KM生存曲线：科研作图与临床预测的黄金法则

引言Introduction

KM生存曲线是临床研究最常见的结果图之一。但很多人只会“画图”，不会“读图”。删失数据怎么处理，曲线差异如何检验，图形又怎样服务于预后预测，都是高频痛点。掌握KM曲线，不只是会作图，更是会解释生存差异。

1. KM生存曲线是什么

1.1 从生存率到生存曲线

KM生存曲线，全称Kaplan-Meier曲线，也叫乘积极限法。它是一种非参数生存分析方法 。核心用途有三个。

1. 估计任一时间点的生存率。
2. 比较不同组的生存差异。
3. 由生存曲线推断中位生存时间。

它的横坐标是时间，纵坐标是生存率。曲线呈阶梯状下降，因为生存率只在事件发生时改变。删失数据不等于结局发生，它只代表该个体在此后不再贡献随访信息。

1.2 为什么KM法适合临床研究

临床随访数据常见两类问题。第一，随访时间不一致。第二，存在删失。KM法的优势就在于，它能把每个时间点的信息都纳入计算，而不是粗暴地只看最终结局。

对于未分组、样本量相对有限的资料，KM法尤其常用。比如肿瘤术后随访、药物疗效比较、移植后生存分析等。在预后研究中，KM曲线几乎是结果展示的标准配置。

2. KM曲线的统计原理

2.1 生存概率如何累积

KM法的基本思想，是把各个时间段的生存概率相乘，得到累计生存率。若某时点的生存概率记为p，那么到第k个时间点的生存率可表示为：

S(tk) = p1 × p2 × … × pk

这里最关键的是，计算每一时段的生存概率时，要先明确该时点的期初人数，再计算死亡例数和删失例数。死亡概率 = 该时段死亡例数 / 期初人数。生存概率 = 1 - 死亡概率。

