分析生存数据时，Prism简单地忽略任何X=0的行。逻辑很简单。如果替代治疗从零时开始，则治疗开始时的死亡不提供任何信息来帮助您决定两种治疗中哪一种更好。并未要求X是整数。如果治疗半天后出现死亡，而X值以天为单位制成表格，则只需输入0.5表示该受试者的观察时间。

一些领域（儿科白血病为其中之一）确实认为零时发生的事件有效。这些研究不仅追踪死亡，而是追踪直至疾病复发为止的时间。但疾病直至第一次进入缓解期为止均不会复发。在一些儿科白血病试验的情况下，治疗在零时前30天开始。大多数患者在零时有所缓解。然后对患者进行随访，直至死亡或疾病复发为止。但从未进入缓解期的受试者会如何？一些研究者认为这些是零时的事件。一些程序会考虑时间零点的事件，因此Kaplan-Meier生存曲线始于小于100%的生存概率。如果某治疗组中10%的患者从未进入缓解期，则生存曲线将从Y=90%（而非100%）开始。

出于以下原因，我们未更改Prism来解释发生在时间零点的事件：

•我们尚未看到任何科学论文，也未看到教科书来解释分析零时死亡意味着什么。其似乎远离标准

•将两个截然不同的问题的答案放在一条生存曲线中似乎是错误做法：进入缓解期的患者比例是多少？处于缓解期的患者会在缓解期中停留多久？

•如果我们包含X=0的数据，则我们无法确定生存分析的结果（中位生存时间、风险比、P值等）将有意义

根本问题是：生存分析利用的数据表示发生感兴趣事件之前的历时。该事件通常是死亡。通常，每名受试者只发生一次其他明确定义的事件。而且，该事件定义为理论上在足够时间内可能发生在每名试验参与者身上的事件。通过这些儿科白血病试验，该事件被定义为疾病复发。但是当然，疾病无法复发，除非其首先进入缓解期。因此生存分析实际上被用于追踪两例不同事件中的第二例发生之前所经历的时间。这导致一个问题，即如何分析来自从未进入缓解期的患者的数据（第一个事件从未发生）。

我们愿意重新考虑我们的决定，以忽略，而非分析，生存数据输入X=0。如果您认为我们做出错误决定，请告知我们。如有可能，提供参考文献。

如果您真正想分析数据时，进行一次简单的检查，使时间零点的死亡率降至起始点的100%以下。只需输入零以外的极小值。例如，将这些值输入为X=0.000001。另一种替代方法是输入X=0的数据，然后使用Prism的变换分析和该用户定义的变换：

X=IF（X=0，0.000001，X）

在该分析的结果中，所有X=0值将变换为X=0.000001。从结果表中，点击分析并选择生存分析。