中位生存期
中位生存期（Median Survival Time, mOS / MST），又称半数生存期，是肿瘤学及慢性病临床研究中评价预后最核心的统计学指标。它被定义为：在一个同质的患者群体中，恰好有 50% 的个体发生终点事件（如死亡）或存活的时间点。换言之，就是该群体中有一半人还活着、一半人已经去世的时间长度。与“平均生存期”（Mean Survival Time）相比，中位生存期不受少数长期存活者（极端值）的干扰，更能稳健地反映大多数患者的预期寿命，且计算时无需等待所有患者死亡（只需等到 50% 死亡即可），因此在临床试验中具有极高的实用价值。
统计原理：为什么不看“平均”？
在日常生活中，我们习惯用“平均数”来代表整体水平。但在生存分析中，平均数（Mean）是一个极其糟糕的指标，原因如下：
- 偏态分布 (Skewed Distribution)：
生存时间数据通常不是正态分布，而是呈右偏态（大部分人较早死亡，少数人活得极长）。少数“长寿冠军”会极大地拉高平均值，使其无法代表普通患者的情况。而中位数（Median）不受极端值影响。 - 删失处理 (Handling Censoring)：
要计算平均生存期，必须等到所有受试者都死亡，这在临床研究中几乎是不可能的（有些患者可能活几十年）。而计算中位生存期，只需观察到50% 的事件发生即可，极大缩短了研究周期。
右偏态分布中平均数被拉高，中位数更稳健
临床解读：mOS 与 mPFS
如何向患者解释？
当医生说“这种药的中位生存期是 12 个月”时，并不意味着患者“只能活 12 个月”。
正确解释： “这就像考试的及格线。在这个治疗群体中，有一半的人生存时间超过了 12 个月，另一半人不到 12 个月。您有机会成为那超过的一半，甚至成为长期生存者。”
| 指标符号 | 定义 | 临床意义 |
|---|---|---|
| mOS (中位总生存期) |
从随机化到 50% 患者因任何原因死亡的时间。 | 金标准。最硬的终点，反映药物是否真的“救命”。但在后线治疗多的情况下，数据成熟慢。 |
| mPFS (中位无进展生存期) |
从随机化到 50% 患者发生肿瘤进展或死亡的时间。 | 反映药物“控制肿瘤”的能力。数据成熟快，常用于新药加速审批。 |
| 未达到 (NR) (Not Reached) |
随访结束时，死亡/事件人数尚未超过总人数的一半。 | 极好的信号。说明疗效极佳（或随访时间尚短），KM 曲线还没有降到 0.5 水平线以下。 |
局限性：免疫治疗时代的挑战
随着免疫检查点抑制剂 (如 PD-1/PD-L1) 的出现，中位生存期这一指标开始显露出局限性。
- 拖尾效应 (Long Tail Effect)：
免疫治疗能让一部分患者（如 20%）获得长期生存甚至临床治愈。但这部分“超级幸存者”处于曲线的尾部（>50% 之后）。此时，中位生存期（只看前 50%）可能与化疗组无异，无法体现免疫治疗“一旦起效、长期获益”的优势。 - 替代指标：
对于这类疗法，临床医生开始更多关注 里程碑生存率（如 2年生存率、5年生存率）或 RMST（限制平均生存时间）。
学术参考文献与权威点评
[1] Pocock SJ, et al. (2002). Survival analysis in clinical trials: a good practice guide. The Lancet. 2002;359(9318):1686-1689.
[学术点评]：统计规范。详细解释了为什么在包含删失数据的研究中，中位数是比平均数更合适的集中趋势度量指标。
[2] Hoos A, et al. (2010). Improved endpoints for cancer immunotherapy trials. Journal of the National Cancer Institute. 2010;102(18):1388-1397.
[学术点评]：时代挑战。指出对于免疫治疗，单纯的中位生存期可能低估疗效，呼吁引入长期生存率等补充终点。
[3] Brookmeyer R, Crowley J. (1982). A confidence interval for the median survival time. Biometrics. 1982;29-41.
[学术点评]：算法基础。提出了计算中位生存期 95% 置信区间的经典非参数方法，这是所有现代统计软件（如 SAS, SPSS）计算 mOS 的后台算法。