在大多数情况下，生存分析会结合事件是否发生的二元结果，以及从干预开始（例如，随机治疗开始）开始测量的事件发生时间。当然，并非所有患者都会经历事件，例如死亡或病情进展，因此分析会将这些额外的患者纳入分析范围，并在随访结束时将其作为删失观察值纳入分析。这种分析使我们能够计算一组患者的汇总统计数据，例如中位生存期，其中许多患者可能在临床试验期间不会经历感兴趣的事件。我们大多数人都熟悉常用的 Kaplan-Meier (KM) 图，该图总结了事件发生时间 (TTE) 终点，以便于沟通（图 1）。
Figure 1. A Kaplan-Meier plot for time to death in Nicardipine图 1. 尼卡地平患者死亡时间的 Kaplan-Meier 图
这里，Y 轴总结了生存概率，而 X 轴总结了时间，通常以从随机治疗开始测量的天数来报告。生存到给定时间的概率用 KM 曲线显示，每个治疗一个曲线，直到组中的最后一名患者经历事件（发生步骤）或被审查，这意味着患者在没有事件发生的情况下结束了随访。这个特定的 KM 图有两个注释。第一个是整个研究期间每个治疗组经历的事件总数。第二个是风险表，表示在给定时间点仍然处于风险中（尚未发生事件或被审查）的患者人数。审查的观测值用垂直管道符号表示。这个版本的 KM 图已经成为许多医学期刊（在页面上搜索生存图）和提交给美国食品药品监督管理局的TTE 终点总结标准方法。
KM 图对于汇总 TTE 数据非常有用，但我们能否利用时间元素来探究分析中的假设问题，并评估结果在累积数据情况下的稳健性？现在，借助JMP临床19的动态生存报告，我们可以做到这一点。
动态生存报告提供了更具信息性和交互性的体验，用于汇总来自 CDISC ADaM ADTTE 域的时间-事件终点。该报告显示一个 KM 图（生存[递减] 或失败[递增] 图 - 只需点击按钮即可切换）、事件总数的注释（以及相对分析中事件总数的比例），以及一个风险人数表，用于显示尚未发生事件或根据用户提供的时间间隔被删失的患者人数。KM 图的另一个增强功能是可以使用第二个 Y 轴汇总各种统计数据，包括对数秩检验和 Wilcoxon 检验，或相应比例风险模型中治疗组之间的风险比。动态生存对话框如图 2 所示。
Figure 2. Dynamic Survival dialog图 2. 动态生存对话框
动态生存使用 JMP 的“生存”和“拟合比例风险”平台来分析 ADTTE 域中的单个端点。本质上， “生存”和“拟合比例风险”平台分别针对不同的时间类别分析 TTE 端点，这些时间类别根据用户请求的分析类型生成：绝对分析或相对分析（默认）。
例如，假设我们观察按患者和日期绘制的 TTE 数据（图 3）。每个患者的时间是从开始日期到结束日期测量的，在此期间，患者经历了一个事件，或者由于在随访结束前未经历过任何事件而被审查。
Figure 3. Absolute analysis conducted by date图 3. 按日期进行的绝对分析
Figure 4. Absolute analysis conducted by date with reference date图 4. 按日期进行绝对分析，并参考日期
假设有意在虚线水平参考线所示的日期进行期中分析（图4）。对于此分析，随访时间超过此参考日期的患者将在此日期被删失（图5）。使用图5中的数据进行的期中分析将包括六名患者，其中只有一名在参考日期之前发生过事件。
Figure 5. Absolute analysis with patients censored at reference date图 5. 参考日期删失患者的绝对分析
虽然通常会预先计划少量的中期分析来评估 TTE 终点的结果，但人们可能有兴趣了解结果对中期分析时间的稳健性。如果分析提前两周或四周进行会怎样？结果会如何变化？动态生存报告中的绝对分析可以让我们轻松回答这个问题。基于对话框中时间类别的间隔（图 2），分析师可以从观察到的最大事件/审查日期开始倒数 7 到 90 天的间隔重新计算 TTE 分析。只要日期晚于最小事件/审查日期，部分过滤器中的时间类别值就会包含根据此间隔的日期。由于分析基于绝对时间，因此患者可能会被排除在时间类别之外，如图 5 所示。
图6是ADTTE研究中尼卡地平死亡时间终点的绝对分析结果。图上部分汇总了各组发生的事件总数；图下部分则以20天为增量，显示了处于风险中的患者人数（风险间隔人数，图2）。