2.2 删失数据怎么处理

删失是KM曲线中最容易被误读的部分。删失通常指患者失访、随访截止时仍未发生结局，或因其他原因退出研究。它不会被当作事件发生。

在曲线图上，删失常用加号标记。其统计含义是，删失发生后，该个体不再参与后续风险集，但在删失前的信息仍然有效。 这也是KM法优于简单比例法的重要原因。

2.3 中位生存时间的意义

中位生存时间是临床研究中最常被引用的指标之一。它对应累计生存率降到0.5时的时间点，也就是“50%患者仍然存活”的时间。

如果曲线没有下降到0.5，可以通过插值法估计，但需谨慎解释。中位生存时间适合描述组内总体预后，不适合单独替代完整生存曲线。

3. KM生存曲线科研作图的标准流程

3.1 数据准备要先规范

做KM生存曲线前，先确认数据结构。最基本的变量只有两个。

• 生存时间。可以是天、月、年。
• 生存结局。通常编码为0/1，需明确哪一类代表事件发生。

如果是多组比较，还需要分组变量，如治疗方式、基因高低表达、分期分层等。编码前必须统一事件定义，否则后续曲线方向和统计结果会全部出错。

3.2 作图前先检查四个关键点

建议在正式作图前，先完成以下检查。

1. 是否存在重复记录。
2. 是否存在异常生存时间。
3. 是否有缺失值。
4. 事件定义是否一致。

这一步看似基础，但对科研图质量影响很大。很多低质量KM图，不是方法错，而是数据整理错。图做得是否规范，首先取决于数据是否干净。

3.3 结果图至少包含这些信息

一张合格的KM图，建议包含以下元素。

• 曲线本体。
• 置信区间。
• 删失标记。
• 风险表。
• 组间比较的P值。
• 图例与坐标轴单位。

其中，风险表尤其重要。它能显示不同时间点仍处于风险集中的人数。对于读者判断曲线稳定性非常有帮助。没有风险表的KM图，信息完整性通常不够。

4. KM曲线的临床比较与常见误区

4.1 组间差异怎么看

KM曲线常用于比较不同治疗组、不同分子亚型或不同病理特征组的预后差异。判断组间差异，通常结合log-rank检验。

log-rank检验的原假设是：不同组的生存曲线没有统计学差异。 如果P值小于0.05，说明曲线差异具有统计学意义。

但要注意，P值显著不等于临床差异一定大。 还要结合曲线分离程度、样本量、事件数和置信区间一起判断。

4.2 最常见的3个误读

KM图在论文里很常见，但误读也很多。

1. 把删失当成死亡。
2. 把单点差异当成整个曲线差异。
3. 只看P值，不看风险表和事件数。

另外，还有一个常见误区。分层分析时，很多人会把某层的HR直接解释为“该层人群风险更高”。更准确的说法是，该层中比较的是暴露因素与结局的关联，而不是分层变量本身的风险。

4.3 曲线陡峭意味着什么

如果KM曲线下降很快，通常提示事件发生更早、更多，预后较差。如果曲线下降平缓，说明总体生存情况更好。

但这仍然需要结合随访时长判断。短随访可能导致曲线后段信息不足。不能因为曲线看起来“高”，就直接下结论说长期预后一定好。

5. KM曲线与临床预测的衔接

5.1 KM曲线只回答“发生了什么”

KM曲线的强项是描述和比较，不是预测。它告诉我们不同组的生存差异是否存在，差异出现得早还是晚，但它不能单独输出个体化风险。

临床上更进一步的问题是：某个患者未来1年、3年、5年的生存概率是多少。这个时候，往往需要结合Cox回归、列线图或其他预测模型。KM曲线负责展示真实世界的时间分布，预测模型负责实现个体化估计。

5.2 KM曲线如何服务预后研究

在预后研究中，KM曲线常与单因素和多因素Cox回归联用。常见逻辑是：

1. 先用KM曲线展示组间生存差异。
2. 再用log-rank检验判断差异是否显著。
3. 随后用Cox回归分析独立影响因素。
4. 最后构建预测模型。

这种组合能增强论文结果的完整性。KM图不是孤立存在的，它是整个生存分析框架中的第一层证据。

5.3 临床解释要回到问题本身

无论是手术、药物，还是基因表达分组，KM曲线最终都要回答一个核心问题：哪一组预后更好，差异是否稳定，结果是否可用于临床决策。

因此，作图时不要只追求“好看”。更重要的是可解释性。颜色、图例、置信区间、风险表和P值，都应服务于临床阅读，而不是装饰。

6. 提升KM生存曲线科研作图质量的实用建议

6.1 图形表达要简洁

建议使用清晰的配色方案，避免过多颜色干扰主线。坐标轴单位要统一，时间单位最好在图注中明确写出。若采用月作为单位，就不要在正文中混用年。

同时，标注事件定义也很重要。尤其在肿瘤研究中，要说明结局是OS、DSS还是PFI。结局定义不同，曲线含义完全不同。

6.2 结果解释要和方法一致

如果采用log-rank检验，就说明你比较的是整条曲线差异。如果后续又讨论某个时间点的固定生存率，就要明确这个时间点来源于数据本身，而不是曲线整体。

此外，若样本量较小，风险表后段人数过少，曲线尾部不宜过度解读。尾部不稳定，是KM分析里最常见的统计学风险之一。

6.3 让KM图真正产生科研价值

高质量的KM生存曲线，应该满足三个标准。

• 统计学上正确。
• 图形上清晰。
• 临床上可解释。

如果希望更快完成规范作图、减少格式和排版错误，可以借助解螺旋的科研支持工具和服务，把更多时间留给研究设计、结果解释和论文写作。对医学生、医生和科研人员来说，规范的KM图不是附属品，而是预后研究的门面。

总结Conclusion

KM生存曲线是生存分析的基础，也是临床预后研究最重要的结果展示方式之一。它能直观呈现时间与生存率的关系，正确处理删失数据，并通过log-rank检验比较组间差异。真正高水平的KM作图，不只是“画出来”，而是“解释得清楚、用得上临床”。
如果你希望在论文、课题和数据分析中更高效地完成规范作图与结果呈现，欢迎了解解螺旋 ，让你的KM生存曲线科研作图更专业、更可靠。