统计百科 ·
生存分析APA报告怎么写？Kaplan-Meier+Cox回归HR格式模板全解
统计百科：专攻生存分析APA 7th报告格式——Kaplan-Meier中位生存时间、log-rank检验写法、Cox比例风险回归HR与95%CI的完整APA句式，附可直接套用的论文报告模板，盘点审稿人最常挑的生存分析格式错误。
生存分析是医学、公共卫生、社会科学论文中的高频统计方法，但"结果怎么写进论文"往往比"跑统计"更让人头疼——中位生存时间加不加置信区间？log-rank检验的自由度怎么写？Cox回归的HR要几位小数？与Logistic OR报告有什么本质区别？本文专攻生存分析APA格式这一具体格式点，给出Kaplan-Meier描述、log-rank检验、Cox单变量/多变量回归的完整APA 7th报告模板，并逐一盘点审稿人最常挑的格式错误。
你的生存分析报告有这些问题吗？
审稿人或导师关于生存分析报告最常见的反馈：
- "中位生存时间请补充95%置信区间"
- "log-rank检验缺少自由度，格式应为 chi^2(df) = X.XX"
- "HR值请保留两位小数，并报告95%CI"
- "Cox回归缺少参照组说明，HR = 1是哪一组？"
- "多变量Cox回归没有说明是否检验比例风险假设（PH假设）"
- "Kaplan-Meier图例中的删失标记（censoring tick）未在正文描述"
- "p = .000不规范，请改为p < .001"
这些错误横跨APA Publication Manual第七版关于推断统计、表格和图形报告的多个章节，但专门针对生存分析汇总的实操指南并不多见。本文只讲一件事：生存分析结果到底怎么规范写进论文的每一种场景。
如果你还没看过姊妹篇 Logistic回归OR值的APA写法，建议先读那篇，本文默认你已了解p值不加前导零（.032而非0.032）等基础格式规则，不再重复。
一、生存分析的核心指标是什么
生存时间与删失
生存分析（Survival Analysis）研究的是事件发生时间（time-to-event）。"事件"可以是死亡、复发、失业、离婚、客户流失——任何可以明确发生时刻的终点。
关键概念：
- 生存时间（survival time）：从研究起点到事件发生（或随访结束）的时长
- 删失（censoring）：研究结束时事件尚未发生，或受试者中途退出——这部分数据是"右删失"，不能丢弃，必须纳入分析
- 生存函数 S(t)：到时间 t 时，事件尚未发生的概率
- 风险函数 h(t)：在时间 t 附近，已存活至 t 的个体在极短时间内发生事件的瞬时概率
三大分析工具
| 工具 | 用途 |
|---|---|
| Kaplan-Meier (KM) | 描述生存曲线，估计中位生存时间 |
| log-rank检验 | 比较两组或多组生存曲线是否存在统计差异 |
| Cox比例风险回归 | 评估协变量对风险的独立效应，输出HR（风险比） |
三者通常配合使用：KM曲线做可视化，log-rank做组间比较，Cox做多变量调整。
二、Kaplan-Meier报告：中位生存时间格式
中位生存时间的APA格式规范
中位生存时间（median survival time）是生存函数 S(t) = 0.50 时对应的时间点，是KM分析的核心描述指标。
必报要素：
| 要素 | 格式 | 示例 |
|---|---|---|
| 中位生存时间 | Mdn = X.X 月/年（或不能估计） | Mdn = 18.3个月 |
| 95%置信区间 | 95% CI [下限, 上限] | 95% CI [14.6, 22.1] |
| 样本量与事件数 | n = XX，事件数 = XX（XX%） | n = 124，死亡73例（58.9%） |
| 删失说明 | XX例（XX%）在随访结束时删失 | 51例（41.1%）删失 |
中位生存时间的完整APA句式模板：
Kaplan-Meier估计显示，[组别/总体]的中位[结局事件]时间为 XX.X [时间单位]
