{
  "id": "kaplan-meier-estimator",
  "title": "Kaplan–Meier估计量",
  "lang": "zh-Hans",
  "source_lang": "en",
  "summary": "Kaplan–Meier估计量是一种生存函数的非参数估计量，适用于含右删失的事件发生时间数据。",
  "category": "mathematics",
  "subcategory": "probability-statistics",
  "type": "concept",
  "aliases": [
    "乘积极限估计量",
    "卡普兰–迈耶估计量",
    "Kaplan–Meier生存估计量"
  ],
  "generated_at": "2026-11-05",
  "model": "pro/gpt-6.1-sol",
  "url": "https://aiwiki.page/zh/kaplan-meier-estimator/",
  "translations": {
    "en": {
      "url": "https://aiwiki.page/en/kaplan-meier-estimator/",
      "json": "https://aiwiki.page/en/kaplan-meier-estimator.json"
    }
  },
  "sections": [
    {
      "heading": "",
      "text": "Kaplan–Meier估计量是一种统计学方法，用于估计截至某一指定时间事件尚未发生的概率。它是生存分析的核心工具，尤其适用于部分观测存在右删失的情况：这些观测的事件发生时间未知，但已知晚于观测终止时间。该估计量无需为事件发生时间指定参数分布，得到的生存曲线呈阶梯状。其应用包括估计患者生存概率、设备可靠性，以及经济或社会过程的持续时间。"
    },
    {
      "heading": "统计学设定",
      "text": "设 \\(T\\) 为一个非负随机变量，表示从某个确定的起点到事件发生所经历的时间。其生存函数为\n\n\\[S(t)=P(T>t).\\]\n\n因此，“生存”是指所研究的事件尚未发生；该事件不一定是死亡，也可以是零部件失效或一段就业经历的结束。\n\n若 \\(F(t)=P(T\\leq t)\\) 为累积分布函数，则\n\n\\[S(t)=1-F(t).\\]\n\n存在右删失时，个体 \\(i\\) 的可用信息通常记为\n\n\\[X_i=\\min(T_i,C_i), \\qquad \\delta_i=\\mathbf{1}\\{T_i\\leq C_i\\},\\]\n\n其中，\\(C_i\\) 为删失时间，\\(\\delta_i\\) 表示是否观测到了事件。删失观测只能确定该个体在删失时间之前尚未发生事件，并不能确定此后发生了什么。\n\n删失的例子包括：研究结束时参与者尚未发生事件，或将仍正常运行的设备移出观测。存在删失时能否进行有效估计，取决于删失与潜在事件过程之间的关系。"
    },
    {
      "heading": "定义与计算",
      "text": "设\n\n\\[t_1<t_2<\\cdots<t_k\\]\n\n为观测到的各个不同的事件发生时间。在每个 \\(t_j\\) 处，定义：\n\n- \\(n_j\\)：在 \\(t_j\\) 紧前仍处于观测中且尚未发生事件的个体数，称为风险集大小；\n- \\(d_j\\)：在 \\(t_j\\) 时观测到的事件数。\n\nKaplan–Meier估计量为\n\n\\[\\widehat S(t) = \\prod_{t_j\\leq t} \\left(1-\\frac{d_j}{n_j}\\right).\\]\n\n在首个事件发生之前，空乘积等于 \\(1\\)。每个因子估计的是在此前一直未发生事件的条件下，度过某个事件时点而仍未发生事件的条件概率。将这些因子相乘，即可估计度过此前所有事件时点而仍未发生事件的概率。\n\n所得曲线右连续，在事件时点之间保持不变，并在观测到事件时下降。删失不会直接使曲线下降，而是会缩小后续事件时点的风险集。图中通常用短刻线标记删失时间。\n\n同一时刻记录到的多个事件通过 \\(d_j\\) 一并处理。当事件与删失的记录时间相同时，通常约定先将该时刻被删失的个体计入事件对应的风险集，再将其移出。