运动科学与医学中时间事件数据使用的方法学质量与报告：范围综述 - 健康研究

摘要

时间事件分析是一种强大的统计方法，在运动科学和医学中日益用于研究时间事件结果，如运动伤害发生时间、职业生涯持续时间和恢复过程。本范围综述旨在系统评估在运动科学和医学领域使用时间事件技术（例如Cox回归）发表的研究的方法学质量和报告实践。我们对2013年至2023年间发表的138项原始研究进行了范围综述。研究从PubMed和Web of Science中识别，方法学报告使用《已发表文献中的统计分析和方法》(SAMPL)指南进行评估，重点关注统计方法、模型假设、删失和生存测量报告。报告缺陷普遍存在。超过90%的研究未报告每个时间点的风险个体数量，75%未充分解决生存模型的基本假设，62%未明确定义分析目的。仅20%的相关研究报告了中位生存时间，且风险比(HRs)和删失原因的报告常常不完整。在2020年后发表的研究中观察到轻微改进，但主要差距仍然存在。这些发现凸显了提高方法学透明度、遵守报告标准和全面统计教育的必要性。加强这些方面将增强运动科学和医学中时间事件研究的可重复性、可解释性和实际相关性。

本领域已知信息

时间事件（生存）模型在运动科学和医学中日益应用于研究伤害发生和恢复时间线等结果。
这些模型在其他健康相关领域中常用，但报告质量常被发现不足。
以往没有综述系统评估过在运动科学和医学背景下时间事件分析的报告情况。

本研究的贡献

提供了首项结构化范围综述，评估运动科学和医学文献中生存研究的方法学质量和报告。
揭示了报告中的常见缺陷，包括分析目的不明确、缺乏假设检验和删失细节缺失。
使用《已发表文献中的统计分析和方法》指南作为基准，量化透明度并识别特定的报告差距。

本研究对研究、实践或政策的潜在影响

强调了迫切需要为在运动环境中应用时间事件分析的研究人员提供更好的统计培训和支持。
鼓励期刊和审稿人执行更严格的报告标准，以提高可重复性和可解释性。
为未来开发适用于运动科学和医学中时间事件分析的定制报告指南奠定基础。

引言

体育与统计学有着悠久的关系，已发展成为充满活力的体育分析领域。近年来，这一领域迅速扩展，特别是通过体育生物统计学这一子领域的出现，该子领域应用高级统计方法研究伤害预防、运动员健康和表现优化。这一不断发展的学科 increasingly 与元研究（关于研究的研究）交织在一起，元研究考察研究的设计、实施和报告方式。职业体育中大规模数据收集的整合以及对可重复、临床相关见解日益增长的需求，推动了对方法学严谨性的需求。

生存分析最初是为研究死亡时间而发明的。此后，这种统计方法的应用已扩展到死亡以外的其他类型事件（或结果）。因此，时间事件这一术语现在用于与时间事件数据相关，允许对时间依赖现象进行建模，例如运动伤害发生的时间或运动员保持在其巅峰表现状态的时间。由于与伤害、恢复时间和运动员职业生涯持续时间相关的事件具有动态和不确定的性质，这些模型在运动科学和医学中特别有用。常用模型包括Kaplan-Meier估计器，它提供生存函数的非参数估计，以及Cox比例风险模型，这是一种半参数方法，使用风险率比评估多个变量之间的关系。尽管生存分析在该领域使用日益增多，但报告质量和方法学严谨性在各项研究中存在显著差异。

运动科学和医学中的随机试验和队列研究通常涉及复杂的时变数据，这些数据可能是删失或不完整的，使生存分析成为适当数据处理的关键工具。生存模型的应用有助于深入了解运动员的伤害风险、职业生涯持续时间、康复过程和治疗干预的有效性。然而，这些模型的不当或不完整使用可能导致结果被误解，从而损害研究的有效性和可重复性。

在运动伤害研究中，主要目标之一是了解运动员不仅为何而且何时受伤。这有助于更好地理解伤害的风险和时间。人们普遍认识到，大多数运动员在职业生涯中会经历多次伤害。然而，传统分析方法通常无法充分解决同一人内的后续伤害，可能会限制丰富纵向数据集的价值。在此背景下，使用适当的框架（如后续伤害分类模型）和高级统计时间事件模型变得越来越重要。特别是，具有多状态转换的时间事件模型现在被广泛应用于考虑伤害事件的时间和复发伤害之间的相关性。

