竞争风险事件：指出现研究对象感兴趣事件的同时，其他终点事件也有可能出现，这些终点事件将阻止感兴趣事件的出现，或使其发生概率降低，各终点事件之间形成所谓的竞争关系。

竞争风险模型仅仅关心研究对象发生的第一个终点事件，而后发生的其他终点事件称为删失事件（censoring）。

如基线未发生心血管疾病的研究对象在观察期内死于癌症、车祸等其他原因前并未发生心血管疾病，就不能为CVD的发病做出贡献，传统生存分析将其他原因死亡的个体，失访个体和存活个体记为删失数据，会高估CVD的累积发病率。

累积发生函数（CIF）：

CIF（t）表示在时间t及其他事件之前第k类事件的概率。

在竞争风险中，结局不再仅仅是生存或者死亡，此时CIF（t）不等于F（t）。

1.Gray检验：

Gray检验属于单因素分析方法，可以用来检验存在竞争风险事件情况下，两组或两组以上感兴趣事件的累积发生率是否存在统计学差异。

2. 风险函数回归：

多因素分析需要使用风险函数回归。原因别风险函数（CS），部分分布风险函数（SD）后者又称为CIF回归模型、Fine-Gray模型。CS适合病因学研究，回归系数反映协变量对尚未发生任何事件人群中主要终点事件发生率增加的相对作用，SD适合风险预测研究，建立临床预测模型及风险评分，仅对终点事件绝对发生率感兴趣。

案例1：理解竞争风险模型

某研究人员收集了本市2007年确诊为轻度认知损害（MCI）的518例老年患者资料，包括基本人口学特征、生活方式、体格检查和合并疾病信息等，并于2010-2013年完成6次随访调查，主要观察结局为发生阿尔兹海默病（AD）。

随访期间，共发生AD 78例，失访84例，其中28例搬迁、31例退出、25例死亡。试问影响MCI向AD转归的因素都有哪些？

思考：生存分析是预后研究中比较常见的统计分析方法，但是经典的生存分析一般只关心一个终点事件（即研究者感兴趣的结局），而医学研究中观察的终点往往并不唯一（即出现不感兴趣的结局）。比如MCI患者在观察期间死于癌症、心血管疾病、车祸等原因而未发生AD，就不能为AD的发病做出贡献，即死亡“竞争”了AD的发生。传统统计方法将发生AD前死亡的个体、失访个体和未发生AD个体均按删失数据（censored data）处理，可能会导致估计偏差。

——本例中可以将发生AD前死亡作为AD的竞争风险事件，采用竞争风险模型进行分析。竞争风险的单因素分析常用来估计关心终点事件的发生率，多因素分析常用来探索预后影响因素及效应值。

对于死亡率较高的老年人群，当有竞争风险事件存在时，采用传统生存分析方法（K-M法、Cox比例风险回归模型）会高估所研究疾病的发生风险，产生竞争风险偏倚，有人专门研究发现约46%的文献可能存在这种偏倚。

竞争风险模型需要使用cmprsk包中的cuminc（）函数

案例：研究骨髓移植相较血液移植治疗白血病的疗效，结局事件定义为“复发”，某些患者移植后不幸因为移植的不良反应死亡，那对于这些发生移植相关死亡的患者，就无法观察到其复发的终点。“移植相关死亡”和“复发”之间存在竞争关系。