当时间测量较为粗略时，这一约定会影响结果。\n\n示例\n\n假设对五台设备进行观测：\n\n- 在时刻 \\(2\\)、\\(4\\) 和 \\(6\\) 各发生一次故障；\n- 一台设备在时刻 \\(3\\) 被删失；\n- 另一台设备在时刻 \\(7\\) 被删失。\n\n计算如下：\n\n事件时点 \\(t_j\\) | 风险集大小 \\(n_j\\) | 事件数 \\(d_j\\) | 事件发生后的估计生存概率\n2 | 5 | 1 | \\(4/5=0.80\\)\n4 | 3 | 1 | \\((4/5)(2/3)=8/15\\)\n6 | 2 | 1 | \\((8/15)(1/2)=4/15\\)\n\n由于时刻 \\(3\\) 有一台设备被删失，时刻 \\(4\\) 紧前的风险集中只剩三台设备。在时刻 \\(6\\)，估计生存概率降至约 \\(0.267\\)。\n\n如果没有任何观测被删失，乘积中的因子会逐项约去，得到\n\n\\[\\widehat S(t) = \\frac{\\text{number of observed event times greater than }t} {\\text{total number of subjects}}.\\]\n\n因此，对于完全观测的数据，该估计量退化为经验生存函数。"
    },
    {
      "heading": "假设与统计解释",
      "text": "标准形式假设各个体相互独立，且删失机制不会依据个体未被观测到的事件发生时间，选择性地将其移出观测。一个常用的充分条件是 \\(T\\) 与 \\(C\\) 具有统计独立性。\n\n更一般地说，对于所估计的生存分布，删失必须是非信息性的：在仍处于风险集的个体中，被删失个体此后发生事件的可能性，应与继续接受观测的同类个体相同。仅仅正确记录删失，并不能保证这一点。\n\n例如，如果优先将出现即将失效迹象的设备移出观测，那么观测到的故障就未必能代表所有设备的情况。此时，普通Kaplan–Meier曲线可能高估生存概率。如果事件发生时间与删失时间仅在给定协变量后才相互独立，通常不足以支持将所有数据合并绘制未经调整的曲线；可能需要采用分层、建模或加权方法。\n\n在独立删失及适当的观测条件下，该估计量在随访所能支持的时间范围内是 \\(S(t)\\) 的相合估计量。其非参数性质意味着不假定特定的分布族，例如指数分布，但这并不意味着分析无需任何假设。\n\n该估计量也可以从非参数最大似然估计的角度来解释。在事件时点，估计的条件事件发生概率为 \\(d_j/n_j\\)，将各互补概率相乘即可得到乘积极限公式。如果最大的观测时间对应删失，仅凭观测数据就无法确定剩余尾部概率质量位于何处。"
    },
    {
      "heading": "不确定性与置信区间",
      "text": "估计该估计量方差时，最常用的是Greenwood公式：\n\n\\[\\widehat{\\operatorname{Var}}\\{\\widehat S(t)\\} = \\widehat S(t)^2 \\sum_{t_j\\leq t} \\frac{d_j}{n_j(n_j-d_j)}.\\]\n\n其平方根为估计的标准误。在边界情形下使用上述公式时需要谨慎，尤其是所有剩余个体均发生事件、即 \\(n_j=d_j\\) 时。\n\n一个简单的正态近似置信区间为\n\n\\[\\widehat S(t) \\pm z_{1-\\alpha/2} \\sqrt{\\widehat{\\operatorname{Var}}\\{\\widehat S(t)\\}},\\]\n\n其中，\\(z_{1-\\alpha/2}\\) 为标准正态分布的分位数。这类区间可能超出 \\([0,1]\\)，在边界附近的表现也可能较差。为使区间端点保持在允许范围内，通常采用经过变换构造的区间，常用的是互补双对数变换：\n\n\\[g(S)=\\log[-\\log S],\\]\n\n逐点置信区间描述的是某一特定时点的不确定性，并不是整条曲线的同时置信带。随着风险集缩小，随访后期的不确定性通常会增大，因此解释曲线尾部时，必须同时考虑仍处于风险集中的个体数。"
    },
    {
      "heading": "衍生汇总指标",