虽然生存模型在运动科学和医学中被广泛用于分析时间事件数据，但缺乏对这些模型应用和报告方式的系统评估。一些研究已在运动伤害研究中应用或讨论了生存分析，但没有一项全面评估报告实践或方法学质量。其他领域的研究表明，生存模型经常报告不足，关键细节如模型假设、验证技术和软件规范经常被省略。此类省略可能导致有偏估计、结论错误和难以重现研究，最终阻碍该领域知识的进步。同时，系统识别这些缺点代表了一个机会：通过绘制文献中当前和复发的差距，并将其与既定的报告标准进行比较，本综述可以指导研究人员更透明和可重复地使用生存分析。反过来，改进报告和方法学严谨性可能加强关于伤害风险、恢复、运动员健康和表现的证据可靠性，对运动科学和医学研究和实践都有直接影响。

为应对运动科学和医学领域内的这些挑战，我们进行了本范围综述，旨在系统评估在运动科学和医学领域使用时间事件统计的研究所报告的方法学质量和实践。具体而言，我们评估现有研究在多大程度上遵循推荐的报告标准，识别生存模型设计和分析中的常见缺陷，并突出文献中的趋势和差距。通过这一评估，我们寻求提供基于证据的建议，以增强运动科学和医学研究中生存分析的透明度、可重复性和方法学严谨性。

方法

研究设计

我们进行了一项范围综述，以评估运动科学和医学中时间事件研究的方法学质量和报告实践。范围综述的报告遵循系统综述和荟萃分析首选报告项目(PRISMA)指南，确保研究选择、评估和综合的透明度和严谨性。

搜索策略

对文献进行了全面搜索，涵盖两个数据库：PubMed和Web of Science(WoS)。搜索覆盖了2013年1月至2023年3月的时间范围，大约是最近十年，这是运动科学中的方法学实践和报告标准发生实质性变化的时期。使用的搜索词是以下关键词的逻辑组合和变体："生存分析"、"Kaplan-Meier"、"Cox比例风险"、"时间事件"、"运动"和"运动员"。应用布尔运算符优化搜索查询。研究选择过程和数据库搜索查询详见在线补充附录I。

纳入标准

应用生存统计分析的原始研究文章。即，分析涉及感兴趣事件时间的变量的文章，该变量可能对某些个体是删失的。
发表在Clarivate Analytics 2023年期刊引用报告(JCR)中归类为"运动科学"类别的同行评审期刊上的研究。
2013年1月至2023年3月间以英文发表的文章。

排除标准

综述文章、荟萃分析、评论、教程和会议摘要。
未应用特定时间事件分析的研究。
专注于一般身体活动而没有特定运动相关背景的文章。
非人类研究

数据提取和收集变量

选择过程包括两个阶段。首先，筛选标题和摘要以排除不相关的研究。然后审查可能符合条件的文章的全文以确认其纳入。

我们从选定的文章中收集了以下信息：

一般文章特征：标题、作者、期刊、主要目标、一般目标（健康或运动表现）、出版年份、收集数据的主要国家以及研究的样本量。为了对每项研究的总体目标进行分类，我们将健康相关和表现相关的目标区分开来。健康相关研究侧重于临床或医学方面，如伤害预防、康复、疾病或运动员身体或心理健康监测。相比之下，表现相关研究旨在提高运动表现，包括身体调理、技术和战术发展或体育分析的使用（例如，训练优化或比赛表现分析）。

运动特征：运动类型、性别、参与者的水平（业余或专业）。

生存分析特征：分析类型、统计软件、删失类型以及数据和代码共享。

报告评估

使用SAMPL（已发表文献中的统计分析和方法）指南评估报告的完整性。这些指南确保关键要素，如模型假设、验证方法和软件使用，得到清晰报告。

选择SAMPL指南的原因是缺乏针对时间事件研究的具体报告指南。虽然其他指南，如加强流行病学中观察性研究报告，确实涉及与这类研究相关的某些方面，但它们没有提供专门为生存分析定制的综合框架。SAMPL指南提供了一套建议，我们已将其分项列出，并评估了它们在审查文章中的适用性（表1）。

