临床试验中的高删失比例：如何评估删失对生存分析结果的影响

一、敏感性分析的基本概念

敏感性分析的目的是检查删失对结果的影响。通常，生存分析中的删失数据被假定为“非信息性删失”（Non-informative Censoring），即删失的发生与生存时间无关。然而，在实际临床试验中，删失可能是与患者的病情或治疗反应有关的，从而带来偏倚。

生物统计学方法讲解与应用系列培训课件中关于乘积极限生存估计参数解析。

常见的敏感性分析方法包括：

1. 假设删失患者的生存时间与其他患者相似：即假设删失的患者并不会显著影响研究结果。

2. 假设删失患者的生存期较差：即假设删失患者的生存期比存活患者更短，从而导致结果偏向较差的生存期。

3. 假设删失患者的生存期较好：即假设删失的患者与存活患者相比，可能具有更长的生存期。

这些不同的假设可以帮助我们评估删失对最终结论的影响。

二、SAS代码示例

假设我们进行了一项生存分析，比较治疗组与对照组之间的疗效差异，每组30人，以下是完整的SAS代码。

1.生成数据：治疗组与对照组

首先，我们创建一个虚拟的数据集，包含两个组（治疗组和对照组），每组30人。我们使用time变量表示生存时间，status变量表示删失状态（0表示删失，1表示发生事件，如死亡），并通过group变量来区分治疗组和对照组。

/* 创建虚拟生存数据：治疗组与对照组 */
data survival_data;
  input patient_id group $ time status;
  datalines;
  1 Treatment 10 1
  2 Treatment 12 1
  3 Treatment 15 1
  4 Treatment 18 0
  5 Treatment 20 1
  6 Treatment 22 0
  7 Treatment 25 1
  8 Treatment 30 0
  9 Treatment 35 1
  10 Treatment 40 0
  11 Treatment 9 1
  12 Treatment 13 0
  13 Treatment 17 1
  14 Treatment 21 0
  15 Treatment 23 1
  16 Treatment 28 1
  17 Treatment 32 0
  18 Treatment 36 1
  19 Treatment 41 0
  20 Treatment 14 0
  21 Treatment 16 1
  22 Treatment 19 0
  23 Treatment 24 1
  24 Treatment 27 1
  25 Treatment 29 0
  26 Treatment 33 1
  27 Treatment 34 1
  28 Treatment 37 0
  29 Treatment 38 1
  30 Treatment 39 0
  31 Control 11 1
  32 Control 14 1
  33 Control 17 0
  34 Control 19 1
  35 Control 22 0
  36 Control 25 1
  37 Control 27 0
  38 Control 28 1
  39 Control 30 1
  40 Control 32 0
  41 Control 34 1
  42 Control 36 0
  43 Control 37 1
  44 Control 40 1
  45 Control 42 0
  46 Control 45 1
  47 Control 47 0
  48 Control 49 1
  49 Control 50 0
  50 Control 52 1
  51 Control 54 0
  52 Control 55 1
  53 Control 56 0
  54 Control 57 1
  55 Control 58 0
  56 Control 59 1
  57 Control 60 0
  58 Control 61 1
  59 Control 62 0
  60 Control 63 1
;
run;

在这个数据集中，group变量定义了两组：Treatment为治疗组，Control为对照组。每个患者都有一个time变量（生存时间），和一个status变量（1表示死亡，0表示删失）。

2.进行生存分析，比较治疗组与对照组

接下来，我们使用PROC LIFETEST进行Kaplan-Meier生存分析，比较治疗组和对照组的生存曲线：

/* 生存分析：比较治疗组和对照组 */
proc lifetest data=survival_data;
  strata group; /* 按组分层分析 */
  time time * status(0); /* time为生存时间，status为删失标记（0=删失，1=事件） */
  ods output SurvivalPlot=survival_plot; /* 输出生存曲线图 */
run;

此代码将进行Kaplan-Meier生存分析，strata group用于按组分层，即分别计算治疗组和对照组的生存曲线。time time * status(0)指示生存时间和删失状态，status(0)表示删失为0。最终，SAS会输出一个生存曲线图。

3.进行Cox回归分析，比较两组的生存差异

为了更深入地比较治疗组和对照组的生存差异，我们还可以进行Cox比例风险回归分析。通过Cox回归模型，我们可以评估治疗组相对于对照组的风险比（Hazard Ratio）。

/* Cox回归分析：评估治疗组与对照组的风险比 */
proc phreg data=survival_data;
  class group (ref='Control'); /* 将对照组作为参考组 */
  model time*status(0) = group; /* 以time为生存时间，status为删失标记 */
run;

在这段代码中，class group (ref='Control')设置对照组为参考组，model time*status(0) = group表示将治疗组与对照组进行比较，评估两组间的风险比。

三、敏感性分析的结果解读

1. 比较不同删失假设下的生存曲线：通过对删失数据做不同的假设（删失数据生存时间较短、较长、与其他患者相同），我们可以观察到不同假设下生存曲线的变化。如果不同假设下的生存曲线差异较小，则说明删失数据对最终结论的影响较小；如果差异较大，则说明删失数据可能对研究结果产生较大影响，需要在进一步分析时加以考虑。

2. 选择最合适的删失假设：敏感性分析的结果能帮助我们判断删失数据对生存分析的影响，进而选择最合适的删失假设。如果删失数据与生存期之间存在显著关联，那么需要在数据分析时进行适当的加权或插补，以减少删失对结果的偏倚。

