是什麼促使你提出這個願望清單請求？
我們通常會對多個治療組（分層）進行存活分析。 Kaplan-Meier 分析提供 Log-rank 和 Wilcoxon 統計量，可以評估各組之間的差異。當模型顯示顯著性時，我們希望進行事後分析，對所有組別進行兩兩比較，並採用適當的 α 校正。這類似於先進行 ANOVA 分析，然後進行 Tukey's HSD 事後檢定並進行 Bonferroni 校正。在 SAS 中，我們可以對分層進行 Log-rank 檢定並進行 Sidak 校正。
您希望看到哪些改進？
進行成對比較可以使存活分析更有效，並能更精細地分辨哪些治療組與其他治療組之間存在差異。
在 SAS 中：STRATA '分組變數'/ test=logrank adjust=sidak;
輸出：（xxxx 和 yyyy 代表不同的群組（層））
| 分層平等性檢驗 |
| 測試 |
卡方檢定 |
DF |
Pr > 卡方 |
| 對數秩 |
259.7179 |
4 |
<.0001 |
| 對數秩檢定進行多重比較校正 |
| 分層比較 |
|
p 值 |
| 團體 |
團體 |
卡方檢定 |
生的 |
突擊檢查 |
| xxxxx |
yyyyyyy |
234.6 |
<.0001 |
<.0001 |
| xxxxx |
yyyyyyy |
17.1415 |
<.0001 |
0.0003 |
| xxxxx |
yyyyyyy |
3.5276 |
0.0604 |
0.4634 |
| xxxxx |
yyyyyyy |
1.2451 |
0.2645 |
0.9537 |
| xxxxx |
yyyyyyy |
82.0587 |
<.0001 |
<.0001 |
| xxxxx |
yyyyyyy |
155.3 |
<.0001 |
<.0001 |
| xxxxx |
yyyyyyy |
169.1 |
<.0001 |
<.0001 |
| xxxxx |
yyyyyyy |
4.8642 |
0.0274 |
0.2427 |
| xxxxx |
yyyyyyy |
8.5731 |
0.0034 |
0.0336 |
| xxxxx |
yyyyyyy |
0.5678 |
0.4511 |
0.9975 |
SAS 中的單獨分析可以給每個組別分配字母，以表示顯著性水準。
為什麼這個想法很重要？
任何包含多個處理組和對照組的實驗最終都需要分析組間差異。如果組數較少，可以手動完成。但如果組數很多，這項工作就非常繁瑣。
尊敬的@DensityOfSpaces ，感謝您的請求。如果我們考慮在新生存平台中添加此功能，我們會及時通知您。