（95% CI [XX.X, XX.X]）。研究期间共[n]例受试者中，[事件数]例（XX%）发生[结局事件]，
[删失数]例（XX%）于随访结束时删失。
填入数值的示例：
Kaplan-Meier估计显示，治疗组的中位无进展生存时间为18.3个月（95% CI [14.6, 22.1]），对照组为11.7个月（95% CI [9.2, 14.3]）。两组合计124例受试者中，73例（58.9%）在观察期间发生疾病进展，51例（41.1%）于随访结束时删失。
中位生存时间无法估计时怎么写
当超过50%的受试者在随访结束时尚未发生事件，KM曲线未降至0.50，中位生存时间无法直接估计。此时报告：
Kaplan-Meier估计显示，治疗组中位总生存时间在随访结束时尚未达到（事件发生率42.3%，观察期36个月）；对照组中位总生存时间为22.8个月（95% CI [18.4, 27.2]）。
三、log-rank检验：APA格式写法
log-rank检验的格式规范
log-rank检验（也称Mantel-Cox检验）是比较两组或多组生存曲线差异的最常用检验方法，其检验统计量服从chi-square分布。
APA格式必报要素：
| 要素 | 格式 | 示例 |
|---|---|---|
| chi-square统计量 | chi^2(df) = X.XX | chi^2(1) = 8.74 |
| 自由度 | df = 组数 - 1 | df = 1（两组比较） |
| p值（精确三位小数） | p = .XXX 或 p < .001 | p = .003 |
自由度规则：
- 两组比较：df = 1
- 三组比较：df = 2
- k组比较：df = k - 1
log-rank检验的完整APA句式模板：
log-rank检验结果显示，[组别A]与[组别B]的[结局]生存曲线差异[显著/不显著]，
chi^2([df]) = X.XX, p [= .XXX / < .001]。
填入数值的示例（两组）：
log-rank检验结果显示，治疗组与对照组的无进展生存曲线差异显著，chi^2(1) = 8.74，p = .003，提示治疗组生存预后显著优于对照组。
填入数值的示例（三组）：
log-rank检验结果显示，三种治疗方案的总生存曲线存在显著差异，chi^2(2) = 14.32，p < .001。两两比较（Bonferroni校正）显示，方案A与方案C的差异显著（chi^2(1) = 12.87，p < .001），方案A与方案B（p = .084）及方案B与方案C（p = .212）的差异未达显著。
Breslow检验与Tarone-Ware检验
当样本量差异较大或关注早期生存差异时，可报告Breslow（Wilcoxon）检验替代log-rank，写法相同：
Breslow检验显示，chi^2(1) = 6.92，p = .009；log-rank检验结果一致，chi^2(1) = 8.74，p = .003，两种方法结论相同。
四、Cox比例风险回归：HR与95%CI的APA格式
HR（风险比）的含义与写法基础
风险比（Hazard Ratio，HR）是Cox回归的核心输出指标，含义是：在调整其他协变量后，某一组（或某自变量增加一个单位）相对于参照组的瞬时事件风险倍数。
- HR = 1：无差异
- HR > 1：风险增加（事件发生更快）
- HR < 1：风险降低（生存时间更长）
HR与OR的本质区别：OR是比值比（截面/二分类），HR是风险率比（随时间变化的瞬时比）。不能用OR来解释生存分析的结果，反之亦然。
APA格式必报要素：
| 要素 | 格式 | 示例 |
|---|---|---|
| HR | HR = X.XX | HR = 0.58 |
| 95%置信区间 | 95% CI [下限, 上限] | 95% CI [0.41, 0.82] |
| Wald统计量 | z = X.XX 或 Wald chi^2(1) = X.XX | z = -3.24 |
| p值 | p = .XXX 或 p < .001 | p = .001 |
