文章来源于“小白学统计”公众号，感谢作者授权

在医学杂志中，几乎绝大多数的生存曲线比较，都是用log-rank检验。根据我个人的审稿以及看到的文章情况，怎么也在98%以上。然而，log-rank检验并非生存曲线比较的万能法宝。事实上，在有些情况下，log-rank检验结果未必有效，或者说的严重一点，有可能是错误的，会给你误导。本文就说一下，log-rank检验到底在什么情况下失效？

首先，简单介绍一下log-rank检验。

log-rank检验，中文一般翻译为对数秩检验。常用于生存数据的组间比较。其基本原理大概是这样（以两组比较为例）：

将两组非删失时间混合从小到大排序，得多个四格表，每个四格表如下：

然后计算公式如下（你肯定在想，为什么要介绍公式？我又不手动计算，看公式有什么用？但是，想要理解不同检验方法的区别，还真的得看看公司，当然，你不用了解太深入，大致明白什么意思即可）：

这个公式是不是跟卡方检验的公式很像呢？其实这就是卡方，统计量就是卡方。只不过换了个应用场景而已。

举例说一下，假设有两组数据，第一组（control）如下：

也就是说，在第2个月，死亡1例，总共22人剩了21人。

第二组（treated）如下：

也就是说，第二组人，在第2个月，死亡1例，总共22人剩了21人。

所以，在2个月这个时间点，两组情况是：

以此类推，就能得到，第3个月这个时间点，两组情况变成了：

一直往下计算，就能得到多个时间点的四格表，每个四格表就能根据上述公式计算，最后把多个时间点的求和，就得到了log-rank检验统计量。

其次，介绍一下Wilcoxon检验（Breslow检验）。

除了log-rank检验之外，还有一种比较常用的（而且大多数软件中都是和log-rank检验一起出现的）的方法是wilcoxon检验（spss中叫法是Breslow检验）。可能很多人都听过这个名字，可能会想，这不是秩和检验吗？其实统计学中经常有这种问题，在不同场合看到同样的名字（其实你在ROC曲线下面积的检验中依然能看到wilcoxon检验的身影）。但往往并不是一回事。起码公式并不相同。