欢迎来到估计学的世界！

在先前的学习中，我们将生存模型视为理论上的数学公式。但这些公式究竟从何而来？在现实世界中，我们并没有一颗能告诉我们精确死亡力（force of mortality）的魔法水晶球。相反，我们拥有的是数据——记录着人们何时死亡，或何时离开研究的纪录。

在本章中，我们将学习如何将杂乱无章的现实观察数据，转化为清晰的生存状况图景。我们将聚焦于两位估计界的“超级巨星”：Kaplan-Meier 和 Nelson-Aalen 估计量。别担心这些名字听起来很吓人；一旦我们将其拆解，你会发现它们其实只是很合乎逻辑的计数方法！

1. 挑战：什么是删失（Censoring）？

在进行任何估计之前，我们必须了解为什么生存数据如此“棘手”。在大多数统计研究中，你可以看到最终结果；但在生存分析中，我们往往无法看到。这就是所谓的删失（censoring）。

想象一下，你正在追踪 100 人参与一项为期 5 年的新药治疗研究：

1. 有些人在 5 年内不幸离世（已观察到的死亡，Observed Deaths）。
2. 有些人在研究结束时仍然活着（右删失，Right Censoring）。
3. 有些人可能在研究中途搬走或退出（同样属于右删失，Right Censoring）。

关键概念：当我们知道个体“至少”存活到某个时间点，但之后确切的死亡时间未知时，就会发生删失。我们不能忽视这些人！如果只看那些已经死亡的人，我们对生存率的估计将会过于悲观。

2. Kaplan-Meier (乘积限) 估计量

Kaplan-Meier (KM) 估计量是当你拥有删失数据时，估计生存函数（Survival Function） \(S(t)\) 最著名的方法。

直观理解：把生存想象成一连串的跨栏障碍赛。要存活到第 10 天，你必须先撑过第 1 天，然后是第 2 天，依此类推。KM 估计量计算的是跨越每个“障碍”（即每次发生死亡事件的时刻）的存活概率，并将它们相乘。

计算 KM 的步骤：

1. 排列时间：按递增顺序列出发生至少一次死亡的时间点：\(t_1 < t_2 < t_3 \dots\)
2. 计算“风险人群”（At Risk, \(n_i\)）：在每个时间点 \(t_i\)，计算在该时刻之前仍然活着且在研究中的人数。
3. 计算“死亡人数”（Deaths, \(d_i\)）：在时间点 \(t_i\) 准确死亡的人数有多少？
4. 计算步骤：该特定时间点的存活概率为 \((1 - \frac{d_i}{n_i})\)。
5. 相乘：要找到直到时间 \(t\) 为止的存活概率，将所有个别的概率相乘。

公式：
\(\hat{S}(t) = \prod_{i: t_i \le t} (1 - \frac{d_i}{n_i})\)

快速复习盒：
- 如果没有人死亡，生存曲线保持平坦。
- 当有人死亡时，曲线向下“阶梯式”下降。
- 当有人被删失时，曲线不会移动，但“风险人群数量”(\(n_i\)) 会在下一次死亡时间计算时减少。

3. Nelson-Aalen 估计量

虽然 Kaplan-Meier 专注于生存函数，但 Nelson-Aalen (NA) 估计量则专注于累积风险函数（Cumulative Hazard Function），\(\Lambda(t)\)。

直观理解：将风险视为随时间累积的“风险点”。每当有人死亡，我们就在“风险桶”中增加一点点数值。

计算 NA 的步骤：

1. 按照与 KM 相同的步骤，在每个死亡时间点找出 \(d_i\) 和 \(n_i\)。
2. 我们不再相乘，而是将这些比率相加。
3. 每个死亡时间点的增量是 \(\frac{d_i}{n_i}\)。

公式：
\(\hat{\Lambda}(t) = \sum_{i: t_i \le t} \frac{d_i}{n_i}\)

你知道吗？你可以利用关系式 \(S(t) = \exp(-\Lambda(t))\) 将 Nelson-Aalen 估计量转回生存估计量。在某些语境下，这通常被称为 Breslow 估计量，但对于 CS2 考试，你只需要记住生存与累积风险之间的连接即可！

4. KM 与 Nelson-Aalen 的比较

你可能会问：“我应该用哪一个？”
- KM 通常在估计生存率时更受青睐，因为它是一种直接的“乘积限”方法。
- NA 常用语我们更关注发生率（风险），或在数学模型中风险相加比生存概率相乘更方便时使用。

注意：对于样本数非常大的情况，这两种方法得出的结果几乎完全相同！

5. 衡量准确性：Greenwood 公式

估计只是基于数据的猜测。我们需要知道这个猜测有多“可靠”。对于 Kaplan-Meier 估计量，我们使用 Greenwood 公式 来计算方差（Variance）。

公式：
\(Var(\hat{S}(t)) \approx [\hat{S}(t)]^2 \sum_{i: t_i \le t} \frac{d_i}{n_i(n_i - d_i)}\)

如果这看起来很复杂，别担心！只要把它记作一个两部分的食谱：
1. 当前生存估计值的平方：\([\hat{S}(t)]^2\)
2. 乘以那些“死亡比率”项的总和。

考试小贴士：考试时务必保持一个表格，包含 \(t_i\)、\(n_i\)、\(d_i\) 以及 \(\frac{d_i}{n_i(n_i - d_i)}\) 这一项的栏位。这会让计算总和时更不容易出错！

6. 常见错误避坑指南

1. “风险人群”计数：学生经常忘记扣除被删失的个体。如果某人在时间 5 被删失，他们会被包含在时间 5 的死亡“风险人群”计数中，但在时间 5.1 或之后的任何死亡计算中则必须被剔除。
2. 排列时间：务必再次检查你的时间是否已正确排序。任何一个放错位置的时间点都可能毁掉整个乘积计算。
3. 同时发生（Ties）：如果死亡和删失发生在完全相同的时间点，IFoA 的惯例通常是假设死亡先发生（这意味着在死亡的那一刻，被删失的人仍然处于“风险”状态）。请仔细阅读题目要求！

7. 总结与关键要点

关键要点 1：生存数据因删失而独特——我们并不总能观察到事件的发生。

关键要点 2：Kaplan-Meier 估计量是每个死亡时间点生存概率的乘积：\(\hat{S}(t) = \prod (1 - \frac{d_i}{n_i})\)。

关键要点 3：Nelson-Aalen 估计量是风险增量的总和：\(\hat{\Lambda}(t) = \sum \frac{d_i}{n_i}\)。

关键要点 4：使用 Greenwood 公式 计算方差，并在你的生存曲线周围建立置信区间。

做得好！你刚刚掌握了精算师分析寿命数据的核心工具。多练习几道表格类题目，这些公式就会成为你的直觉反应。