如果没有受试者的删剪观测数据，且所有受试者都死亡（经历感兴趣的事件）

如果跟踪每个受试者直到感兴趣的事件发生（事件通常是死亡，但生存曲线可以跟踪直到任何一次性事件发生的时间），那么曲线最终将到达 0。在最后一个受试者经历感兴趣事件的时间（X 值），生存概率将为零。

如果所有受试者的跟踪时间完全相同

如果所有受试者的跟踪时间相同，情况就很简单了。如果三分之一的受试者在研究结束时尚未经历相关事件，那么存活概率为 33%。

如果某些受试者在研究过程中被删剪

如果任何受试者的观测数据被删剪，那么生存曲线的底点将不等于研究结束时未经历相关事件的受试者比例。

在删剪之前，受试者对分数生存值有贡献。在此之后，受试者不会影响计算。在任何给定时间，存活概率值都是受试者在该时间段内存活的比例。

受试者的观察结果会被删剪--要么因为他们离开了研究，要么因为研究结束了--在删剪时间之后，他们就不能贡献任何信息了。你不知道他们在删剪后是否会经历感兴趣的事件（或者你知道，但无法使用这些信息，因为实验方案不再被遵循）。因此，如果有受试者在生存曲线 X 轴上显示的最后一次时间之前被删剪，那么生存曲线图上显示的最终生存概率将不符合没有经历相关事件的受试者的实际比例。那个你可以很容易地用手计算出来的简单的存活率是没有意义的，因为并不是所有的受试者都没有被跟踪相同的时间。

生存曲线何时会降到零？

如果生存曲线一直下降到 0% 的生存率，这并不意味着研究中的每个受试者都经历了感兴趣的事件。有些受试者可能在较早的时间点就被删剪了（要么因为他们离开了研究，要么因为研究在他们经历相关事件之前就结束了）。当最后一个时间点的观察对象是经历了相关事件的受试者，而不是被删剪的受试者时，生存概率将降为零。如果您的数据按 X 值排序（Prism 可以使用编辑...排序），那么如果最后一个 Y 值为 1（感兴趣事件），曲线的生存率将下降到 0%；如果最后一个 Y 值为 0（删剪），曲线的终点将高于 0%。

在下面的本示例中，感兴趣的事件是死亡。10 名受试者中有 4 人死亡。但生存曲线下降到 0，而不是 60%。为什么呢？因为有六个受试者在 1 到 27 个月之间被删剪了。我们不知道如果他们在研究中坚持到第 28 个月会发生什么。因为我们不知道他们是生是死，所以他们的数据在删剪时间之后根本不算数（但在此之前肯定算数）。在第 27 个时间点，只有一名受试者仍在接受随访，她或他在第 28 个月死亡，存活概率降为零。