目的：随着疾病谱的变化，生存分析方法已被广泛地应用于肿瘤和慢性病预后的研究中。然而，在这个过程中所得的生存资料，时间往往不符合正态分布且存存删失；影响预后的因素是多元的、呈非线性;各因素之间存在着复杂的交互作用。目前，传统的生存分析模型都有其各自的缺陷。本研究采用模拟的理论研究和实际资料的应用研究，综合比较BP神经网络模型和Cox比例风险模型在生存分析中的预测性能。探讨BP神经网络模型在生存分析中的进步应用，为胃癌根治术患者的预后研究提供可靠的方法学参考，更好地为临床决策服务。　　 方法：采用Monte Carlo随机模拟的方法模拟小同样本量、不同删失比例、不同协变量间关系及是否满足等比例风险假定等条件下的生存数据集，分别建立BP神经网络模型和Cox比例风险模型，使用一致性指数C对其预测性能进行比较；并利用BP神经网络模型和Cox比例风险模型对156例胃癌根治术患者预后的实例资料进行预测，比较两者预测的一致性，同时对影响胃癌根治术患者预后的临床、病理和生活行为、饮食习惯等因素进行研究。　　 结果：当样本量为100、删失比例为60％、80％及样本量为300、删失比例为80％时，BP神经网络的预测性能高于Cox比例风险模型，一致性指数间的差异有统计学意义（P＜0.05）。协变量不满足等比例风险假定、协变量间存在三维交互作用和非线性关系时，BP神经网络的预测性能较Cox比例风险模型好，一致性指数间的差异有统计学意义（P＜0.05）；协变量满足等比例风险假定、协变量间独立和存在二维交互作用时，BP神经网络与Cox比例风险模型的预测性能相当，一致性指数间的差异无统计学意义（P＞0.05）。156例胃癌根治术患者预后的实例研究中发现，BP神经网络模型预测的一致性指数C=0.835，预测性能优于Cox模型，配对t检验差异有统计学意义（t=4.311，P＜0.001）。影响胃癌根治术患者预后因素的研究中提示pTNM、分化程度、肿瘤大小、是否接受辅助化疗、吸烟习惯、睡眠状况等因素是胃癌患者独立的预后因素。　　 结论：1.BP神经网络模型在生存分析的应用中对样本删失比例、是否满足PH假定、协变量间复杂交互作用和非线性关系具有非特异性，对资料限制较少，且预测一致性高，值得在生存分析中进一步推广应用。2.建立好的胃癌根治术患者生存预测模型可用于胃癌预后危险性的预测。3.胃癌根治术后患者应从饮食、生活行为方式等多方面改善患者的预后，延长其生存时间。