      "text": "中位生存时间\n\n估计的中位数生存时间通常定义为\n\n\\[\\widehat m = \\inf\\{t:\\widehat S(t)\\leq 0.5\\}.\\]\n\n它是曲线首次降至二分之一或以下的时间。如果观测曲线始终未达到这一水平，就无法根据现有随访资料估计中位生存时间；这并不意味着总体的中位生存时间为无穷大。\n\n限制平均生存时间\n\n截至指定时间上限 \\(\\tau\\) 的限制平均生存时间为\n\n\\[\\operatorname{RMST}(\\tau) = \\int_0^\\tau S(t)\\,dt.\\]\n\n用 \\(\\widehat S\\) 替代 \\(S\\)，即可将这一指标估计为截至 \\(\\tau\\) 的Kaplan–Meier曲线下面积。它表示在该时间范围内累计无事件时间的期望值。\n\n不受时间限制的平均生存时间需要整个尾部的信息。如果随访结束时估计生存概率仍为正值，那么在没有额外假设的情况下，通常无法识别这一均值。"
    },
    {
      "heading": "相关方法与局限性",
      "text": "可以为不同组分别绘制Kaplan–Meier曲线。对数秩检验是比较各组生存情况的标准方法，但它是一种独立的统计推断程序，并非该估计量的组成部分。无论曲线之间存在肉眼可见的分离，还是组间比较具有统计学显著性，都不能据此确立因果效应：组间差异可能源于混杂或选择因素。\n\nCox比例风险模型将事件发生时间分析扩展为包含协变量的回归分析。与简单的Kaplan–Meier曲线不同，它明确对协变量与事件发生率之间的关系进行建模。\n\n基本估计量的重要局限包括：\n\n- 竞争风险。 当另一事件会阻止目标事件发生时，将该竞争事件视为删失，并报告 \\(1-\\widehat S(t)\\)，通常不能估计目标事件在实际观测条件下的发生概率。这一概率由累积发生函数描述，通常使用Aalen–Johansen估计量进行估计。\n- 区间删失。 如果仅知道事件发生在两次检查之间，就无法获得其确切发生时间。将事件归于某次检查的时间，并采用普通Kaplan–Meier估计，不能恰当地反映这种观测结构。\n- 延迟进入。 对于在所选时间起点之后才进入观测的个体，构建风险集时必须考虑其进入时间。这通常称为左截断，与删失不同。\n- 观测间的依赖性。 对于重复事件，或在家庭、机构、设备内形成聚类的观测，可能需要采用考虑依赖性的方法。\n- 缺乏依据的外推。 曲线末端呈水平状，并不能证明事件风险已经消失，也不能证明剩余个体永远不会发生事件。\n\n该估计量描述的是生存概率，而不是瞬时事件发生率。尽管 \\(d_j/n_j\\) 表示在某一观测事件时点估计的条件事件发生概率，Kaplan–Meier曲线本身并不是平滑的风险率估计。"
    },
    {
      "heading": "历史发展",
      "text": "Edward L. Kaplan和Paul Meier在1958年的论文《不完全观测数据的非参数估计》（Nonparametric Estimation from Incomplete Observations）中提出了这一估计量。“乘积极限”这一名称反映了它由各条件生存概率估计值相乘构造而成的特点。它后来成为分析逐一个体记录的事件发生时间的标准方法，与按时间区间汇总生存情况的分组生命表方法形成互补。"
    }
  ],
  "links": [
    "statistics",
    "random-variable",
    "cumulative-distribution-function",
    "conditional-probability",
    "statistical-independence",
    "consistent-estimator",
    "exponential-distribution",
    "maximum-likelihood-estimation",
    "variance",
    "standard-error",
    "confidence-interval",
    "median",
    "expected-value",
    "confounding",
    "cox-proportional-hazards-model",
    "life-table"
  ],
  "sources": [],
  "license": "https://creativecommons.org/licenses/by/4.0/"
}