| 参照组 | 明确说明HR = 1代表哪组 | 以对照组为参照 |
HR精度要求：
- HR值精确到两位小数：HR = 0.58（不写 0.6 或 0.576）
- 95% CI上下限各精确到两位小数：95% CI [0.41, 0.82]
- p值精确到三位小数，不加前导零
五、Cox回归完整APA报告模板
场景一：单变量Cox回归（粗HR）
情形：比较治疗组（n=62）与对照组（n=62）的总生存时间，以对照组为参照。
完整报告段落模板：
单变量Cox比例风险回归以[参照组]为参照，结果显示[自变量]对[结局]风险具有
[显著/不显著]影响，HR = X.XX（95% CI [X.XX, X.XX]），z = X.XX，p [= .XXX / < .001]，
提示[自变量]与[结局]风险[升高/降低]相关。
填入数值的示例：
单变量Cox比例风险回归以对照组为参照，结果显示治疗方案对总生存风险具有显著影响，HR = 0.58（95% CI [0.41, 0.82]），z = -3.24，p = .001，提示治疗组的死亡风险较对照组降低42%。
场景二：多变量Cox回归（调整HR）
多变量Cox回归是生存分析论文的核心结果，须区分粗HR（crude HR）和调整HR（adjusted HR，aHR），并报告比例风险假设检验结果。
完整报告段落模板：
多变量Cox比例风险回归纳入[协变量列表]作为调整变量。比例风险假设以
Schoenfeld残差检验评估，结果[显示/不显示]假设违反（整体检验：chi^2(df) = X.XX, p [值]）。
调整[协变量]后，[自变量A]对[结局]风险具有独立的[显著/不显著]影响，
aHR = X.XX（95% CI [X.XX, X.XX]），p [值]；[自变量B] aHR = X.XX
（95% CI [X.XX, X.XX]），p [值]。
填入数值的示例：
多变量Cox比例风险回归纳入年龄、性别、疾病分期和治疗方案作为协变量。Schoenfeld残差检验结果显示比例风险假设成立（整体检验：chi^2(4) = 3.28，p = .512）。调整年龄、性别和疾病分期后，治疗方案对总生存风险具有独立的显著影响，aHR = 0.61（95% CI [0.43, 0.87]），p = .006，即治疗组死亡风险较对照组降低39%。疾病分期III/IV期相较I/II期的风险显著升高，aHR = 2.84（95% CI [1.97, 4.09]），p < .001；年龄（aHR = 1.02，95% CI [1.00, 1.04]，p = .032）亦显示显著效应。
场景三：连续型协变量的HR报告
连续型协变量（如年龄、BMI、肿瘤标志物水平）的HR含义是"每增加一个单位的风险倍数"，必须在报告中说明。
示例：
年龄每增加1岁，死亡风险升高2%（HR = 1.02，95% CI [1.00, 1.04]，p = .032）；BMI每增加1 kg/m²，死亡风险升高4%（HR = 1.04，95% CI [1.01, 1.07]，p = .018）。
若需报告每增加10个单位（或一个标准差）的HR，方法章节须明确说明标准化方式：
年龄以10年为单位，每增加10岁，死亡风险升高17%（HR = 1.17，95% CI [1.08, 1.27]，p < .001）。
场景四：Cox回归结果表格（APA格式）
多变量Cox回归结果通常以表格呈现，APA 7th表格规范要求：
表X 多变量Cox比例风险回归分析结果（N = 124）
| 变量 | 粗HR（95% CI） | p | aHR（95% CI） | p |
|---|---|---|---|---|
| 治疗组（对照组=参照） | 0.58 [0.41, 0.82] | .001 | 0.61 [0.43, 0.87] | .006 |
| 疾病分期（III/IV vs. I/II） | 3.12 [2.18, 4.46] | <.001 | 2.84 [1.97, 4.09] | <.001 |
