生存分析研究在临床上非常常见，例如肿瘤科大夫想要评价两种治疗措施对于患者生存期的影响，或者肿瘤复发的影响，一般要用到生存分析。 一般肿瘤治疗药物的临床研究，都会采用Logrank检验比较主要结局。本文将介绍如何利用PASS软件计算生存分析L

Stata软件在进行生存分析的过程中具有很强大的功能。无论是 K-M曲线，还是Cox回归分析，甚至是一些更加复杂的参数分析，Stata都可以轻松完成。

上节课我们通过4步详解了“K-M曲线和Log-Rank检验”，这节课我们一起来学习Cox回归和比例风险(PH)假定的检验，均包括窗口菜单操作和代码操作。如果不满足PH假定，又该怎么办呢？从视频中寻找思路吧。

cox回归起码要满足一个最基本的假定条件，也就是等比例风险假定。如果满足，那当然没问题，直接用cox回归就行了。那么接下来的问题就是：如果不满足等比例风险假定该怎么办？

如果协变量不满足PH假定时，应该怎么处理呢？本期内容小咖将为大家介绍一种拓展的Cox回归模型方法--含时间依存协变量Cox回归模型。

我们将从三个方面展开，力图一次性地解决PH假设的相关问题，首先介绍什么是PH假设，然后介绍PH假设的判断方法，最后介绍PH假设不满足时该如何处理。

手把手操作教程，值得收藏！

要比较不同药物组之间的“生存”分布是否不同，可以使用 Kaplan-Meier法估计生存函数，并使用Log-rank检验比较不同药物组之间的“生存”分布的差异。使用Kaplan-Meier法时，需要考虑6个假设。