中位生存时间和中位随访时间有什么区别? 怎么算？

生存分析，针对随访的数据进行分析，在其过程中，出了生存结局（是否出现阳性事件），还有相应的时间。这包括，生存时间与随访时间，于是产生了中位生存时间与中位随访时间。很多人不理解，我这里说两句。

不管是中位生存时间还是中位随访时间，其本质都是一样的，都是中位数。只不过指标不同，中位生存时间是生存时间的中位数，中位随访时间是随访时间的中位数。

·中位生存时间（median survival time）：

也称半数生存期，表示恰有50%的个体存活的时间（不是生存时间的中位数），即生存率为50％时对应的生存时间

中位生存时间不能简单地理解为“死亡人数到了一半”或“存活人数还剩一半”，正如前面说的，因为它有失访问题。严格来说就是累积生存率=0.5的时候所对应的时间t。

中位生存时间一般可以通过SPSS中的K-M计算得到，该法中，有两个变量，一个是生存结局（是否出现阳性事件），另外一个则是生存时间。

中位随访时间：

很多人不明白的地方在于：随访时间的中位数怎么求？

随访时间的计算是随访时间=随访截止时间-患者入组时间

所以，其实仔细想想中位生存时间就不难明白，中位生存时间的计算，“死亡”作为结局，其它作为删失，没法获得结局。中位随访时间则恰恰相反，删失的那些是结局（因为就是随访到那个时间点了），“死亡”则是作为删失。为什么呢？因为死亡的人，你不知道（如果不死亡的话）能够随访到什么时候。

在生存分析中，中位生存时间用来描述发生结局事件受试人群[status = 1]的一般生存情况。与其相似，中位随访时间主要是用于描述删失[status = 0]人群的随访情况。通常，一个临床研究需要足够长的随访时间来确保有足够多的结局事件[status = 1]发生。目前，中位随访时间多通过反式Kaplan-Meier法进行估计，即将结局事件和删失事件进行互换，再利用KM法估计。

Reverse Kaplan-Meier法。这是考虑了出现了结局事件的研究对象权重后计算的随访时间。这个方法其实和我们做生存分析是一样的。有所不同的是我们计算的是随访时间而非生存时间。在我们计算生存时间的时候，把失访当作删失处理，把死亡当作结局;而在计算随访时间时，则把出现了事件(如：死亡)当作删失处理，而把失访作为结局。看到这儿，聪明的读者就知道其实Reverse Kaplan-Meier法计算失访需要数据的格式其实和我们做生存分析是一样一样滴，不同的是我们对事件状态(status)的编码不同，一般在生存分析中状态变量应1为出现了结局事件，0为未发生结局事件。而计算随访时间时则需要反转一下，1为出现了失访，0为出现了结局事件。然后再用一般的K-M法计算随访时间。过程如下图所示：