同。通过对一家医院和其他医院的患者进行抽样，中位生存时间可能会发生意外变化。如需分析这类数据，请使用 Cox比例风险回归。

准入标准是否一致？

通常，研究受试者在数月或数年时间内入组（这类研究中任何给定受试者的开始日期可能与另一名受试者的开始日期不同）。但在这些研究中，必须确保在入组期间保持入组标准不变，这点非常重要。设想一条始于首次检出转移的日期的癌症生存曲线。如果改进的诊断技术更早地检测到转移，会发生什么？即使在治疗或疾病的自然史中没有改变，生存时间似乎会明显增加。原因如下：患者将在其原本会死亡的年龄死亡，但相比于使用旧技术，使用新技术时诊断出来的时间更早（更小年龄）。对于这些患者，他们随后的观察历时会更长。

终点的定义是否一致？

如果生存研究将死亡视为感兴趣事件，则就关于将哪些事件计为死亡可能并无歧义。例如，在癌症试验中，如何考虑死于车祸的受试者的死亡？一些研究者将这些事件计为感兴趣事件；将其他受试者计为删失受试者（原因在于这些个体在研究结束前未因癌症而死亡）。这两种方法都合理，但应在研究开始前决定该方法。如果就关于将哪些事件计为死亡存有歧义，则应由不知道每名患者属于哪个研究组的人员做决定。

如果所研究的感兴趣事件是除死亡之外的其他事件，则在整个研究过程中对该事件进行一致的评估至关重要。

删失时间是否与生存无关？

生存分析仅在删失患者的生存时间（平均）与参与研究的受试者的生存时间相同时有效。有时称为“完全随机缺失”（MCAR）的数据。如果对很大一部分受试者进行删失，则该假设的有效性对于结果的完整性来说至关重要。请注意，没有理由对删失患者怀疑该假设，原因在于他们在研究结束时仍然存活。但当患者退出研究时，您应该询问原因是否会对生存产生影响。例如，如果许多患者因为病情太重而不能前往诊所，或者因为一旦感觉好转就停止服药，则生存曲线可能会产生误导。

在研究过程中，平均生存率是否保持不变？

许多生存研究的受试者入组期持续数年。仅当您能假设前几名入组受试者的平均生存率与最后几名受试者的平均生存率之间无差异时，这种分析才有意义。如果导致感兴趣事件的条件的性质（例如，正在研究的疾病或正在提供的治疗）在研究过程中发生变化，则结果将很难解读。

如果使用对数秩检验，比例风险的假设是否合理？

仅当比例风险假设对正在进行比较的研究组的生存曲线成立时，对数秩检验才严格有效。这意味着在所有时间点，一个研究组发生感兴趣事件的比率与另一个研究组发生感兴趣事件的比率之间的比率保持固定。已证明该假设在许多情况下合理。例如，如果您在一个接受药物治疗的研究组中研究死亡，而另一个研究组正在接受有风险的手术治疗，则不合理。在早期，手术组的死亡率可能更高。在晚期，药物治疗组的死亡率可能更高。由于风险比随着时间的推移并不一致（即违反比例风险假设），因此不得使用对数秩检验来分析这些数据。

是否在数据收集开始之前便已定义治疗组？

根据受试者是否对治疗做出响应（肿瘤变小、实验室检验结果变好等），将一组患者（在招募和研究期间视为等效）分为两组将属于无效做法。根据定义，为观察这些不同的反应，反应者必须存活足够长的时间，而未发生感兴趣事件。不论接受什么治疗，他们都可能存活得更久。对研究组进行比较时，必须在数据收集开始之前定义组。