Kaplan-Meier生存分析的主要结果之一是每个时间点的生存比例或百分比。这些值通常以图表方式显示，但有时也适于以表格形式显示这些结果。默认情况下，这些值的分析结果选项卡不可见。只需单击“分析”选项卡右侧的下拉菜单，并从列表中选择，即可查看结果。

生存比例

Prism使用Kaplan-Meier（乘积极限）方法计算生存比例。对于每个X值（时间），Prism报告尚未发生感兴趣事件的观察对象的分数（或百分比）（如果生成累积发生率图而非生存率图，这些值将代表发生感兴趣事件的观察对象的分数/百分比）。这些值是创建生存率（或累积发生率）与时间之间关系图所需的值。

如本指南的前一部分所示，用于生成这些比例的计算已考虑到删失观察结果。观察结果经过删失（要么因其退出研究，要么因为研究已结束）的受试者-原因在于离开研究或者研究结束 - 无法提供删失之后的信息。这意味着生存率的计算比简单的分数要复杂一些。虽然从直觉上看，曲线应以发生感兴趣事件的受试者总数除以受试者总数的生存率为终点，但仅当无删失数据的情况下，这才正确。如果删失一些观察结果，计算会更复杂（因此需要使用Kaplan-Meier方法进行处理）。

如果感兴趣事件前的历时与其他受试者的删失前历时相同，则Prism会假设感兴趣事件首先发生，在此情况下进行计算。

生存百分比的置信区间

Prism将生存率的不确定性报告为标准误差或95%置信区间。标准误差用Greenwood方法计算。

计算95%置信区间时，Prism提供在以下两种方法中进行选择的方法：

•不对称方法（推荐）。这些置信区间使用对数-对数变换法（又称“指数型Greenwood公式”）进行计算。有关该方法的解释，请参见Machin的第42页和第43页（见下文参考文献）。通过将错误方法设置为Greenwood，将配置类型设置为对数-对数，可以从survfit R函数中获得相同的结果。这些区间适用于每个时间点。该想法是，在每个时间点，有95%的概率区间包括真实的种群生存。我们称该方法为不对称方法，因为区间在高于生存比例的情况下延伸的距离通常不等于它在低于生存时间情况下延伸的距离。这些结果称为逐点置信限。也可以（但在Prism中不可用）计算置信带，该置信有95%的机会包含整个群体生存曲线。这些置信区间比逐点置信限更宽

•对称法。这些区间会被计算为每个方向的标准误差的1.96倍。但需注意的是，在某些情况下，以此方式计算的置信限会小于0或大于1（或100%）。因此，在这些极限下调整置信限，以避免不可能的值。不建议使用该方法，我们提供该方法的目的只是为了与旧版Prism兼容

Kaplan-Meier方法方法的工作原理

Kaplan-Meier方法在逻辑上很简单。对于每个时间点，该方法首先计算在该时间点之前或者当时未发生感兴趣事件的受试者比例。为此，只需将在该时间点之后仍然未发生感兴趣事件的受试者人数除以在该时间点之前未发生过感兴趣事件的受试者总数（不包括此时从分子和分母两方面删失的任何观察结果）。

然后，计算时间0到数据表中所示各特定时间点之间未发生感兴趣事件的受试者比例。即，将在第一个时间点计算的分数乘以在每个后续时间点计算的分数。例如，如果用单独的天数表示时间点，则从计算第1天的分数开始。然后将该分数乘以第2天计算的分数，得到一个新值。再将该新值乘以第3天计算的分数，以此类推。重复这种乘法过程，直至第“K”天，由此得到第K天结束时未发生感兴趣事件的所有受试者的分数，即，第K天的生存概率。Kaplan-Meier方法通过将删失观察结果当天的分数的分子和分母减去这些值，自动计算删失的观察结果。指南的本页给出了这些计算的示例。这种将分数相乘的重复过程便是该方法的名称：乘积极限法。

参考文献

1.David Machin、Yin Bun Cheung和Mahesh Parmar，《生存分析：实用方法》，第2版，IBSN:0470870400。