对于能够准确记录事件或删失发生时间点的数据，可使用Kaplan-Meier法估计生存函数。但对于无法准确记录事件或删失发生时间点的数据(如癌症复发)要靠定期检查来追踪，由于生存函数的估计只能针对时间段进行，因此采用寿命表法更为适宜。本文实例演示在SPSS软件中使用寿命表法进行生存数据分析的操作步骤。
关键词：SPSS; 生存分析; 寿命表法; 生存率估计
一、案例数据
某医院对231例某癌患者接受手术后的生存情况进行了10年的随访，试比较男、女性患者生存状况是否存在差异。数据汇总情况见表1。
在SPSS软件中将数据整理为图1格式，其中time为术后年数，status为生存情况(0=失访，1=死亡)，number为人数，sex为性别(0=男，1=女)。本案例数据可从“附件下载”处下载。
二、案例分析
该数据是分时间段记录死亡和删失事件，属于典型的寿命表数据记录格式，类似于连续变量划分组段后，对每一组的观察个体进行计数而形成的频数表。案例中要比较男、女性患者生存状况是否存在差异，可使用寿命表法进行数据分析。
三、软件操作及结果解读
(一) 软件操作
1. 数据加权
因为数据是频数形式，因此需要先对频数进行加权，详见个案加权(Weight Cases)一(频数资料的加权)——SPSS软件实现。
2. 寿命表分析
选择“分析”—“生存分析”—“寿命表”(图2)。
打开“寿命表”对话框(图3)，将“术后年数”选入“时间”，显示时间间隔从0到10，“按”(间隔)为1 ；将status选入“状态”，“定义事件”中设置“单值”为1(图4)；将sex选入“因子”，“定义范围”中“最小值”填0，“最大值”填1 (图5)。
点击图3右侧“选项”，打开“寿命表：选项”子对话框(图6)，勾选“寿命表”，“图”中勾选“生存分析”，“比较第一个因子的级别”中勾选“总体”（若有多个分组需要进行两两比较，选择“成对”）。
(二) 结果解读
男、女性癌症患者的寿命表见图7，主要观察指标为“终止比例”和“生存分析比例”。以男性0~1年龄组为例，“0”时进入研究的患者为83例，其中1例在0~1年中删失，由于不知道具体的删失事件，假设均只被观察了半年，因此暴露在死亡风险中的总人数为83-1/2=82.5。同该时间区间内有3人出现了结局事件，因此死亡率(终止比例)的估计值为3/82.5=0.04，生存分析比例为1-0.04=0.96。可见，寿命表法是将其间删失的个体算作观察到了一半，进而对观察数进行校正。
“生存分析时间的中位数”结果(图8)中列出了两组的中位生存时间，可知男性低于女性。“总体比较”结果(图9)提供了统计学推断结果，可知差异有统计学意义(wilcoxon统计量为7.759，P=0.005)。
生存函数图见图10，以图形的形式显示死亡事件的风险，下降得越快说明死亡风险越大。从图上也可清楚看出，男性的死亡风险比女性高。
四、结论
本研究使用寿命表法比较男、女性癌症患者生存状况是否存在差异。计算得到男、女性患者术后生存中位时间分别为6.25年和8.46年，男性患者生存状况差于女性患者(P=0.005)。
五、分析小技巧
在寿命表分析时，要比较组别之间的差异，图3中“因子”和“按因子”的效果一样。在SPSS中，“因子”的作用类似于拆分文件中的“比较组”，而“按因子”的作用类似于拆分文件中的“按组来组织输出”。
六、寿命表法和Kaplan-Meier法的比较
- 原理：寿命表法是将生存时间分成许多小时间段，计算该段内生存率的变化情况，分析重点是研究总体的生存规律。而Kaplan-Meier法则是计算每一结局事件发生时间点的生存率，分析的重点除研究总体生存规律以外，主要目的是寻找相关影响因素。
- 统计学检验方法：寿命表法采用Wilcoxon法 (Gehen法)，Kaplan-Meier法提供了Log Rank检验、Breslow检验和Tarone-Ware检验。
- 分层变量的处理：寿命表法仅按该分层变量进行分层，并未考虑其对生存时间的影响，即在没有考虑分层变量对生存时间影响的情况下，仅对研究因素对生存时间的影响进行统计分析。而Kaplan-Meier法则是在控制该分层变量的情况下，分析各研究因素对生存时间的影响情况。