评估由一名初级统计研究人员进行，并由三名高级研究人员（RON、MC和JC）监督。

统计分析

使用描述性统计综合提取的数据。对分类变量计算频率和百分比。唯一收集的定量变量，即研究中涉及的参与者数量，使用中位数和四分位范围(IQR)在所有文章中进行描述。

所有分析均使用R统计软件(V.4.4.2)进行。本研究中使用的可重复材料可在公共GitHub存储库中获取，其中包含分析代码（"Scripts"文件夹）和所包含文章的数据集（"Data"文件夹），包括138项所包含研究的主要特征（例如，出版年份、运动类型、研究目的、统计方法和样本量等）。

结果

纳入研究

我们的搜索最初从PubMed和WoS检索到593篇文章。在移除51篇重复文章和391篇非运动期刊文章后，剩下151篇文章用于标题和摘要筛选。其中，11篇文章因各种原因被排除（例如，不是原始文章或先前未识别的重复文章）。对剩余140篇文章的全文进行资格评估。仅有2项额外研究因未使用生存分析而被排除，最终纳入138项研究进行综述。总结研究选择过程的PRISMA流程图如图1所示。

文章的一般特征

在此时间范围内，我们观察到出版物略有增加。2022年和2023年记录的出版物几乎占收集文章总数的三分之一（n=44，31.8%），表明该领域中生存分析的使用正在增长。

最常见的期刊是《膝关节外科运动创伤学关节镜检查》（n=41，29.7%）、《美国运动医学杂志》（n=10，28.3%）以及《骨科与运动物理治疗杂志》和《运动科学与医学杂志》（n=11，各占8.0%）。这四本期刊在2023年JCR运动科学类别127种期刊的影响因子排名中分别位于第19、10、5和22位。它们都位于第一四分位数。大多数研究使用了来自美国的数据（33.3%），其次是意大利、韩国和澳大利亚（各占7.2%）。138项研究中的115项（83.3%）专注于健康问题而非运动相关目标。研究的样本量差异很大，从仅23名参与者到一项使用公共登记数据的研究中超过900,000名参与者不等。表2总结了所包含研究的一般特征，包括期刊和国家。

运动特征

大多数研究（n=90，65.2%）未提供任何特定运动。在其余研究中，运动种类广泛，尽管某些运动在研究中占主导地位。美式足球是最常研究的运动，出现在11篇文章中（8.0%），其次是跑步（n=9，6.5%）、足球（n=9，6.5%）和篮球（n=8，5.8%）。其他运动，如棒球、橄榄球、自行车和网球，代表较少，每种最多占研究的5%。

研究中存在性别不平衡，84.8%（n=117）的文章包括男女运动员，但只有0.7%（1项研究）专门关注女性运动员。在专注于特定运动的研究中，业余参与者（n=22，15.9%）的代表性略高于专业运动员（n=17，12.3%）。在某些情况下，将两个竞争级别结合起来（n=9，6.5%）。

统计分析和方法

在审查的文章中，根据研究目标使用了各种统计方法（表4和在线补充图S2）。大体上，这些分析要么专注于估计生存函数——描述事件（如伤害、退休或恢复）随时间发生的概率，要么专注于比较与该事件相关的风险。Kaplan-Meier估计器是生存估计最常用的方法（n=107，77.5%），而Fleming-Harrington检验家族是风险比较最常用的方法（n=63，45.7%），其中log-rank检验是其中的主要选择（n=61，44.2%）。这些方法是非参数且未经调整的。在使用统计模型的调整方法中，Cox比例风险模型被广泛使用（n=61，50.7%），但只有三项研究纳入了随机效应。由于这三种分析是最常用的方法，我们还检查了它们的组合使用：Kaplan-Meier与Cox回归（n=49，35.5%）、Kaplan-Meier与log-rank检验（n=59，42.8%）以及Cox回归与log-rank检验（n=29，21.0%）。同时，参数模型（如Weibull模型）使用较少（n=2，1.4%）。尽管机器学习方法越来越受欢迎，但仅在两项研究中应用，均使用随机生存森林。此外，六项研究（4.3%）解决了竞争风险，只有一项研究是在贝叶斯框架内进行的。值得注意的是，四项研究（2.9%）设定了固定时间范围，并使用该点的生存率应用逻辑回归，忽略了考虑删失的更常规的生存分析技术。在某些情况下，这些方法并非互斥，可以在同一研究中结合使用。

