生存分析多队列比较：最大随访时间及概率报告时点咨询

一、绘制生存曲线的最大时间选择 #

• 核心原则：兼顾数据可靠性与临床/研究需求
  1. 优先选「所有队列均有足够样本量支撑的最晚时点」：比如你的三个队列中，第三个队列随访时间的95%CI上限是45，说明该时点队列仍有一定样本量；若选到60，第三个队列可能只剩极少病例，此时该队列的生存曲线估计可靠性极低，建议用虚线标注该部分区间，或直接截断到45。
  2. 若需展示完整随访数据：可以用三个队列中最长的随访时间（比如队列1的115），但必须在图中标注各时间点的风险集大小（即剩余随访人数），尤其是后期样本量不足的区间（比如队列2在80之后、队列3在45之后），提醒读者该部分估计值不稳定。
  3. 结合研究终点：如果研究聚焦特定时间窗（比如肿瘤研究的5年生存），直接将最大时间设为对应时间即可，哪怕部分队列后期样本少，也要标注清楚该时点的风险集情况。

二、生存概率/累积发病率的报告时点选择 #

• 优先参考3个维度：
  1. 领域常规时点：比如肿瘤研究常用1年、3年、5年；心血管疾病可能选6个月、1年、2年，直接沿用领域共识的时点，方便和既往研究对比。
  2. 队列随访覆盖能力：选所有队列都能覆盖的时点（比如30），以及部分队列能覆盖的关键时点（比如60、100），但报告时必须附带每个时点的风险集数量，比如“队列3在60个月时仅剩余12例，该时点累积发病率估计值可靠性有限”。
  3. 研究核心假设对应的时点：如果研究是验证某干预/暴露在特定时间点的生存差异，直接报告该预设时点的结果即可。
• 额外补充：如果各队列的中位生存时间可计算（删失比例不极端），也可以报告中位生存时间对应的生存概率（即50%），以及中位生存时间本身。

关于你的反向KM代码补充 #

你用prodlim包结合反向KM计算中位随访时间的方法是正确的，这种方法能有效处理随访时间的删失问题，得到更准确的中位随访时长估计。

内容的提问来源于stack exchange，提问作者EI_Stats