四、总结

在生存分析中，删失数据的处理对结果具有重要影响。通过敏感性分析，研究人员可以验证删失数据对结论的潜在影响，确保结果的可靠性和稳健性。使用如多重插补法、加权分析法等方法，可以帮助减少删失带来的偏倚，使得生存分析结果更具科学性和准确性。SAS提供了强大的数据处理和生存分析工具，帮助研究人员在面对删失数据时做出合理的判断和决策。

解锁临床试验数据的秘密！生物统计学方法讲解与应用系列培训课程上线了！

还在为复杂的统计学方法发愁？还在因为生硬记忆统计公式而误用模型？如果你从事临床试验、生物统计或数据分析，或者想快速掌握生物统计学方法的精髓，那么这门课程就是为你量身定制的！

为什么选择这门课程 ？

1.深刻讲解，数学理论支撑：我们不仅教你如何使用统计方法，更让你深刻理解这些方法背后的数学逻辑。通过对统计量构造过程的详细拆解，你将彻底告别机械记忆，真正做到“知其然，更知其所以然”。

2.假设检验 + 推断分析：一站式掌握核心方法统计方法不仅仅是模型的选择，更是对假设检验和统计推断的艺术。本课程将带你系统了解从数据假设到结论推断的全过程，避免常见错误。

3.真实案例，临床试验模型深度剖析：课程精选真实临床试验案例，从治疗效果评估到药物安全性分析，逐一演示统计模型的实际应用。每个细节都经得起推敲，每个案例都与你的实际工作密切相关！

4.SAS代码全解析：临床数据分析离不开SAS！本课程将提供翔实完整的SAS代码，并附详细注释。无论你是初学者还是有经验的SAS程序员，都能从中快速上手，随时调用模型分析代码。

5.直播&录播相结合,讲师线上一对一永久答疑解惑,提升学教互动：学习的道路上不怕问题，只怕没人解答！学习课程中，我们的专业讲师将全程为你答疑，解决你在学习和工作中遇到的统计学难题，确保每一步都走得扎实稳妥。

6.99%的临床统计方法 + 知识点扩展：课程涵盖几乎所有临床试验项目中用到的统计方法，还包含大量独家知识点，许多内容在中文网络中前所未见。不仅仅是学习，更是知识的升级！

课程亮点

一：模型构造深度剖析：全面了解统计量和模型的核心原理，避免误用方法。

二：数据与案例并重：提供各种真实案例和原始数据，真实还原统计方法的应用场景。

三：问题场景再现：演示模型使用时可能遇到的问题，提前避坑！

四：适应症广泛：无论你关注的是心血管、肿瘤、代谢类疾病，还是其他特殊领域，这里都有完整案例支撑。

课程安排

本课程配套学习课件：393页，又配套全部程序代码！

课件部分目录和内容截图：

课程试听

协方差分析（ANCOVA）深度解析：从模型选择到SAS代码实现，手把手教你处理PBVC疗效指标，破解协方差结构与矩阵的底层逻辑，此6个视频为课程试听部分，提供配套资料和程序代码！

协方差分析应用1

协方差分析应用2

协方差分析应用3

协方差分析应用4

协方差分析应用5

协方差分析应用6

配套资料和程序代码下载百度网盘链接：

https://pan.baidu.com/s/14_JG_ARyHjVRT9XZIPWTNQ 提取码: sm7d

讲师简介

团长老师

法迈新媒体合作资深讲师,数量经济学硕士；efreeshare系统开发负责人

十几年临床试验行业经验，深耕于统计编程、生物统计、数据管理等，拥有扎实的专业知识和丰富的项目经验，完成上百个向FDA和CDE递交的统计编程项目，善于搭建团队和项目管理，非常熟悉业内的流程和业务，积累了丰富的经验，摸索出培养统计编程人才的一套成熟的教学体系。

已在平台（微信公众号：法迈医讯）推出作品：

• 21节SAS初级编程系列课程

• CDISC-SDTM基本理论及实践系列文章汇总

• SAS编程应用及相关知识分享系列文章汇总

• ICH指导原则E3/E6/E8/E9系列解读录播课程

• 统计程序员TFLs编程系列录播课程

• 临床试验标准化提交辅导系列培训

等等干货文章资料与课程........

适合人群

这是一门专为以下人群设计的课程：

• 生物统计师、SAS程序员、统计程序员、数据管理员

• 医学从业者、临床研究运营人员、CRO机构员工

• 医学院校师生

以及任何想全面系统掌握生物统计学方法的学习者！

六大购课福利

• 资深讲师线上一对一永久答疑解惑，专属学员学习群

• 免费面试辅导+简历修改&润色

• 推荐工作机会，给予就业辅导
  

• 学员享有专属资料包
  

• 价值：399元的SAS编程课程免费赠送

优惠活动：2025年6月1日之前购课享9折优惠

报名联系

详细请咨询扫描二维码添加助教“团团” 微信

欢迎加入1349+人的中国临床试验千人通讯录

精品课程推荐

精品资料推荐

收藏|生物等效性试验（BE试验）比较全面的知名书籍！

欢迎关注法迈新媒体

更多，更及时的干货内容，请加我们的微信公众号：法迈医讯，诚邀业内人士及机构向我们投稿。投稿邮箱：bellama@pharmanews.cn

【免责声明】文章为网络整理，不代表“法迈医讯”立场。如因作品内容、版权等存在问题，请于本文刊发30日内联系法迈医讯进行删除或洽谈版权使用事宜。

法迈医讯作为法迈新媒体微信公众号矩阵之一， 法迈新媒体是国内一家面向制药行业供应链综合服务平台，致力于服务全球制药行业从业人员。以创新的互网+模式服务于行业用户，形成以“资源整合，知识共享”为核心，微信公众号矩阵、社群矩阵为分支的新媒体模式，力争打造国内活跃和具影响力的专业化平台 ！