未经调整的分析在健康相关研究中比在表现相关研究中更常见（Kaplan-Meier：79.1%对69.6%；log-rank：46.1%对34.8%），而Cox回归在表现相关研究中更常见（69.6%对47.0%）（见在线补充表S2）。Kaplan-Meier通常应用于较小的研究（中位样本量186对未使用时的450），而Cox回归与较大的样本相关（355对144）。对于log-rank检验，样本量差异可以忽略不计（203对246）。

17篇论文（11.0%）未指定使用的统计软件，其中超过三分之一报告使用SPSS（n=58，37.4%）。关于数据共享和分析代码可用性的结果尤其令人失望，只有12项研究（8.7%）共享数据，仅2项研究（1.4%）提供分析代码。几乎所有研究都处理右删失（n=135，97.8%），只有3项（2.2%）使用区间删失（表4）。

方法学质量和报告完整性

图2显示了每个SAMPL项目报告良好的研究比例，按其满足程度排序。报告最差的项目是在不同时间点处于风险中的个体数量（94.2%报告不佳），而报告最好的项目是对生存分析中使用的时间点的明确定义（97.1%）。在线补充表S3包含每个SAMPL指南项目的绝对和相对频率。

四分之三的研究（n=104，75.4%）未提供有关统计分析基本假设的足够信息，特别是Cox回归中的比例风险假设。近三分之二（n=86，62.3%）未充分描述生存分析的目的，约30%未能证明或清楚解释应用时间事件方法的必要性。23%的文章中，比较组或感兴趣的事件未明确定义。

只有42项研究（30.4%）提供了关于删失原因的完整和准确信息。中位生存时间在19.8%的合格研究中报告，而生存曲线——主要是Kaplan-Meier——在近90%的情况下至少部分报告，尽管35.5%缺乏置信区间。累积风险图在13.8%的文章中报告。

在报告生存模型时，38.3%的研究未能提供结果的关联测量（风险比），10.2%仅部分提供。大多数研究（70.2%）正确报告了p值，尽管许多研究未包含相应的效应大小或置信区间。

为探索时间趋势，将出版年份分为两组（<2020和≥2020）。如在线补充图S3所示，2020年后期间报告良好的研究比例略有改善，特别是在风险测量、回归模型结果、中位生存和假设评估的报告方面。

讨论

时间事件分析是运动领域中日益使用的方法学，特别是在健康领域而非运动表现方面，并且似乎在美国比在欧洲更常应用。

我们的评估突显了运动科学和医学中生存分析的方法学透明度和报告完整性方面持续存在的缺陷。如图2和在线补充表S2所示，大多数研究未充分描述分析假设、删失机制或使用时间事件方法的理由。这限制了可重复性并削弱了研究结果的可解释性。

特别是，Cox回归中假设检查的广泛省略以及研究目标（预测性vs病因学）的模糊性表明，生存模型的采用较为肤浅，而非基于概念的使用。同样，删失原因报告不完整阻碍了潜在信息删失的评估，这是结论有效性的一个关键方面。

尽管Kaplan-Meier图表很常见，但置信区间经常被省略，降低了它们的解释价值。同样，过度依赖p值而不提供效应大小与SAMPL和相关报告指南的建议相矛盾。然而，2020年后观察到的轻微改善（在线补充图S3）可能反映了对报告指南的认识不断提高以及更广泛地向开放和透明研究实践的转变。

与其他研究的比较

其他研究已在运动领域进行，探索不同的统计方法，如聚类和有序逻辑回归模型。所有这些研究都突显了可能解决的重大方法学缺陷。

本研究可以被视为1993年至2013年间运动伤害生存研究的系统综述的延续。在该综述中，只有11.7%的研究使用了多变量Cox模型，10.7%使用了Kaplan-Meier估计。在这方面，自2013年以来，这些方法的使用有所增加。

其他工作研究了2022年5月至10月发表在五大运动医学期刊中的研究的开放科学实践的范围和质量。结果显示，开放科学实践明显有限，每项研究满足的实践中位数仅为12项中的2项。这些结果与我们的发现一致，我们观察到开源软件使用极少，数据和分析代码的访问非常有限。

