在大多數情況下，存活分析會結合事件是否發生的二元結果，以及從介入開始（例如，隨機治療開始）開始測量的事件發生時間。當然，並非所有患者都會經歷事件，例如死亡或病情進展，因此分析會將這些額外的患者納入分析範圍，並在隨訪結束時將其作為刪失觀察納入分析。這種分析使我們能夠計算一組患者的總結統計數據，例如中位數存活期，其中許多患者可能在臨床試驗期間不會經歷感興趣的事件。我們大多數人都熟悉常用的 Kaplan-Meier (KM) 圖，該圖總結了事件發生時間 (TTE) 終點，以便於溝通（圖 1）。
Figure 1. A Kaplan-Meier plot for time to death in Nicardipine圖 1. 尼卡地平患者死亡時間的 Kaplan-Meier 圖
這裡，Y 軸總結了生存機率，而 X 軸總結了時間，通常以從隨機治療開始測量的天數來報告。生存到給定時間的機率以 KM 曲線顯示，每個治療一個曲線，直到組中的最後一名患者經歷事件（發生步驟）或被審查，這意味著患者在沒有事件發生的情況下結束了隨訪。這個特定的 KM 圖有兩個註解。第一個是整個研究期間每個治療組經歷的事件總數。第二個是風險表，表示在給定時間點仍然處於風險中（尚未發生事件或被審查）的患者人數。審查的觀測值以垂直管道符號表示。這個版本的 KM 圖表已經成為許多醫學期刊（在頁面上搜尋生存圖）和提交給美國食品藥物管理局的TTE 終點摘要的標準方法。
KM 圖對於匯總 TTE 資料非常有用，但我們能否利用時間元素來探討分析中的假設問題，並評估結果在累積資料情境下的穩健性？現在，借助JMP臨床19的動態生存報告，我們可以做到這一點。
動態生存報告提供了更具資訊性和互動性的體驗，用於匯總來自 CDISC ADaM ADTTE 領域的時間-事件終點事件。該報告顯示 KM 圖（生存[遞減] 或失敗[遞增] 圖 - 只需點擊按鈕即可切換）、事件總數的註釋（以及相對分析中事件總數的比例），以及一個風險人數表，用於顯示尚未發生事件或根據用戶提供的時間間隔被刪失的患者人數。 KM 圖的另一個增強功能是可以使用第二個 Y 軸匯總各種統計數據，包括對數秩檢定和 Wilcoxon 檢驗，或相應比例風險模型中治療組之間的風險比。動態生存對話框如圖 2 所示。
Figure 2. Dynamic Survival dialog圖 2. 動態生存對話框
動態存活使用 JMP 的「生存」和「擬合比例風險」平台來分析 ADTTE 域中的單一端點。本質上， 「生存」和「擬合比例風險」平台會分別針對不同的時間類別分析 TTE 端點，這些時間類別根據使用者請求的分析類型產生：絕對分析或相對分析（預設）。
例如，假設我們觀察按患者和日期繪製的 TTE 數據（圖 3）。每個患者的時間是從開始日期到結束日期測量的，在此期間，患者經歷了一個事件，或者由於在隨訪結束前未經歷過任何事件而被審查。
Figure 3. Absolute analysis conducted by date圖 3. 按日期進行的絕對分析
Figure 4. Absolute analysis conducted by date with reference date圖 4. 按日期進行絕對分析，並參考日期
假設有意在虛線水平參考線所示的日期進行期中分析（圖4）。對於此分析，追蹤時間超過此參考日期的患者將在此日期被刪失（圖5）。使用圖5中的數據進行的期中分析將包括六名患者，其中只有一名在參考日期之前發生過事件。
Figure 5. Absolute analysis with patients censored at reference date圖 5. 參考日期刪失患者的絕對分析
雖然通常會預先規劃少量的中期分析來評估 TTE 終點的結果，但人們可能有興趣了解結果對中期分析時間的穩健性。如果分析提早兩週或四周進行會怎樣？結果會如何改變？動態生存報告中的絕對分析可以讓我們輕鬆回答這個問題。基於對話方塊中時間類別的間隔（圖 2），分析師可以從觀察到的最大事件/審查日期開始倒數 7 到 90 天的間隔重新計算 TTE 分析。只要日期晚於最小事件/審查日期，部分過濾器中的時間類別值就會包含根據此間隔的日期。由於分析是基於絕對時間，因此患者可能會被排除在時間類別之外，如圖 5 所示。
圖6是ADTTE研究中尼卡地平死亡時間終點的絕對分析結果。圖上部分總結了各組發生的事件總數；圖下部分則以20天為增量，顯示了處於風險中的患者人數（風險間隔人數，圖2）。
