在肿瘤和慢性病随访研究中，生存分析方法的应用受到众多临床研究者的亲睐。为了更好地选择和评价临床随访资料的分析摸型，本文拟从众多影响生存预后的研究因素中，构建合适的有意义模型，对生存分析数据质量进行影响分析与评价，并以ALL患者生存分析资料的参数与半参数Cox回归模型研究对比分析，进而为临床医师选择生存分析模型提出合理的评价方法与步骤，为临床随访资料的诊断提供分析指标与标准。本研究主要围绕预后因素的筛选，生存分析回归模型影响分析和模型诊断，并以ALL患者生存分析资料的参数与半参数模型研究对比分析，所有步骤均在SAS软件中实现。本文拟合了几种常见的参数回归模型：指数回归模型、Weibull回归模型、广义Gamma回归模型及标准Gamma回归模型；讨论了图示法和似然比拟合优度检验两种方法，并对各参数模型进行拟合优度检验。图示法中采用Cox-Snell残差，其与基于对数线性模型表达式的所谓的标准残差检验是等价的。图示法直观，应用方便，但是对模型拟合效果不太敏感。采用似然比统计量进行拟合优度检验弥补了图示法的不足。实例拟合及检验结果均表明，ALL患者生存资料满足标准Gamma模型的应用条件，是阐明成人急性淋巴细胞白血病治疗效果的最优回归模型，多因素分析引入方程的影响因素，解释更符合临床治疗实际，是预后分析与评价的重要参考依据。进一步表明拟合较好的参数模型显然能利用到更多信息从而产生更好的参数估计效能。本文通过时协变量法Cox比例风险模型假定的正规检验，系统介绍了Schoenfeld残差、加权Score残差、鞅残差、剩余残差、似然距离和最大影响曲率等影响点诊断分析指标。研究表明，Cox模型中，回归系数的偏似然估计受影响点影响，模型拟合结果不稳健，有时个别强影响点会改变回归系数的解释与统计学分析结果。影响点有可能源于分析数据本身，如样本中的极值点、协变量分布非均衡等，或源自模型，如模型失拟或违背模型假定等。本研究通过ALL患者资料分析，进一步验证了Cox模型比例风险假定的合理性，发现本实例数据中有异常点存在，部分分析变量不满足模型比例风险假定，两个强影响点还对比例风险假定有影响。由于Cox模型适用范围广，临床资料分析应用中，分析者常忽视了它的应用条件及数据影响点诊断，直接引致模型结果出现解释偏倚，影响构建模型的稳定性。因此建议，模型拟合应根据生存时间的分布特征，再检验模型分析要求的PH假定，并进行模型拟合数据影响点的识别等，多角度结合分析应作为Cox比例风险回归模型分析的首要内容。生存分析中参数回归模型可充分利用经验或历史资料所提供的信息，满足模型应用条件及模型假定要求时，建立的模型不仅估计精度高，且当样本量有限时，参数回归模型比半参数模型利用信息更充分。本研究通过图示法及似然比拟合优度检验法，再加临床经验对比分析，拟合的四种参数模型进一步证实，标准Gamma模型拟合成人急性淋巴细胞白血病复发模型效果更优，引入方程的预后因素更符合临床实际，结果解释更合理。Cox比例风险模型分析中，考虑运用时协变量法进行Cox比例风险假定的检验，并进行数据影响诊断，应作Cox回归模型分析的首要步骤。这样，不仅可使Cox模型回归系数的偏似然估计结果更可信，而且尚可纠正由于受个别强影响点影响，改变回归系数估计结果偏倚问题。以结合考虑分析资料中强影响点对比例风险模型假定的影响。