近年来,随着大型癌症登记数据的易获得性和研究的重要性,癌症生存模型中地理和风险效应的灵活组合正变得越来越受欢迎.大多数空间生存模型会从不同亚群中随机获得生存曲线.然而,在流行病学的研究中,两个亚群的生存曲线通常会相交,因此在不做修改的情况下标准的生存模型是不能使用的.通常的解决办法是在成比例风险模型或完全非参数模型中加入时变回归效应,然而上述两种模型中任何一种都会破坏拟合模型的易解释性.为了解决这个问题,Zhou等人提出了一个广义加速失效时间模型,它允许对连续或明确协变量进行分层,同时通过新的近似贝叶斯因子进行每一变量的测试来判断分层是否必须.这个模型的先进之处在于它适用于任何的删失数据,有着较强的可解释性,并且它能够在存在空间相关性的情况下捕捉到交叉生存曲线.在后验推理方面,他们提出了一个详细的马尔科夫链蒙特卡罗算法,在R包“spBayesSurv”中对应了适用于模型的函数“frailtyGAFT”.本文中,首先,我们对近年来一些学者所做的工作进行了阐述.其次,我们对上述模型中的相关概念和方法进行了介绍.再次,我们在模拟中做了一系列研究以确认方法的适用性和稳定性.随后,我们对一些实际的数据进行了分析并得出了相关结论.最后,我们对本文所做的工作进行了总结并做出了进一步的讨论.