局限性

我们的搜索策略可能遗漏了一些相关的生存研究，因为一些使用时间事件方法的文章可能在其可搜索字段中未明确包含"生存分析"、"时间事件"或"Cox回归"等术语。此外，我们专注于JCR中索引的运动科学领域期刊，可能排除了发表在非索引或更应用型期刊中的相关生存研究，这些期刊超出了本综述的范围。此外，基于SAMPL指南的几项评估本质上是主观的，更多的评估者可能会提高信心水平。另一个限制源于SAMPL指南本身的年代，因为其某些项目现在已经过时。例如，在组比较中报告p值的要求已不再必要；如今，报告效应大小就足够了。最后，明显缺乏更全面的指南，无法为报告生存研究提供更清晰的指导，特别是运动科学和医学领域的生存研究。尽管CHecklist for statistical Assessment of Medical Papers (CHAMP)指南更新，但它不仅关注统计分析，还扩展到研究报告的更广泛方面。此外，该指南面向审稿人而非作者本身。因此，它未能解决我们综述的特定需求，特别是在为运动背景下报告生存研究提供详细指导方面。

与此同时，我们推荐使用教程，这些教程虽然不提供关于文章报告的具体建议，但提供了关于如何在生存研究中进行统计分析的清晰一般指南。

对未来研究的启示

这些发现对运动科学和医学中生存分析的未来研究有几个重要启示。首先，迫切需要更好的生存分析方法培训，并确保研究人员正确测试其模型的基本假设。这将有助于提高生存分析结果的准确性和有效性。未来的研究应明确报告是否评估了比例风险假设、删失机制和模型拟合诊断。一致地提供此信息将使读者能够评估分析的稳健性。

此外，期刊和审稿人应执行更严格的报告标准，确保研究中使用的软件、统计包和验证方法得到明确概述，从而更容易复制和比较结果。我们建议期刊采用结构化报告清单（例如SAMPL指南），其中包括关于透明度和方法学严谨性的基本项目。为运动科学和医学中的生存分析开发共识指南也将非常有价值。

一个特别发人深省的发现是研究中明显的性别不平衡。虽然一些研究包括男女运动员，但重点主要放在男性运动员上，女性运动员通常未得到充分解决或单独分析。这种不平衡表明需要更多明确包括女性运动员并检查生存结果中性别差异的研究。此外，对足球和美式足球以外运动的研究代表性不足，应在未来研究中优先考虑。

最后，应促进该领域的开放科学实践——包括数据和代码共享、预先注册和更广泛采用开放获取出版。这些实践将促进复制、二次分析和累积知识构建，从而增强生存分析的可重复性和可靠性。

结论

虽然生存分析在运动科学和医学中的应用正在扩大，但在方法学严谨性和报告实践方面仍有很大的改进空间。遵守统计指南、更好地报告模型假设和更具包容性的研究实践对于推进该领域是必要的。需要开发更全面和特定的生存研究报告指南，这将实现方法的严格和透明标准化，从而促进运动科学领域结果的可重复性、解释性和可比性。

补充文件

脚注

贡献者：MC构思了研究，对结果解释做出贡献，审查了统计分析并批判性修订了稿件。JC进行了统计分析并解释了研究结果。RON对结果解释做出贡献并对稿件提供了关键修订。所有作者都参与了对研究中SAMPL报告项目的评估。所有作者批准了稿件的最终版本，并同意对工作的所有方面负责。JC是本研究的保证人。我们使用ChatGPT（OpenAI）改进了稿件的语法和清晰度。作者完全负责内容，并验证了所有修订的准确性。
资金：除致谢部分承认的支持外，本研究未获得特定资金。
竞争利益：无声明。
来源和同行评审：非委托；外部同行评审。

伦理声明

患者同意发表：不适用。

伦理批准：不适用。

致谢

本工作得到西班牙科学与创新部(Ministerio de Ciencia e Innovación)资助号PID2023-148033OB-C21和西班牙加泰罗尼亚政府企业与知识部(Departament d'Empresa i Coneixement de la Generalitat de Catalunya)资助号2021 SGR 01421 (GRBIO)的支持。

