做生存分析的人迟早会撞上一个尴尬局面：随访期结束了，有人还没出现目标事件。这类数据该怎么算？

Kaplan–Meier 生存分析就是为这种场景准备的统计方法。它的用途是估计个体在一段确定时间内保持"未发生特定事件"的概率，被广泛应用于医学研究、临床试验、医疗健康研究，以及其他涉及时间-事件数据的领域。

它有一个关键特性：这是一种非参数方法。也就是说，估计生存概率时，不需要假设数据服从某种特定的概率分布。对研究者而言，这省掉了分布假设这道门槛。

更实际的价值在于，它能容纳右删失观测——在可用的随访期内，目标事件尚未被观察到。这类样本不会被简单丢弃，而是被纳入估计过程。结果通常以生存曲线的形式呈现，让研究者能直观看到估计生存概率随时间的变化。

应用面铺得很开：

  • 医学与临床研究
  • 患者生存研究
  • 制药研究
  • 疾病复发分析
  • 设备可靠性研究
  • 时间-事件数据分析

对学习者来说，这套方法是可以自主探索的统计技术，理解它的原理与应用场景，有助于分析结局并把统计发现讲清楚。