R语言Kaplan-Meier分析中区间删失与右删失结果一致问题排查

研究背景与数据定义 #

将昆虫置于冷却浴中逐步降温，在0至-35℃区间逐个取出，将取出温度取绝对值作为removal_temp列（模拟生存模型中的时间变量）。每个昆虫仅检测一次存活状态：

• death = 1：昆虫死亡，属于区间删失（死亡发生在0到对应removal_temp的零下温度区间内）
• death = 0：昆虫存活，属于右删失（存活时间超过对应removal_temp）

尝试的代码与问题 #

我尝试用以下代码创建区间删失的生存对象：

surv_object_interval <- with(insect_data, Surv(start_temp, removal_temp, event = death)) 
surv_object_interval

生存对象格式显示为(0, 35+]，但运行后续分析代码后，结果和绘图与普通右删失分析完全一致：

km_interval <- survfit(surv_object_interval ~ 1)
summary(km_interval)

ggsurvfit(km_interval) +
 labs(x = "Removal Temperature (-°C)", y = "Survival Probability") +
 add_confidence_interval()

普通右删失分析代码：

surv_object_original <- Surv(insect_data$removal_temp, insect_data$death) 
surv_object_original 
km_original <- survfit(surv_object_original ~ 1) 
summary(km_original)

ggsurvfit(km_original) +
 labs(x = "Removal Temperature (-°C)", y = "Survival Probability") +
 add_confidence_interval()

R似乎未正确识别区间删失类型，导致两种分析结果一致。如何让R正确识别death = 1为区间删失、death = 0为右删失？

可复现代码与样本数据 #

library(survminer)
library(survival)

# 样本数据
set.seed(1738)
n <- 40
removal_temp <- seq(10, 35, length.out = n)
start_temp <- rep(0, n)
death <- c(1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,0,1,1,1,1,1,0,1,1,0,0,1,0,0,0,0,1,0,0,0,0) 
insect_data <- data.frame(removal_temp, start_temp, death)

解决方案 #

问题根源 #

Surv()函数默认格式下，event=1被识别为在区间终点发生精确事件（即死亡时间等于removal_temp），而非你需要的区间删失类型，这导致分析逻辑和普通右删失完全一致。

正确的生存对象创建方式 #

需要指定type="interval2"参数，并重新定义事件类型的取值，匹配区间删失的规则：

# 重新定义事件类型：
# 2 = 区间删失（死亡发生在(start_temp, removal_temp)区间内）
# 0 = 右删失（存活时间 > removal_temp）
insect_data$event_type <- ifelse(insect_data$death == 1, 2, 0)

# 创建正确的区间删失生存对象
surv_object_correct <- with(insect_data, Surv(start_temp, removal_temp, event = event_type, type = "interval2"))
surv_object_correct

验证分析结果 #

运行生存分析后，结果会和普通右删失分析产生差异，说明R已正确识别区间删失：

km_correct <- survfit(surv_object_correct ~ 1)
summary(km_correct)

ggsurvfit(km_correct) +
 labs(x = "Removal Temperature (-°C)", y = "Survival Probability") +
 add_confidence_interval()

关键规则说明 #

type="interval2"模式下，event参数的取值对应不同删失类型：

• 0: 右删失（存活时间超过区间终点）
• 1: 精确事件（事件恰好发生在区间终点）
• 2: 区间删失（事件发生在区间内部）
• 3: 左删失（事件发生在区间起点之前）

内容的提问来源于stack exchange，提问作者clary_sage