在肿瘤临床试验中,常常会遇到有些患者对药物、放疗或化疗治疗敏感,因而生存分析研究中收集到较长的截尾生存时间;同样在动物试验中,也常遇到直到观察结束时,仍有一定比例的动物不发生终点事件(死亡),这些观察单位被统称为长期生存者或治愈者。类似的例子还可以出现在许多领域,如生物学、经济学、社会学和工程科学等领域。长期生存者或治愈者意味着直到研究结束他们也不发生或根本就不会发生终点事件(死亡、疾病的复发或再次入狱等)。对这种资料的分析,首先要验证资料中长期生存者是否存在?如果已经验证数据中长期生存者不存在或没有充分的证据证实他们存在,我们将采用经典的生存分析方法;但是如果能证实分析资料中有长期生存者存在,并且随访时间是充足的,则经典的生存分析方法将达不到预期的分析结果,因为它将长期生存者都作为截尾观察对象来处理,显然是不合理的。若不根据分析方法要求,盲目采用经典的生存分析方法,将有可能造成结果的解释不合理,甚至得出与研究实际不相符合或解释相反的结论。本课题探讨了一种新的生存分析方法——半参数混合模型,该模型有很多种类型,如半参数比例风险混合模型、半参数转换混合模型和带有固定系数的半参数治愈模型等等。本研究主要介绍带有固定系数的半参数治愈模型,它是由具有固定系数为 1 的比例风险回归和 logistic 回归组成的混合模型:比例风险回归(Cox,1972)模拟生存时间函数,logistic 回归模拟治愈率部分;参数估计采用 EM 算法,通过标准统计软件来拟合;此外该模型可以扩展到更复杂的情形,因而有利于应用于更广泛的领域。研究收集了三份临床随访资料,分别拟合带有固定系数的半参数治愈模型和 Cox 比例风险回归模型,并进行模型对比分析。结果表明,当资料中有长期生存者存在时,半参数治愈模型比 Cox 比例风险回归模型更具有优势,不仅模型形式简明,参数估计解释合理, 而且可从多角度提供更多有价值的信息,它可以完善与弥补经典生存分析方法应用之不足,是一种适用范围更广,实用性更强的统计分析方法。