無法進行生存分析、生存（事件發生時間）估計概率背景：觀察我們通過手術干預的疾病進展過程。 除 2 名患者（50 名患者中）外，所有患者繼續經歷疾病進展，而其餘患者在隨訪時疾病進展得到緩解和/或停止（即成功的手術結果）。我正試圖獲得關於時間的這種手術干預成功的 KM 曲線。 我的目標是提供一個有意義的結果，描述該手術在阻止疾病進展方面的成功程度，以及我們可以報告該結果的時間和可信度。 我認識到缺乏對照組，但這是單獨的對話和疾病過程的先天局限性，這將在我們的論文中討論。
目前我的數據設置為：事件 = 疾病進展。 由於除了兩個對象之外的所有人都經歷了該事件，這意味著該小組主要由以下人員組成右審查科目。 很少有人失訪或死亡，但當然他們也被審查了。 這個設置正確嗎？ 我得到的 KM 曲線本質上是時間線早期的兩個小步驟，然後是一條平坦的線，直到研究期結束。 有這麼多被右刪減的主題看起來很奇怪。 有沒有更合適的方式來表示這些數據？ 如果這實際上是正確的，我想提供給定時間點的“生存概率估計”（即在 x 時間點無進展（成功手術）的概率是多少）。 但是，在 JMP 上，此功能出於某種原因呈灰色顯示/無法從紅色三角形下拉列表中訪問。 這是什麼原因？ 我將如何執行該計算？
感謝您的任何幫助！
蘋果系統回复：生存分析，生存（事件發生時間）估計概率不可訪問是的，你的設置是正確的。 有人可能會爭辯說，離開研究的患者構成了截斷的數據，而不是經過審查的數據。
這兩個步驟也是正確的。 非參數估計保持不變，直到遇到另一個精確的生命觀察。
您必須擬合模型以獲得概率與時間的關係。 我推薦 Weibull 或對數正態分佈模型。 JMP 可以構建所有模型並使用一個標準來選擇最佳模型，但是當您只有兩個確切的生命週期時，這種數據驅動的方法是有風險的。
這是一個例子。 我使用了 Big Class 數據表中的 :weight 數據列，並假裝它是生命週期數據。 我添加了一個 Censor 列，除了兩行之外所有行都是 1，所以只有兩個確切的生命週期。 我啟動了 Life Distribution 並選擇了 Weibull 模型和量表。 您可以使用右側的分佈刻畫器來估計給定時間的故障概率。
回复：生存分析，生存（事件發生時間）估計概率不可訪問謝謝，這非常有幫助！ 使用以上內容，我能夠使用 Weibull 模型和量表提供 1 年、3 年和 5 年的無進展估計。
關於同一數據集，我還有一個問題。 我的事件發生時間數據可以按疾病階段（階段 A、B 和 C）分組。 我可以評論說，基於對數秩檢驗，事件數據的時間分佈在各組之間沒有差異。 一位審稿人要求我“報告事件發生時間的差異作為階段的函數，風險比作為影響大小，95% CI 圍繞 B 階段和 C 階段的 HR”。 我個人理解為要求以A期為參照組進行Cox回歸風險比分析。 我用了擬合比例風險為此選擇的模塊“風險比”（基於快速搜索，等同於 JMP 中的風險比）。 這個設置是否正確？ 如果這是正確的，主要問題是我的 Stage B 組沒有任何事件。 因此，我得到的 HR 為 0.00，CI 最低為 5.48E-06，最高為 3.38E+266！ 顯然這是一個退化的估計，但不確定是否任何解決方法或我將如何解釋或報告此值？由於每組中的事件很少（A 階段 n=1，C 階段 n=1），我認識到很難從這些值中的任何一個得出有意義的結論，但我們將不勝感激任何幫助！
回覆：存活分析、存活（事件發生時間）估計機率不可訪問@Mark_Bailey引起了我的注意。在繼續之前，我需要透露我沒有醫學或臨床領域的經驗。我的觀點是基於我在相關領域可靠性數據分析的經驗。以下是一些想法：
- 在可靠性資料分析領域，如果有兩個少數事件，有兩種處理方法：（1）獲得保守估計，這意味著可靠性（相當於不同領域的生存）可能低估了事實(2)使用貝葉斯方法合併附加資訊。但我認為這兩個選項對您來說都不可行，因為它們都是 JMP 中的參數方法。 KME 是一個非參數模型。如果有非參數方法來解決醫學和臨床領域的少數事件，那就超出了我目前的專業知識。
- 比例風險模型是一種半參數模型。但如果事件太少，您也會面臨同樣的困難。我不認為 JMP 目前提供的產品可以解決這個挑戰。
請相關領域對此類情況進行研究。如果社群中有這方面的專家，我希望他們能夠發現這篇文章並發表意見。