| 年龄（岁） | 1.02 [1.00, 1.04] | .028 | 1.02 [1.00, 1.04] | .032 |
| 性别（女vs.男） | 0.89 [0.63, 1.26] | .511 | 0.92 [0.64, 1.31] | .634 |
注. aHR = 调整风险比；CI = 置信区间。参照组：对照组、I/II期、男性。比例风险假设以Schoenfeld残差检验评估（整体检验p = .512）。
六、在ChatSRS一句话获得规范生存分析报告
打开 chatsrs.com，上传数据后输入：
"对治疗组和对照组做Kaplan-Meier生存分析，输出各组中位生存时间（附95%CI）和log-rank检验结果（chi-square和p值）；再做多变量Cox比例风险回归，调整年龄、性别、疾病分期，输出粗HR和调整HR（均含95%CI和p值），同时做Schoenfeld残差检验比例风险假设，结果符合APA 7th格式，包含可直接复制进论文的报告段落。"
ChatSRS会自动判断删失变量、选择正确的参照组、输出标准APA格式文字段落和结果表格，无需手动整理输出。
七、方法章节怎么说明使用了生存分析
标准方法章节描述（KM + log-rank + Cox）
采用Kaplan-Meier法估计各组[结局]生存曲线，以log-rank检验（Mantel-Cox）
比较组间生存分布差异；报告中位生存时间及其95%置信区间（Brookmeyer-Crowley法）。
采用Cox比例风险回归模型分析[自变量]对[结局]风险的独立效应，
以Schoenfeld残差法检验比例风险假设（PH假设）；若PH假设不成立，
采用分层Cox模型或加入时依协变量（time-dependent covariate）处理。
回归结果报告风险比（HR）及95%置信区间，以[参照组]为参照。
统计分析使用ChatSRS（R引擎），双侧检验，显著性水平设为alpha = .05。
方法章节关键细节
- 删失机制：须说明删失的原因（如随访结束、失访、竞争事件）
- 比例风险假设：Cox回归的核心假设，APA 7th要求报告是否经过检验
- 参照组：每个分类变量必须明确参照组（HR = 1对应哪一组）
- 竞争风险：若存在竞争终点事件（如死于其他原因），应讨论是否需要竞争风险分析
八、生存分析报告常见错误对照表
| 常见错误 | 正确写法 | 违反的规则 |
|---|---|---|
| 中位生存时间无95%CI | 中位生存时间 = XX月（95% CI [XX, XX]） | CI是必报要素 |
| log-rank缺自由度：chi^2 = 8.74 | chi^2(1) = 8.74 | df须写入括号 |
| p = .000 | p < .001 | .000是舍入假值 |
| HR = 0.576 | HR = 0.58 | 保留两位小数 |
| 未说明参照组 | "以对照组为参照，HR = 0.58" | HR须对应明确参照 |
| OR与HR混用 | 生存分析用HR，截面/Logistic用OR | 含义本质不同 |
| Cox结果无PH假设检验 | 报告Schoenfeld残差检验结果 | Cox核心假设须验证 |
| aHR未注明"调整" | 粗HR与aHR须分列，并注明调整变量 | 单/多变量须区分 |
| 生存时间单位缺失 | 中位生存时间18.3个月（不写"18.3"） | 须注明时间单位 |
| 未报告删失比例 | "XX例（XX%）于随访结束时删失" | 描述完整性要求 |
常见FAQ
Q：Kaplan-Meier的中位生存时间和均值生存时间，报哪个？
A：APA 7th和生物统计学实践均推荐报告中位生存时间，原因是生存数据通常右偏（少数极长存活者会拉高均值），中位数对极端值不敏感、更能代表"典型受试者"的经历。均值生存时间在曲线降至0之前无法精确估计（受最大观测时间限制），实际报告价值有限。若期刊或审稿人特别要求，可在中位数之外附报限制均值生存时间（Restricted Mean Survival Time，RMST）及其置信区间。
