竞争风险与累积发生函数 Competing Risks, Cumulative Incidence, and Fine-Gray Model (CIF / Gray / Fine-Gray)

在目标事件可能被另一事件阻止时估计累积发生函数，用 Gray 检验比较 CIF，并可用 Fine-Gray 模型估计亚分布风险比。

统计原理

竞争事件一旦发生，会使目标事件以后不可能被观察。例如分析疾病进展时，“未进展先死亡”会阻止后续进展。原因 $k$ 的累积发生函数（CIF）是绝对概率：

F_k(t)=P(T\le t,J=k)=\int_0^t S(u-)\,d\Lambda_k(u),

其中 $S(u-)$ 是任何事件尚未发生的概率， $\Lambda_k$ 是原因 $k$ 的原因别累积风险。竞争事件既不计入目标事件，也不能像普通失访一样简单忽略；把它当普通删失后用 $1-\widehat S_{KM}(t)$ 会假想这些人仍可发生目标事件，通常高估目标事件的绝对累积概率。

Gray 检验比较两组目标事件 CIF 的整条曲线。Fine-Gray 模型则对亚分布风险施加比例假设：

\bar\lambda_k(t\mid X)=\bar\lambda_{k0}(t)\exp(\beta X),

$\exp(\beta)$ 是亚分布风险比（sHR）。本页方向为 Drug A / Placebo；sHR<1 表示在模型假设下 Drug A 的目标事件 CIF 倾向较低，但 sHR 不是原因别 HR，也不是某时点 CIF 的简单比值。

竞争事件改变目标事件的累积发生率

发生竞争事件后不再可能观察目标事件，因此不能把它简单当作普通删失。

什么时候用

时间-事件终点存在会阻止目标事件的另一种事件，且需要报告目标事件的绝对累计概率或比较组间 CIF 时使用。常见场景包括移植后复发（无复发死亡为竞争事件）、心血管特定原因死亡（其他原因死亡为竞争事件）。

SAP 里长这样：

The cumulative incidence function for progression, treating death without prior progression as a competing event, will be estimated by treatment group. Groups will be compared using Gray’s test. A Fine-Gray proportional subdistribution hazards model will estimate the subdistribution hazard ratio (Drug A / placebo).

看到 competing risk / cumulative incidence / Gray / subdistribution hazard / Fine-Gray，应先确认每个状态代码、目标事件以及 estimand 对竞争事件的处理策略。

适用条件速查卡

项	条件
数据结构	每名受试者对目标参数一条最早事件/竞争事件/删失记录
状态编码	本页 `STATUS=0` 删失、`1` 目标事件、`2` 竞争事件
CIF 前提	删失在给定信息下非信息性；目标/竞争事件分类互斥且时间定义一致
Gray 检验	比较目标事件 CIF；不直接提供效应量
Fine-Gray	亚分布风险满足比例假设；sHR 方向为 Drug A / Placebo
原因别 Cox	回答当前无任何事件者的瞬时原因别风险，和 Fine-Gray 的 estimand 不同
输入范围	目标 `PARAMCD`、分析集、`ANL01FL='Y'` 已限定且一人一条

核心 SAS 代码

proc lifetest data=adtte_ttp outcif=cif_estimates
    timelist=180 365 reduceout plots=cif(test);
  time aval*status(0) / eventcode=1;
  strata trt01p;
run;

proc phreg data=adtte_ttp plots(overlay=stratum)=cif;
  class trt01p(ref='Placebo') / param=ref;
  model aval*status(0)=trt01p / eventcode=1;
  hazardratio trt01p / diff=ref cl=wald;
run;

status(0) 只把 0 指定为删失；eventcode=1 指定 1 为目标事件，其他非零值自动作为竞争事件。
OUTCIF= 保存目标事件 CIF 与置信限；timelist= 应使用 SAP 预设时间点和正式时间换算规则。
plots=cif(test) 展示 CIF 并执行 Gray 同质性检验。
PHREG 中同一 eventcode=1 拟合 Fine-Gray 亚分布风险模型。参考组和 hazardratio 标签共同确定 sHR=Drug A / Placebo。

变量解释表

变量	含义	典型来源
USUBJID	受试者唯一标识	ADTTE.USUBJID
TRT01P	计划治疗组	ADSL.TRT01P → ADTTE.TRT01P
PARAMCD	目标参数；示例为 `TTP`	ADTTE.PARAMCD
AVAL	从规定起点到首次目标/竞争事件或删失的时间	ADTTE.AVAL
STATUS	`0=删失, 1=进展, 2=无进展死亡`	事件类型派生
ANL01FL	主分析记录标记	ADTTE.ANL01FL
EVNTDESC	状态原因的可读说明，建议保留用于 QC	ADTTE.EVNTDESC

输出对照

SAS 输出	关键值	Shell 行
Summary of Failure Outcomes	目标事件、竞争事件、删失人数	每组 n / events / competing events
`CIF_ESTIMATES`	指定时点 CIF、Lower/Upper CL	Cumulative incidence at Day 180/365, % (95% CI)
Gray’s Test	Chi-Square、DF、p 值	Gray test p-value
`FG_HAZARD_RATIO`	HazardRatio、HRLowerCL、HRUpperCL	Subdistribution HR (Drug A / Placebo), 95% CI
`FG_PARAMETERS`	系数、标准误、Wald p 值	Fine-Gray model p-value；须与 sHR 同一模型

CIF 应按百分比展示，sHR 是相对模型效应；二者不能互相替代。若 SAP 指定 Gray 检验为主检验而 Fine-Gray 仅为支持性分析，shell 和结论必须保持该层级。

示例数据与程序

example.csv — 40 例原创模拟记录，包含进展、无进展死亡和删失三种状态
example.sas — CIF、指定时点估计、Gray 检验和 Fine-Gray sHR 的完整程序

常见坑

竞争事件不是普通删失

用 1-KM 当 CIF：在竞争风险存在时通常高估目标事件绝对概率，应使用 Aalen-Johansen/CIF 估计。
状态代码写错：eventcode=1 必须和 ADTTE 规范一致；目标与竞争事件对换会完全改变问题。
混淆 sHR 与原因别 HR：二者风险集、估计目标和临床解释不同，数值不应期望相等。
只看 Gray p 值：p 值不说明差异大小；应同时给每组 CIF 和预设时点的绝对差异描述。
忽略亚分布 PH 假设：单一 sHR 仍是比例模型参数；曲线效应随时间变化时应按 SAP 做诊断或替代描述。
把治疗后干预误当竞争事件：哪些事件阻止目标事件由 estimand 和 SAP 决定，不能仅凭数据方便性分类。