近日连续遇到好几个同事在写论文时问及生存率的问题，有人还是对生存率的计算有点儿理不清楚，本期就这一问题作一讨论。当然这一讨论仅限于简单的数据中的kaplan-meier法。对于流行病学数据的生存率估计，有更为复杂的估算方法，也需要考虑更多的影响因素。
假设我们有某肿瘤患者的以下数据，包括患者的基本信息、诊断时间、治疗手段、随访时间和存活与否等指标。简单理解的生存率，就是患者的存活率，是指在这些患者中经过一段时间的随访后，尚存活的患者的比例。它的计算方法=随访满一定时间的尚存活的病例数/开始随访时的总病例数×100%。如2年生存率的计算，是指随访满2年的尚存活的病例/总病例数。上面的计算的确有着严谨的逻辑，但这种生存率的计算在中往往是不被采用的的。因为这种情况下生存率的计算，会漏掉不少随访时间不够2年的病例。随访时间不够2年的原因可能是：1)、这些病例从入院到现在还没有2年的时间，2)、这些病例随访不足2年时就失访了。
就像上面的这个数据，我截屏了前20个病人，其中13人都是不能纳入上面说的那个2年生存率的计算的，因为他们的随访时候都不够24个月。
但是我们在做生存分析时往往不是这样计算的生存率的，我们是按照km的生存概率表读取的某一个时间的生存率，比如下表中5年的累积生存率为91.8%。理论上应该读取第838行的累计生存率(因为它正好对应着60个月)，但是这儿没有数，所以读取他的上一个数(第826行)来代替。
这个5年的累计生存率也跟生存曲线对应着，它的生存曲线如下。图中红色的线对应的就是60个月的累积生存率。
这儿我们一直把它称为累积生存率，因为它有别于前面所说的生存率，累积生存率的计算是将各个时点的生存概率进行乘积计算而来的，考虑了删失数据的影响。但是在生存分析的中大家早已习惯了将累积生存率简称为生存率。如果不存在删失数据，那么累积生存率就完全等于咱们前面所说的那个简单生存率的计算，即等于t时刻仍存活的例数/观察总例数。
由于上述的表格中不存在时间正好等于60.000个月时的生存率，所以我们选用它上一个最接近的时间点59.133个月的数据(0.918)来代替。除此之外，我们还可以采用比例的方法来估算60.000个月的生存率，因为我们知道59.133个月是0.918，62.533个月是0.916，假设这个生存率在这一较小的时间段内是等比例下降的。那么可以算出这一时间段内每1个月的平均下降速度为(0.918-0.916)/(62.533-59.133)=0.000588，60个月距离59.133个月为0.867个月，乘以0.000588=0.00051，再用59.133个月的0.918-0.00051=0.91749，即为正好60个月时的估算生存率。
呃，这么一通计算折腾下来，跟选取最接近的数据来代替，两个生存率也只差了0.51%。本例题的比较大，事件与事件之间时间点相距较近。但有时候研究对象较少时(如只有20例)，出现事件的时间点可能会相距较远，此时差别会大一些。当然读者应该酌情考虑是否采用这一计算方法。
