outcome_analysis

# 结果分析与统计方法指南 ## 概述 严谨的结果分析对于临床决策支持文档至关重要。本指南涵盖了生存分析、响应评估、统计检验以及用于患者队列分析和治疗评估的数据可视化。 ## 生存分析 ### Kaplan-Meier 方法 **概述** - 从事件发生时间数据中估算生存函数的非参数估计器 - 处理删失观测值（最后随访时存活的患者） - 提供每个时间点的生存概率 - 生成特征性的阶梯函数生存曲线 **关键概念** **删失 (Censoring)** - **右删失**: 最常见 - 患者在最后随访或研究结束时存活 - **左删失**: 在临床研究中罕见 - **区间删失**: 事件发生在两次评估时间之间 - **信息性与非信息性**: 删失应与结果无关 **生存函数 S(t)** - S(t) = 在时间 t 之后存活的概率 - S(0) = 1.0 (时间零点时100%存活) - S(t) 随时间增加而减小 - 在每个事件时间点呈阶梯式下降 **中位生存期** - S(t) = 0.50 的时间点 - 50% 的患者存活，50% 的患者已发生事件 - 报告时附带 95% 置信区间 - 若事件发生率低于 50%，则为“未达到 (NR)” **固定时间点的生存率** - 1年生存率、2年生存率、5年生存率 - 在特定时间点从 K-M 曲线读取 - 报告时附带 95% CI: S(t) ± 1.96 × SE **计算示例** 时间 事件 风险人数 生存概率 0 0 100 1.000 3 2 100 0.980 (98/100) 5 1 95 0.970 (97/100 × 95/98) 8 3 87 0.936 (94/100 × 92/95 × 84/87) ... ### Log-Rank 检验 **目的**: 比较两组或多组之间的生存曲线 **零假设**: 各组之间的生存分布没有差异 **检验统计量** - 比较每个时间点各组的观测事件数与预期事件数 - 对所有时间点赋予相同权重 - 服从自由度为 k-1 (k 为组数) 的卡方分布 **报告** - 卡方统计量、自由度、p值 - 示例: χ² = 6.82, df = 1, p = 0.009 - 解读: 生存曲线存在显著差异 **假设** - 删失是非信息性的且相互独立 - 比例风险（HR 随时间保持恒定） - 若非比例，考虑时变效应 **非比例风险的替代方案** - **Gehan-Breslow 检验**: 对早期事件加权