Q：log-rank不显著，还需要做Cox回归吗？
A：需要，原因有两点：第一，log-rank检验只做组间比较，无法调整混杂因素；第二，log-rank是单变量、无控制混杂的检验，而Cox回归控制协变量后，原本不显著的效应可能变得显著（或反之）。研究问题是"调整X、Y、Z后，治疗方案的独立效应"，则必须用Cox回归，不能以log-rank结论替代。正确写法是同时报告粗HR（来自单变量Cox或log-rank等效）和调整HR，让读者看到调整前后的变化。
Q：比例风险假设（PH假设）不成立怎么办？
A：PH假设（即各协变量的HR不随时间变化）是Cox模型的前提。Schoenfeld残差检验显著（p < .05）表明假设可能违反，此时有三种处理方式：（1）分层Cox模型：将违反PH假设的变量作为分层变量，仅对满足PH的变量估计HR；（2）加入时依协变量（time-dependent covariate）：将变量与时间的交互项纳入模型；（3）替代模型：使用加速失效时间（AFT）模型或Fine-Gray竞争风险模型。方法章节须说明检验方法及处理策略，不能在PH假设未满足的情况下直接报告Cox HR而不加说明。
Q：有删失数据，Kaplan-Meier图上的"刻度线"（tick mark）是什么，正文需要说明吗？
A：删失刻度线（censoring tick mark）是KM曲线上竖向短线，标记每一个删失观测发生的时刻。APA 7th图表规范要求图例须说明刻度线含义。正文通常只需在描述删失比例时简单提及即可，例如："图1的KM曲线中，短线标记代表删失时间点；两组删失比例分别为41.1%和38.7%，组间差异不显著（p = .732），提示非信息性删失假设合理。"是否详述取决于期刊体例，但图例说明不可省略。
Q：竞争风险（competing risks）与普通生存分析有何不同，如何报告？
A：当研究结局存在竞争事件（如研究癌症复发时，死于其他原因会"阻止"复发的观察），标准KM+Cox会高估主结局发生率。此时应使用Fine-Gray模型（次分布风险模型）估计累积发生率函数（CIF），替代KM曲线；报告**次分布风险比（SHR）**代替HR。APA格式写法与Cox类似，但须明确说明使用了Fine-Gray模型：
Fine-Gray竞争风险模型以死于非癌原因为竞争事件，结果显示治疗组5年累积复发率为18.3%（95% CI [13.2, 23.4]），显著低于对照组（28.7%，95% CI [22.8, 34.6]），SHR = 0.60（95% CI [0.42, 0.86]），p = .005。
快速参考：生存分析报告格式速查卡
[Kaplan-Meier中位生存时间]
中位[结局]时间 = XX.X [单位]（95% CI [XX.X, XX.X]）
事件数 = XX（XX%），删失数 = XX（XX%）
[log-rank检验]
chi^2([k-1]) = X.XX, p [= .XXX / < .001]
注: df = 组数 - 1（两组比较df = 1）
[Cox单变量回归 — 粗HR]
HR = X.XX（95% CI [X.XX, X.XX]），z = X.XX，p [值]
注: 须说明参照组（HR = 1对应哪组）
[Cox多变量回归 — 调整HR]
aHR = X.XX（95% CI [X.XX, X.XX]），p [值]
调整变量：[协变量列表]
PH假设：Schoenfeld残差检验，chi^2([df]) = X.XX，p [值]
[连续型协变量HR的解读]
"[变量]每增加[X单位]，[结局]风险[升高/降低]XX%
（HR = X.XX，95% CI [X.XX, X.XX]，p [值]）"
[精度规则]
HR: 两位小数 | CI: 两位小数 | p: 三位小数不加前导零
p = .000 → 改写为 p < .001
相关阅读
本文首发于ChatSRS官方博客。如有问题或反馈，欢迎在ChatSRS站内[用户中心->帮助与反馈]联系我们。