参考文献

Casals M, Finch CF. 体育生物统计学家：所有运动科学和医学团队进行伤害预防的关键成员。Inj Prev 2017; 23:423–7。
Sainani KL, Borg DN, Caldwell AR, 等。呼吁增加体育科学、运动和运动医学以及运动物理治疗中的统计协作。Br J Sports Med 2021; 55:118–22。
Bullock GS, Mylott J, Hughes T, 等。我们对预测运动伤害的信心到底有多大？运动中现有肌肉骨骼伤害预测模型的方法学实施和表现的系统综述。Sports Med 2022; 52:2469–82。
Mansournia MA, Collins GS, Nielsen RO, 等。医学论文统计评估检查表（CHAMP声明）：解释和阐述。Br J Sports Med 2021; 55:1009–17。
Warmenhoven J, Menaspà P, Borg DN, 等。体育元研究：运动科学和医学的一个新兴学科。Sports Med 2025; 55:845–56。
Cox DR. 回归模型和生命表。Journal of the Royal Statistical Society Series B 1972; 34:187–202。
Altman DG. 医学期刊的统计审查。Stat Med 1998; 17:2661–74。
Bradburn MJ, Clark TG, Love SB, 等。生存分析第二部分：多变量数据分析——概念和方法介绍。Br J Cancer 2003; 89:431–6。
Bradburn MJ, Clark TG, Love SB, 等。生存分析第三部分：多变量数据分析——选择模型及其充分性和拟合度评估。Br J Cancer 2003; 89:605–11。
David H, Susanne M, Stanley L, 等。应用生存分析：事件时间数据的回归建模。Wiley-Interscience 2008。
Kleinbaum DGK, Klein M. 生存分析：自学文本。Springer New York 2012。
Horton NJ, Switzer SS. 期刊中的统计方法。N Engl J Med 2005; 353:1977–9。
Finch CF, Marshall SW. 让我们不要把婴儿和洗澡水一起倒掉：改进纵向伤害数据的分析。Br J Sports Med 2016; 50:712–5。
Nielsen RO, Bertelsen ML, Ramskov D, 等。运动伤害研究中时间事件分析的第二部分：时变结果。Br J Sports Med 2019; 53:70–8。
Jungmalm J, Bertelsen ML, Nielsen RO, 等。在前瞻性研究中，有多少比例的运动员受伤？删失观察很重要。Br J Sports Med 2020; 54:70–1。
Mahmood A, Ullah S, Finch C, 等。生存模型在运动伤害预防研究中的应用：系统综述。Br J Sports Med 2014; 48:630。
Macis A. 脆弱性在评估国家篮球协会球员伤害风险因素中的作用。Comput Stat 2025; 40:1985–2003。
Lachin JM. 生物统计学方法：相对风险的评估。Washington, John Wiley & Sons, Inc 2000。
Zhu X, Zhou X, Zhang Y, 等。发表在中国肿瘤学期刊中的生存分析的报告和方法学质量。Medicine (Baltimore) 2017; 96。
Sainani KL. "效应量推断"的问题。Med Sci Sports Exerc 2018; 50:2166–76。
Moher D, Liberati A, Tetzlaff J, 等。系统综述和荟萃分析的首选报告项目：PRISMA声明。PLoS Med 2009; 6。
Lang TA, Altman DG. 发表在生物医学期刊上的文章的基本统计报告：《已发表文献中的统计分析和方法》或SAMPL指南。Int J Nurs Stud 2015; 52:5–9。
Vandenbroucke JP, von Elm E, Altman DG, 等。加强流行病学中观察性研究报告（STROBE）：解释和阐述。Epidemiology 2007; 18:805–35。
Ramspek CL, Steyerberg EW, Riley RD, 等。预测或因果关系？当前观察性研究中它们的混淆范围综述。Eur J Epidemiol 2021; 36:889–98。
Moons KGM, Altman DG, Reitsma JB, 等。个体预后或诊断的多变量预测模型的透明报告（TRIPOD）：解释和阐述。Ann Intern Med 2015; 162:W1–73。
Moher D, Hopewell S, Schulz KF, 等。CONSORT 2010解释和阐述：更新的平行组随机试验报告指南。BMJ 2010; 340。
Fernández D, Casals M, Oliver M, 等。运动科学中聚类技术报告的范围综述。Electronic Journal of Applied Statistical Analysis 2024; 17:653–75。
Fernández D, Estopañan M, Baumer B, 等。运动科学领域中有序响应回归模型的报告：系统综述。WIREs Computational Stats 2025; 17。
Schober P, Vetter TR. 生存分析和时间事件数据的解释：乌龟和兔子。Anesth Analg 2018; 127:792–8。
Clark TG, Bradburn MJ, Love SB, 等。生存分析第四部分：生存分析中的进一步概念和方法。Br J Cancer 2003; 89:781–6。
Clark TG, Bradburn MJ, Love SB, 等。生存分析第一部分：基本概念和初步分析。Br J Cancer 2003; 89:232–8。