3. 删失数据详解
在寿命数据分析中，删失（Censoring） 是最核心的数据特征之一。它并非数据缺失，而是指我们只知道事件发生时间落在某个区间内，却不知道确切时刻。理解不同类型的删失机制，是正确选择似然函数、避免估计偏倚的前提。
3.1 删失的分类框架
根据事件发生时间相对于观测窗口的位置，删失可分为三大基本类型：右删失、左删失 和 区间删失。此外，根据删失时间是否固定，又可分为 I 型删失 和 II 型删失；而 随机删失 则更贴近实际观测场景。
3.2 三种基本删失类型
3.2.1 右删失（Right Censoring）
最常见的一种删失。观测对象在进入研究后，直到研究结束仍未发生目标事件，或者在中途失访。我们只知道其真实寿命 T 大于某个已知的删失时间 C。
- 典型场景：临床试验中患者存活至试验截止日期；设备在保修期内未发生故障。
- 似然贡献： \( L_i = S(C_i) = P(T > C_i) \)
- 处理方式：在似然函数中，右删失数据贡献生存函数值，而非密度函数值。
3.2.2 左删失（Left Censoring）
事件在研究开始之前已经发生，但我们只知道事件发生在某个时间点之前。即真实寿命 T 小于某个已知时间 C。
- 典型场景：检测设备时发现某部件已失效，但失效时间未知；儿童首次开口说话的时间在出生后某个检查点之前。
- 似然贡献： \( L_i = F(C_i) = P(T \le C_i) \)
- 注意：左删失常与左截断（Left Truncation）混淆，前者是事件已发生但时间未知，后者是事件发生前个体未被纳入研究。
3.2.3 区间删失（Interval Censoring）
我们只知道事件发生在某个时间区间 [L, R] 内，但不知道确切时刻。这是右删失和左删失的广义形式。
- 典型场景：定期体检发现肿瘤，只知道肿瘤在两次检查之间发生；设备在两次巡检之间失效。
- 似然贡献： \( L_i = F(R_i) - F(L_i) = S(L_i) - S(R_i) \)
- 特例：当 \( L = 0 \) 时退化为左删失；当 \( R = \infty \) 时退化为右删失。
3.3 按试验设计分类：I 型、II 型与随机删失
| 类型 | 定义 | 删失时间 | 失效数 | 典型应用 |
|---|---|---|---|---|
| I 型删失 | 试验在预定时间 \( T_0 \) 终止 | 固定（已知） | 随机（未知） | 临床试验固定随访期 |
| II 型删失 | 试验在观察到第 \( r \) 个失效时终止 | 随机（未知） | 固定（已知） | 加速寿命试验（ALT） |
| 随机删失 | 每个个体的删失时间 \( C_i \) 独立于寿命 \( T_i \) | 随机（个体间不同） | 随机 | 失访、退出、竞争风险 |
3.3.1 I 型删失（Type I Censoring）
研究者预先设定一个固定的截止时间 \( T_0 \)。所有在 \( T_0 \) 之前未发生事件的个体都被右删失。删失时间是确定的，但最终观察到的失效个数是随机的。
- 优点：试验时长可控，预算可预测。
- 缺点：如果 \( T_0 \) 设置过短，可能只有极少数失效，导致估计精度低。
3.3.2 II 型删失（Type II Censoring）
研究者预先设定需要观察到的失效个数 \( r \)。试验持续进行，直到第 \( r \) 个失效发生时才终止。此时，删失时间（即试验终止时间）是随机的，但失效个数是固定的。
- 优点：保证有足够多的失效数据用于估计，统计效率较高。
- 缺点：试验总时长不可控，可能远超预期。
3.3.3 随机删失（Random Censoring）
每个个体都有一个潜在的删失时间 \( C_i \)，且 \( C_i \) 与寿命 \( T_i \) 相互独立（或至少独立于事件发生机制）。实际观测时间为 \( Y_i = \min(T_i, C_i) \)，删失指示变量 \( \delta_i = I(T_i \le C_i) \)。
- 典型场景：患者因搬家、转院、拒绝随访等原因失访；多个原因导致的竞争风险。
- 关键假设：非信息性删失（Non-informative Censoring），即删失机制不包含关于寿命分布的信息。若该假设不成立，则需使用更复杂的联合模型。
3.4 删失数据的似然函数统一表达
无论删失类型如何，都可以用统一的似然函数框架来表达。对于 \( n \) 个独立观测，似然函数为：
L(θ) = ∏_{i=1}^{n} [ f(t_i) ]^{δ_i} × [ S(C_i) ]^{1-δ_i} （右删失）
或更一般地：
L(θ) = ∏_{i=1}^{n} [ f(t_i) ]^{δ_i} × [ F(L_i) ]^{γ_i} × [ S(R_i) ]^{η_i} × [ S(L_i) - S(R_i) ]^{ζ_i}
其中：
- δ_i = 1 表示确切失效时间已知
- γ_i = 1 表示左删失
- η_i = 1 表示右删失
- ζ_i = 1 表示区间删失
- 每个个体只属于其中一种情况survival 包中，使用 Surv(time, event, type = "interval") 可以同时处理右删失、左删失和区间删失。对于区间删失数据，time 参数传入左边界，time2 传入右边界，event 编码为 3。
3.5 删失类型对比速查表
| 删失类型 | 已知信息 | 未知信息 | 似然贡献 | 常见误区 |
|---|---|---|---|---|
| 右删失 | T > C | 确切失效时间 | S(C) | 误将删失视为失效 |
| 左删失 | T < C | 确切失效时间 | F(C) | 与左截断混淆 |
| 区间删失 | L ≤ T ≤ R | 确切失效时间 | S(L) - S(R) | 用中点近似导致偏倚 |
| I 型删失 | 删失时间固定 | 失效个数 | 取决于具体类型 | 忽略试验时长影响 |
| II 型删失 | 失效个数固定 | 试验终止时间 | 取决于具体类型 | 忽略排序统计量分布 |
| 随机删失 | 个体删失时间独立 | 删失机制 | 取决于具体类型 | 忽视非信息性假设 |
3.6 实例：混合删失数据的似然构建
假设某临床试验有 5 名患者，观测数据如下：
| 患者 | 观测时间 | 事件状态 | 删失类型 |
|---|---|---|---|
| 1 | 12 个月 | 死亡 | 确切失效 |
| 2 | 24 个月 | 删失 | 右删失（试验结束） |
| 3 | 6 个月 | 删失 | 左删失（入组前已死亡） |
| 4 | [8, 16] 个月 | 区间删失 | 区间删失（两次随访间死亡） |
| 5 | 18 个月 | 删失 | 右删失（失访） |
假设寿命服从指数分布 \( T \sim \text{Exp}(\lambda) \)，则似然函数为：
L(λ) = f(12) × S(24) × F(6) × [S(8) - S(16)] × S(18)
= λ e^{-12λ} × e^{-24λ} × (1 - e^{-6λ}) × (e^{-8λ} - e^{-16λ}) × e^{-18λ}
= λ e^{-54λ} (1 - e^{-6λ}) (e^{-8λ} - e^{-16λ})通过最大化该似然函数，即可得到 \( \lambda \) 的 MLE 估计，同时正确利用了所有删失信息。