多重比较的需求

同时比较三条或更多的生存曲线时，会得到一个单一P值。该P值用于检验零假设，即每个不同组中的所有受试者均从具有单一生存特征的单一群体中抽样得到，并每个研究组的生存差异因随机抽样所致。然而，您可以对一次比较两个特定的研究者，而不用关注所有研究组均从单个群体中抽样而得的零假设。

手动将每个研究组的数据复制到新的生存数据表中（或者复制现有的表格，并调整哪些组应该包括在分析中），可以进行这种比较。然而，如果在此之后未针对多重比较进行调整，很容易获得P值，这些P值会让您误认为可以拒绝从单个群体中抽样得到这些研究组的零假设。如果执行许多次成对比较，一对或多对研究组产生低于指定阈值的P值（从而表明拒绝零假设）的可能性很高。为避免该错误，应校正多重比较。

生存曲线的多重比较如何发挥作用

方差分析后的多重比较检验十分复杂，因为它们不仅使用更严格的显著性阈值，而且在计算方差（离散）时还纳入来自所有组的数据，并在每次比较时都使用该值。通过量化所有组的离散，而不仅仅是您比较的两个组，您会获得一些自由度，并在之后获得一些额外检验力。

比较生存曲线的多重比较检验较为简单。只需调整阈值来确定P值何时“足够小”以拒绝零假设，无需考虑任何未包括在比较中的研究组的信息（因为这些信息没有用）。

使用Prism同时比较两条生存曲线

对于您要比较的每对组，请遵循以下步骤：

1.从比较所有组的结果表开始

2.右键单击“导航器”中的分析表或点击工具栏的“工作表”部分中的“新建”按钮，然后选择“复制当前工作表”

3.将出现“分析”对话框。在该对话框的右侧，选择想要比较的两个研究组，并确保未选中所有其他组。单击“确定”

4.将出现生存分析参数对话框。点击“确定”，不更改任何设置

5.注意P值（来自对数秩检验或Gehan-Breslow-Wilcoxon检验），但在校正多重比较之前，不要尝试解释该P值（其说明见下一节）

6.针对想要进行的每组成对比较，重复上述步骤。或者，打开“更改”菜单，并选择“分析的数据...”。将出现“分析数据”对话框，此时可以指定一组不同的研究组进行比较

如何校正多重比较

同时比较多组时，不能用惯用方式直接解释单个P值。作为替代方案，必须调整与P值进行比较的阈值，以确定是否可以拒绝零假设。

进行这种调整的最简单方法是使用Bonferroni方法。注意，该方法需要通过执行多项单独的生存分析来手动完成。该方法不涉及方差分析。

1.定义需要应用于整个比较系列的α阈值（“显著性水平”）。该水平通常设置为0.05

2.计算正在进行的比较的次数，并把此值称为K（请参阅下一节，该节将讨论一些不明确之处）。

3.计算将用于每次单独比较的Bonferroni校正α值。该值等于族群α水平（定义见第1步，通常为0.05）除以K

4.如果P值小于Bonferroni校正阈值，则可以拒绝零假设（这两组的生存特征相同）。另一种说法是，使用5%族群显著性水平进行的比较具有“统计显著性”

进行多少次比较？

对生存数据进行成对比较时，必须诚实地说明正在进行的比较的数量。假设有四个治疗组（包括对照组）。了解数据后，回头将生存时间最长的研究组与生存时间最短的研究组进行对比。只进行一次比较并不公平，因为如果不首先查看所有数据，就无法知道进行哪一种比较。对于四个治疗组，可进行六组可能的成对比较。通过首先查看数据来选择一项此类比较，您已经默默进行所有六项比较，应该在上文第3步中将K定义为6。

如果只对将三个治疗组与对照组进行比较感兴趣，但对相互之间的比较不感兴趣，则只进行三次比较，并且K的值应该设置为3。