Figure 6. Absolute analysis of Nicardipine图6. 尼卡地平的绝对分析
部分过滤器使用户能够根据最大事件/审查日期和时间类别间隔选择时间类别日期（使用 10 天，如图 2 所示）。如果感兴趣，用户可以在过滤器中选择“时间类别”，然后使用动画控件播放 TTE 分析如何随时间变化的动画。右轴统计将通过添加第二个 Y 轴绘制 p 值（来自生存平台）或风险比（来自拟合比例风险平台）。按钮失败图将生存图更改为失败图，其中 Y 轴从 0 开始并随着事件发生而向上增加；添加间隔将在 KM 曲线周围添加 95% 置信带；添加同时间隔将在 KM 曲线周围添加 95% 的同时置信带。例如，图 7 显示了基于 1988 年 12 月 11 日时间类别的数据的置信区间和 NIC.15 与安慰剂组随时间变化的风险比，该类别汇总了约一半观察到的随访数据。请注意，样本量已减少到初始样本量的一半左右，NIC.15 组和安慰剂组分别为 254 和 261。在此汇总数据中，NIC.15 组和安慰剂组分别发生了 49 和 44 起事件。我们可以评估风险比对随时间累积数据的稳健性。
Figure 7. Absolute analysis for Nicardipine through 1988-12-11图 7. 截至 1988 年 12 月 11 日的尼卡地平绝对分析
关于绝对分析的一些注意事项：
- 以绝对尺度分析生存数据可用于评估 TTE 分析对中期分析时间的敏感性。
- 除了改变事件/审查结果的后续时间之外，如果时间类别日期早于开始日期，样本量也会发生变化，因为患者将被排除在分析之外。
- 统计数据是根据时间类别中包含的日期所观察到的最大时间进行汇总的。统计信息的汇总次数少于时间类别中包含的日期次数是很正常的。
与图 3 中描述的绝对分析相比，相对分析（图8) 考虑每个患者相对于其开始日期的时间。因此，所有患者均从时间 0 开始，并在达到其事件/审查日期的天数后结束。
Figure 8. Relative analysis conducted by relative time图8. 按相对时间进行的相对分析
Figure 9. Relative analysis conducted by relative time with reference time图9. 相对时间与参考时间的相对分析
与绝对分析类似，假设研究对象希望在虚线水平参考线所示的相对时间点进行分析（图9）。对于此分析，随访时间超出此参考时间的患者将在此时间点被删失（图10）。与绝对分析不同，此分析将涵盖所有患者，因为自时间0起，所有患者均已纳入分析。
Figure 10. Relative analysis with patients censored at reference time图 10. 参考时间删失患者的相对分析
Figure 11. Relative analysis for Nicardipine through Day 100图 11. 尼卡地平第 100 天的相对分析
图 11 显示了时间类别 100（可被认为是从时间 0（通常是患者开始服药时）开始的 100 天的随访）的尼卡地平相对分析。图中添加了两个置信区间，以及一条表示尼卡地平与安慰剂风险比的线。到第 100 天，每个治疗组仍有 7 名患者处于风险中，初始样本量与每个组中接受治疗的患者总样本量相一致。请注意，事件数包括每个组经历的总事件数的比例。到第 100 天，NIC.15 组已经历所有 80 个事件，而 81 个事件中的 78 个（96.3%）发生在安慰剂组，这表明在分析结束时还剩下 3 个事件会发生。相对分析可以观看动画，观察事件比例随时间的增长。不可否认，动画可能看起来有点轻浮，但它确实可以在向团队传达积极的研究结果时创造一些戏剧性。
关于相对分析的一些注意事项：
- 相对尺度的生存数据分析可用于评估统计数据对累积数据（例如统计检验和比例风险）的敏感性。例如，可以使用图来评估 KM 图是否具有随时间变化的恒定比例风险。
- 它允许对不断变化的生存/失败曲线进行适当的动画处理，并查看随时间推移的总事件比例。
- 由于从时间 0 开始自然纳入所有患者，因此样本量不会随着时间类别而改变。
- 由于相对分析基于自开始日期以来的时间（通常以天为单位），因此统计数据是在每个观察到的事件/审查时间计算的。
我们为您呈现了尼卡地平患者死亡时间的动画。
