以斯帖統計顧問公司

存活資料中最常見的分析方法爲Kaplan-Meier, 或是Cox regression，然而上述方法僅適用於單一事件(event)發生率的評估，例如常見的死亡爲感興趣的事件。但在醫學研究中實務上應用時，可能存在有二種以上不同的事件，而感興趣的事件爲其中一種。在這種情形下，出現某種事件可能會掩蓋了其它事件發生的可能性，此即爲竸爭風險。例如，針對白血病病患的研究，進行骨髓移植後，可能發生的事件(event)有二種：白血病復發(relapse)以及移植失敗造成的死亡(death)。在這個例子中，如果我們要探討的是骨髓移植後的復發率，那麼移植失敗造成的死亡(death)即爲復發(relapse)的竸爭風險事件(competing risk event)。


在進行統計分析時，最大的問題在於當我們將復發定爲感興趣事件時，移植失敗的死亡情形該如何處理？此種狀況下，不再使用傳統的存活函數(survival function)來呈現不同時間點所對應的存活率；而是以累積發生函數(cumulative incidence function)，來呈現特定事件在不同時間點發生的可能性。目前較常見用來分析竸爭風險資料的統計軟體爲SAS, R。


Reference:
Pintilie M. Competing Risks: A Practical Perspective. John Wiley & Sons: New York, 2006, 240pp.