研究者对长期吸烟的人进行戒烟干预，三种干预措施分别为：① hypnotherapy programme – 催眠疗法；② nicotine patches – 尼古丁贴片；③ e-cigarettes – 电子烟。
研究纳入了150例长期吸烟者，随机分配到三个干预组中，每组各50例研究对象。研究的起始时间是吸烟者戒烟后，研究持续2年（104周）。结局是“再次吸烟”或“未再次吸烟”。
通过 Kaplan-Meier生存分析方法可以实现以下两个目标：
1. 三个干预组的“生存”分布是否不同；
2. 如果三个干预组的“生存”分布存在差异，具体是哪两种干预措施之间存在差异。
研究者收集了150例受试者的“生存”时间（time，单位：周）、结局（status：censored – 截尾，用“0”表示；event – 再次吸烟，用“1”表示）和干预措施（intervention：hypnotherapy programme – 催眠疗法，用“1”表示；nicotine patches – 尼古丁贴片，用“2”表示； e-cigarettes – 电子烟，用“3”表示），部分数据如下：
（注：这里status和intervention显示的是变量值标签而非数值，可以通过在菜单栏上选择View > Value Labels来实现。）
使用Kaplan-Meier法进行生存分析时，需要考虑6个假设。
对研究设计的假设：
假设1：结局变量是二分类变量，分别为“截尾”和“事件”；
假设2：研究的起始和终止时间（也称“生存时间”）需要明确定义并测量；
假设3：尽量减少左截尾事件，所谓左截尾，是指观察的起始时间难以确定。比如，研究皮肤癌患者的生存时间，理想的起始时间是皮肤癌发生的一刻，但一般情况都是患者被诊断时作为起始时间，这样观察的时间就不能代表皮肤癌发生到死亡的真正生存时间，所以要尽量要避免左截尾的发生；
假设4：“截尾”和“事件”相互独立，如事件是死亡，那么截尾不能是死亡或与死亡相关的情况；
假设5：不应该有长期变异。一般试验的开始到结束的时间较长，而纳入的研究对象是经过一段时间收集的，并不是同时进入研究。如研究皮肤癌发生到死亡的生存时间，如果在试验的时间内出现了新的药物，提高了后期进入试验研究对象的生存率，这样的“变异”就会对研究结果造成偏倚。
对数据的假设：
假设6：截尾在各个组的比例和分布相似。
那么，进行Kaplan-Meier分析时，如何考虑和处理这6个假设呢？
由于假设1-5都是对研究设计的假设，需要研究者根据研究设计进行判断，所以本文主要对数据的假设6进行检验。假设6包括两个方面：截尾在各个组的比例相似；截尾在各个组的分布相似。
我们先通过散点图对截尾的分布进行判断。
1. 首先要选出“截尾”的数据，在主菜单点击 Data > Select Cases... ，如下图：
2. 选择If condition is satisfied，点击If。
3. 将status=0填入右上方的方框内，点击Continue，点击OK。
4. 打开变量视图，可以看到status为event的数据已被过滤掉。
5. 做散点图
(1) 在主菜单点击 Graphs > Chart Builder...，如下图所示：
(2) 在Chart Builder对话框下，从Choose from选择Scatter/Dot，在中下部的8种图形中，选择左上角的那一种（如果点击这个图标会出现“Simple Scatter”字样），并拖拽到主对话框中。
(3) 主对话框中会出现标记“Y-Axis？”和“X-Axis？”的方框，将time拖拽到“X-Axis？”，intervention拖拽到“Y-Axis？”，点击OK。
(4) 从下图可以看到，截尾随时间均衡分布（尽管电子烟和尼古丁贴片在生存时间较小时有些聚集）。由于截尾在各个组的分布是否相似没有一个严格的检验方法和标准，我们这里认为截尾在三个干预组中分布相似。
(5) 下面对刚才选择的数据去过滤：在主菜单点击 Data > Select Cases... ，如下图所示。
(6) 选择All cases，点击OK。
(7) 在变量视图中可以看到所有的数据都被选择，如下图。
1. 在主菜单点击Analyze > Survival > Kaplan-Meier... ，如下图：
2. 将time选入Time，将intervention选入Factor，将id选入Label Cases by，将status选入Status，点击Define Event。
3. 本研究中status=1代表事件，即再次吸烟，所以在Single value中填入1。
4. 点击Options，选择Statistics下面的Survival table(s)和Mean and median survival， 选择Plots下面的Survival，点击Continue。