Figure 6. Absolute analysis of Nicardipine圖6. 尼卡地平的絕對分析
部分過濾器使用戶能夠根據最大事件/審查日期和時間類別間隔選擇時間類別日期（使用 10 天，如圖 2 所示）。如果有興趣，用戶可以在過濾器中選擇“時間類別”，然後使用動畫控製播放 TTE 分析如何隨時間變化的動畫。右軸統計將透過添加第二個 Y 軸繪製 p 值（來自生存平台）或風險比（來自擬合比例風險平台）。按鈕失敗圖將生存圖更改為失敗圖，其中 Y 軸從 0 開始並隨著事件發生而向上增加；添加間隔將在 KM 曲線周圍添加 95% 置信帶；添加同時間隔將在 KM 曲線周圍添加 95% 的同時置信帶。例如，圖 7 顯示了基於 1988 年 12 月 11 日時間類別的數據的置信區間和 NIC.15 與安慰劑組隨時間變化的風險比，該類別匯總了約一半觀察到的追蹤數據。請注意，樣本量已減少到初始樣本量的一半左右，NIC.15 組和安慰劑組分別為 254 和 261。在此匯總數據中，NIC.15 組和安慰劑組分別發生了 49 和 44 起事件。我們可以評估風險比對隨時間累積資料的穩健性。
Figure 7. Absolute analysis for Nicardipine through 1988-12-11圖 7. 截至 1988 年 12 月 11 日的尼卡地平絕對分析
關於絕對分析的一些注意事項：
- 以絕對尺度分析存活數據可用於評估 TTE 分析對中期分析時間的敏感度。
- 除了改變事件/審查結果的後續時間之外，如果時間類別日期早於開始日期，樣本量也會發生變化，因為患者將被排除在分析之外。
- 統計數據是根據時間類別中包含的日期所觀察到的最大時間進行匯總的。統計資料的總次數少於時間類別中包含的日期次數是很正常的。
與圖 3 中描述的絕對分析相比，相對分析（圖8)考慮每個患者相對於其開始日期的時間。因此，所有患者均從時間 0 開始，並在達到其事件/審查日期的天數後結束。
Figure 8. Relative analysis conducted by relative time圖8. 按相對時間進行的相對分析
Figure 9. Relative analysis conducted by relative time with reference time圖9. 相對時間與參考時間的相對分析
與絕對分析類似，假設研究對象希望在虛線水平參考線所示的相對時間點進行分析（圖9）。對於此分析，追蹤時間超出此參考時間的患者將在此時間點被刪失（圖10）。與絕對分析不同，此分析將涵蓋所有患者，因為自時間0起，所有患者都已納入分析。
Figure 10. Relative analysis with patients censored at reference time圖 10. 參考時間刪失患者的相對分析
Figure 11. Relative analysis for Nicardipine through Day 100圖 11. 尼卡地平第 100 天的相對分析
圖 11 顯示了時間類別 100（可被認為是從時間 0（通常是患者開始服藥時）開始的 100 天的隨訪）的尼卡地平相對分析。圖中新增了兩個信賴區間，以及一條表示尼卡地平與安慰劑風險比的線。到第 100 天，每個治療組仍有 7 名患者處於風險中，初始樣本量與每組中接受治療的患者總樣本量一致。請注意，事件數包括每個組別經歷的總事件數的比例。到第 100 天，NIC.15 組已經歷所有 80 個事件，而 81 個事件中的 78 個（96.3%）發生在安慰劑組，這表明在分析結束時還剩下 3 個事件會發生。相對分析可以觀看動畫，觀察事件比例隨時間的成長。不可否認，動畫可能看起來有點輕浮，但它確實可以在向團隊傳達積極的研究結果時創造一些戲劇性。
關於相對分析的一些注意事項：
- 相對尺度的存活資料分析可用於評估統計資料對累積資料（例如統計檢定和比例風險）的敏感度。例如，可以使用圖表來評估 KM 圖是否具有隨時間變化的恆定比例風險。
- 它允許對不斷變化的生存/失敗曲線進行適當的動畫處理，並查看隨時間推移的總事件比例。
- 由於從時間 0 開始自然納入所有患者，因此樣本量不會隨著時間類別而改變。
- 由於相對分析是基於自開始日期以來的時間（通常以天為單位），因此統計數據是在每個觀察到的事件/審查時間計算的。
我們為您呈現了尼卡地平患者死亡時間的動畫。
