新学期开始啦，本学期的医学统计学课程将介绍一些在临床研究中炙手可热的非传统方法。第一讲我们就来简要介绍一下生存分析可以用到的——竞争风险模型。

老师：同学们好，我们还是用一个例子引出今天的主题。

某研究人员收集了本市2007年确诊为轻度认知损害（MCI）的518例老年患者资料，包括基本人口学特征、生活方式、体格检查和合并疾病信息等，并于2010-2013年完成6次随访调查，主要观察结局为发生阿尔兹海默病（AD）。

随访期间，共发生AD 78例，失访84例，其中28例搬迁、31例退出、25例死亡。试问影响MCI向AD转归的因素都有哪些？

哪位同学能告诉我们应该采用何种分析方法？

小张：应该进行生存分析！生存分析中Kaplan-Meier（K-M）法可以估计生存概率，Log-rank检验可以比较两条或多条生存曲线；对于本例，可以用Cox比例风险回归模型分析MCI向AD转归的影响因素。

老师：非常正确。生存分析是预后研究中比较常见的统计分析方法，但是经典的生存分析一般只关心一个终点事件（即研究者感兴趣的结局），而医学研究中观察的终点往往并不唯一（即出现不感兴趣的结局）。

比如MCI患者在观察期间死于癌症、心血管疾病、车祸等原因而未发生AD，就不能为AD的发病做出贡献，即死亡“竞争”了AD的发生。传统统计方法将发生AD前死亡的个体、失访个体和未发生AD个体均按删失数据（censored data）处理，可能会导致估计偏差。

哪位同学知道如何处理含有竞争事件的纵向数据？

小咖：竞争风险模型！竞争风险模型（Competing Risk Model）是一种处理多种潜在结局生存数据的分析方法，早在1999年Fine和Gray就提出了部分分布的半参数比例风险模型，通常使用的终点指标是累积发生率函数（cumulative incidence function，CIF）。