5. 点击Compare Factor，选择Test Statistics下的Log rank、Breslow和Tarone-Ware，点击Continue，点击OK。
6. 由于上面的检验是对三个组的分布进行的检验，如果想知道每两个组之间的差异是否存在，就需要进行两两比较。进行两两比较时，重新进行上述操作1-5，在Compare Factor Levels时，选择Test Statistics下的Log rank，下方选择Pairwise over strata，点击OK。
1. 在Case Processing Summary的表格中，我们可以看到截尾在催眠疗法、尼古丁贴片和电子烟三个组中所占的比例分别是12.0%、14.0%和14.0%，较为相似，验证了我们假设6“截尾在各个组所占比例相似”。
2. 三种干预措施的生存曲线如下图所示，我们可以大致看出催眠疗法的“生存”时间比尼古丁贴片或电子烟长。
3. 在Means and Medians for Survival Time表格中，可以看到三种干预措施的“生存”时间和总“生存”时间的均值和中位数及相关统计量。由于“生存”时间一般不符合正态分布，所以这里均值没有中位数的意义大。
催眠疗法、尼古丁贴片和电子烟三个组的“生存”时间中位数分别是69.000（95%CI：45.163-92.837）周、9.000（95%CI：6.563-11.437）周和9.000（95%CI：7.097-10.903）周。催眠疗法的“生存”时间比另外两种干预措施长，验证了我们在“生存”曲线看到的情况。
4. 在Overall Comparisons中，我们分别用了Log rank test (Mantel, 1966), Breslow test (Breslow, 1970; Gehan, 1965) 和Tarone-Ware test (Tarone & Ware, 1977)。
一般情况下，三种检验都勾选，如果三种检验的结果一致（P均小于0.05或均大于0.05），则报告Log rank检验的结果；如果三种检验结果不一致，则需要检查截尾数据在各个组的分布情况并进一步讨论。三种方法均采用的是卡方检验。
本例中，三种方法的P值均小于0.001，所以报告Log rank检验的结果：三个干预组中“生存”分布的差异具有统计学意义，χ2= 25.818，P＜0.001。
这里我们看到P值显示为0.000，这并不代表P=0.000，如果想知道具体的数值，可以双击表格，并将鼠标移动至0.000处，会显示真正的P值，为0.000002，已经在下图中突出显示。
5. 在Pairwise Comparisons表格中，我们可以看到通过Log rank方法检验的两两比较的结果。与多组比较相同，两两比较也是计算卡方统计量。但两两比较是进行了多次，所以显著性水平P值不再是0.05，需要用Bonferroni法校正。
该两两比较共进行了三次：催眠疗法与尼古丁贴片，催眠疗法与电子烟，尼古丁贴片与电子烟。所以校正后的显著性水平=0.05/3≈0.0167，即当表格中P＜0.0167时，认为差异有统计学意义。
(1) 催眠疗法与尼古丁贴片：催眠疗法组与尼古丁贴片组的“生存”分布的差异具有统计学意义，χ2 =11.035，P＜0.001。见下图突出显示的部分。
(2) 催眠疗法与电子烟：催眠疗法组与电子烟组的“生存”分布的差异具有统计学意义，χ2 =29.003，P＜0.001。见下图突出显示的部分。
(3) 尼古丁贴片与电子烟：尼古丁贴片组与电子烟组的“生存”分布的差异不具有统计学意义，χ2 =1.541，P=0.214＞0.0167。见下图突出显示的部分。
本研究将吸烟者随机分配到三个干预组中：催眠疗法组（n=50），尼古丁贴片组（n=50）和电子烟组（n=50）。运用Kaplan-Meier生存分析比较三种干预措施对戒烟的效果。截尾在三个组所占的比例相似，催眠疗法组、尼古丁贴片组和电子烟组分别是12.0%、14.0%和14.0%，截尾在各个组的分布也相似。
催眠疗法组戒烟后再吸烟的中位时间为69.0（95%CI：45.2-92.8）周，比尼古丁贴片组（中位时间：9.0周，95%CI：6.6-11.4）和电子烟组再次吸烟（中位时间：9.0周，95%CI：7.1-10.9）的中位时间长。用Log rank法对三种干预措施的“生存”分布的差异进行检验。三个干预组中“生存”分布的差异具有统计学意义，χ2 = 25.818，P＜0.001。
运用Log rank法对三种干预措施进行两两比较，并对显著性水平进行Bonferroni校正，校正后的显著性水平为≈0.0167。催眠疗法组与尼古丁贴片组的“生存”分布的差异具有统计学意义，χ2 =11.035，P＜0.001；催眠疗法组与电子烟组的“生存”分布的差异具有统计学意义，χ2 =29.003，P＜0.001；然而，尼古丁贴片组与电子烟组的“生存”分布的差异不具有统计学意义，χ2 =1.541，P=0.214。