医学统计模型
寿命表
把随访切成等宽或指定区间，在每一格里清点期初人数、区间死亡与中途退出，再用精算分母连乘出区间生存率。
这篇能回答什么
寿命表（Life Table）回答的是：按年、按月或按你指定的宽度切开之后，每一格死了多少、退出了多少、格子结束时还剩多少，以及这些格子连乘后的累积生存率。它不在每一个死亡时刻跳一阶，而是把同一区间里的死亡与退出做成一张占用账。教学表把占用记成三类：A = 区间死亡，B = 区间退出（失访、研究结束、改方案离开），C = 区间结束仍在观察。
本页合计有效观察 261。A 档 51 人（19.54%）记为区间死亡，B 档 46 人（17.62%）记为区间退出，C 档 164 人（62.84%）穿过该格。三者相加应等于 261。这和 Kaplan-Meier 的差别是粒度：KM 在每个独特事件时间更新 S(t)，寿命表先分箱再精算。大样本、只有「第几年还活着」的登记资料，或病案只给出区间结局时，寿命表更贴原始口径。
如何选择方法
有精确失效时刻且要光滑阶梯，选 KM；只有按年登记或要把千人队列压成年度公报，选寿命表。两者都能处理退出，但分母算法不同：KM 在退出瞬间缩小风险集，寿命表常用「退出算半个暴露」。要 HR 再上 Cox；要应力外推上加速试验。
寿命表：时间 + 事件（死亡/退出），可选区间宽度与分组；输出期初人数、死亡、退出、区间生存率与连乘曲线。
Kaplan-Meier：逐事件点估计，适合精确时刻、中小样本。
Cox：区间占用解释不了混杂调整后的倍数。
加速寿命试验：应力是设计因子，不是随访日历。
输入、输出与限制
输入
生存时间为正的持续时间（入组起算）。事件指示区分死亡与删失；中途退出进入 B 档占用，不要先把退出行从数据里删掉。可选区间宽度（年、月）和一个定类分组。教学阅读把占用映射为死亡 / 退出 / 仍在观察，而不是三个无关类别。
生存时间：最少 1 个，最多 1 个，定量。
事件指示：最少 1 个，最多 1 个，定类（死亡 vs 退出）。
分组：最少 0 个，最多 1 个，定类。
输出
占用表清点 A 死亡 51、B 退出 46、C 仍在观察 164，分母 261。完整寿命表还会按区间列出期初人数 n_i、死亡 d_i、退出 w_i、精算暴露、区间生存率 p_i 与累积 S。图是按区间连乘后的生存轨迹。
产品限制
区间过宽会把早期高峰死亡摊平，和 KM 的早期陡降对不齐。
退出必须进 B 档；把退出改记为死亡会抬高 d_i。
A+B+C 必须等于合计 N；对不上先查重复行或把「仍在观察」漏计。
图上的台阶宽度等于你设的区间，不是 KM 的事件时刻。
竞争终点若被算进 A，区间死亡会被夸大。
案例
研究问题。 临床随访页有「随访时间」与「事件」。研究者不想在每一个死亡日跳一格，而想按固定宽度做年度（或等宽）公报：这一格死了 51 人、退出 46 人、还有 164 人走进下一格。
教学占用合计 261（与 KM 教学页的 280 人不是同一套分箱口径）。A 51（19.54%）= 区间死亡，B 46（17.62%）= 区间退出，C 164（62.84%）= 格子结束仍在观察。下载临床表后，时间 = 随访时间，事件指示 = 事件（1 死亡，0 退出/删失）。不要用「竞争事件」列当寿命表的死亡标记。
在 StatsX 中操作
步骤 1 · 打开随访页
上传临床 xlsx，切到 survival。diagnostic 页没有随访时长，寿命表无法分箱。
步骤 2 · 分清死亡与退出
「事件」=1 记入 A 档死亡；=0 记入 B 档退出。把 0 先滤掉再跑，B 档会变成 0，精算分母失效。
步骤 3 · 选择寿命表
目录搜「寿命表」或 Life table。
步骤 4 · 挂时间与事件
生存时间 = 随访时间；事件指示 = 事件。需要按方案拆表时再放「分组」。设定区间宽度后运行。
步骤 5 · 核占用三档是否加总
51+46+164 必须等于 261。再看连乘曲线是否在格子边界下降，而不是在每个死亡日下降。
如何阅读输出
把类别列读成区间命运，不要读成三个无关标签。A 51 是格子里确认的死亡，占 19.54%；B 46 是格子里离开观察、尚未死亡的人，占 17.62%；C 164 是活着走进下一格的人，占 62.84%。合计行 N=261 是期初（或本教学格的有效）人数。
| 项目 | 类别 | 统计量 | 取值 |
|---|---|---|---|
| 寿命表 | 类别 A | 频数 | 51 |
| 寿命表 | 类别 B | 频数 | 46 |
| 寿命表 | 类别 C | 频数 | 164 |
| 寿命表 | 合计 | 有效样本 N | 261 |
| 寿命表 | 类别 A | 占比(%) | 19.54 |
| 寿命表 | 类别 B | 占比(%) | 17.62 |
| 寿命表 | 类别 C | 占比(%) | 62.84 |
左右滑动可查看完整表格
教学示例表在 StatsX 工作台中的计算结果口径。
精算上，这一格的条件死亡概率不是 51/261，因为 46 名退出者没有暴露满整个区间。常用分母是 n−w/2 = 261−46/2。C 档 164 进入下一格的期初。图若在早期下降较快，对应 A 档死亡集中在前几格；平台段对应死亡变少、C 档占主导。
对照 KM：同一批人若按精确时刻跳阶，早期下降往往更陡、台阶更碎。寿命表把多起死亡并进同一格，S(t) 会略有差别——这是分箱，不是算错。写 1 年、3 年、5 年生存率时，应报格子右端的连乘值，并同时报该格的 d 与 w。不要把 19.54% 直接叫「病死率」：分母里还坐着未观察满格的退出者。
理论与公式
记区间 i 期初人数 n_i，死亡 d_i，退出 w_i。精算暴露（退出视为半个区间）为 n_i′=n_i−w_i/2。区间生存率为
教学占用把 d、w、n−d−w 摊成 A/B/C：d=51，w=46，剩余 164。KM 的连乘发生在每个 t_{(j)}，分母是当时仍在风险集的人数，退出在退出时刻立即离开，没有「减半」这一步。因此寿命表 vs KM 的差，首先来自是否分箱，其次来自半区间约定。Greenwood 型标准误可按区间公式给出，本占用表不代替标准误。
注意事项
A+B+C 必须等于 261。对不上时先查是否把「仍在观察」漏进了下一张表。
区间宽度是分析选择：过宽掩盖早期高峰，过窄又退化成 KM。
退出不是缺失。删掉 B 档等于假装人人观察满格。
寿命表 S(t) 与 KM S(t) 对不上，优先对区间边界与半区间约定，不要先改事件编码。
竞争死亡若算进 A，格子死亡被抬高，连乘会系统性偏低。
器件加速失效属于另一页，不要把应力水平当作寿命表的「年份」。
常见问题
参考文献
Cutler, S. J., Ederer, F. Maximum utilization of the life table method in analyzing survival[J]. Journal of Chronic Diseases, 1958, 8(6): 699–712.
Collett, D. Modelling Survival Data in Medical Research[M]. CRC Press.
Kleinbaum, D. G., Klein, M. Survival Analysis: A Self-Learning Text[M]. Springer.
蒋庆琅. 寿命表及其应用[M]. 上海翻译出版公司.