1 概念界定与术语
1.1 删失数据的基本定义
删失数据（Data Censoring）指在数据采集或记录过程中，目标变量的真实数值未被完整观测到，但记录系统保留了“观测规则”下的信息。例如，在随访中患者在研究结束前仍未发生某事件，则可确定其事件时间“至少超过当前时间”；在可靠性测试中某设备在达到试验时长后仍未失效，则可知道其寿命“至少大于该时长”。因此，删失并非未知一无所知，而是以范围或时序约束的形式保留了信息。
在统计建模中，删失使得样本对分布的贡献不是简单的“观测到的数值”，而是“观测到数值的部分”和“由观测规则确定的分布概率”。这会影响参数估计与不确定性评估。
1.2 删失与缺失的区别
删失与缺失都可能导致信息不完整，但两者在机制上存在关键差别：
- 删失：观测规则明确。我们知道数据“为何没法拿到真实数值”，以及能确定其落在哪个集合中（如大于阈值、在区间内、在某时点之前/之后等）。
- 缺失：通常缺少关于观测的充分规则信息，可能由任意原因导致，且未必能用“落在某集合”的概率结构来表达。
在建模上，删失可常以删失似然或加权方式纳入；缺失则需要更广泛的缺失机制建模（例如以“缺失完全随机”等假设处理），两者的数学处理与推断结论往往不同。
1.3 观测机制与删失指示变量
为区分“真实观测”与“删失记录”，通常引入删失指示变量（censoring indicator）。以时间变量为例，设事件发生时间为 \(T\)：
- 若事件在观测窗口内发生，则记录其发生时间，并令指示变量表示“未删失”。
- 若未发生，则记录“截至时间”及指示变量表示“删失”。
删失机制本质上对应“观测窗口如何截断真实过程”。在实践中，关键是把窗口边界、记录规则与数据字段一一对应起来，避免只保留数值而丢失了“规则信息”。
2 删失类型与形式化表达
2.1 右删失
右删失最常见：当真实时间 \(T\) 超过观测结束时刻（或达到阈值）时，只能记录“下界”。形式化地，若观测到的时间为 \(Y\)，则右删失对应 \(Y=\min(T, C)\)，其中 \(C\) 为删失时间；若未观察到事件，则有 \(T> C\)。
在似然中，右删失样本通常贡献生存函数（或其等价形式）：其信息来自“事件未在截至时刻前发生”的概率。
2.2 左删失
左删失与右删失相对：当真实时间 \(T\) 小于某个起始阈值时，系统无法观测到真实值，只能知道其落在小于某界的范围。形式上可写为只知道 \(T < L\)（其中 \(L\) 为左删失界）。
左删失在某些检测起点晚于事件或以最低检测限为界的场景中出现。建模时同样需要把“落在某区域”的概率纳入，而不能当作精确值处理。
2.3 区间删失
区间删失指真实值落在两个观测边界之间，系统只记录区间信息。例如，在分段随访中事件发生于相邻两次随访之间，则只可知 \(L < T \le U\)。
区间删失比单边删失更复杂，因为似然贡献来自分布函数在区间端点之间的概率质量。若区间宽度差异大，还会导致信息量随样本变化。
2.4 难删失（兼具多重删失/层级删失）
“难删失”用于描述更复杂的观测结构：可能同时存在多重删失来源（例如既有右删失又有检测限导致的删失），或观测过程具有层级结构（例如不同中心、不同批次设备的观测窗口不同）。
这类情形的共同点是：单一删失类型的简化假设不足以完整刻画观测机制。实际建模往往需要更精细地定义每条记录对应的观测规则，并在似然或加权框架中逐层纳入。
3 典型应用场景
3.1 医疗研究与随访终点
在临床随访中，研究通常以“事件”作为终点，例如复发、死亡或达到某疗效标准。当随访在某时点结束或患者失访时，事件时间未必完全可得，便形成右删失或区间删失。 此外，某些实验指标可能有检测下限/上限，导致围绕阈值的删失记录；若同时存在随访结束与检测限，则可能出现更复杂的删失形态。
3.2 可靠性工程与寿命数据
可靠性试验常以“失效”为事件。当产品在试验结束前仍未失效，就得到右删失寿命数据。若存在更改策略、提前报废、或不同批次试验的观察窗不同，也可能形成多重删失或层级删失。 删失建模能更合理估计寿命分布参数，而不把“未失效”误当作“寿命为观测窗长度”。
3.3 排队系统与服务完成时间
在排队与服务系统中，观测时间可能截断尚未完成的业务或请求。于是可以得到“完成时间至少超过当前观测时刻”的信息。通过把等待时间、服务时间等建成生存/可靠性框架，可以估计事件发生概率随时间的变化。
当观测窗口或系统切换造成不同请求的观察规则不同，也会引入更复杂的删失结构。
3.4 传感器与检测限导致的截断观测
检测限或传感器饱和常导致观测值无法精确记录。例如，信号低于仪器下限时只能记录“低于某阈值”；高于上限时只能记录“超过某阈值”。这在统计上可等价为左删失或右删失（取决于阈值与观测定义）。 值得注意的是：如果记录的是“不可观测范围之外的截断”，与“删失”在数学含义上并不完全一致，需要结合数据生成过程辨别。
4 统计处理与建模方法
4.1 删失似然与极大似然估计
删失建模的核心在于：构造与删失机制一致的似然函数。对单一时间变量 \(T\)：
- 未删失样本（事件发生）：似然贡献常与密度 \(f(t)\) 或其等价形式相关。
- 右删失样本（仅知 \(T>c\)）：似然贡献常与生存函数 \(S(c)=P(T>c)\) 相关。
把所有样本的贡献相乘并取对数，就能进行极大似然估计。该框架的优点是：它直接利用了删失记录中蕴含的“概率信息”，而不是用简单替代值（如把删失当作精确值）。
4.2 生存分析中的常用模型
4.2.1 非参数方法（如 Kaplan–Meier 思路）
非参数方法主要关注估计生存函数 \(S(t)\) 而不强加特定分布形式。以 Kaplan–Meier 思路为代表，其在每个事件发生时刻更新生存概率，并正确处理右删失。 在样本量较小或分布形态未知时，非参数估计常作为基线分析。
4.2.2 半参数方法（如 Cox 思路）
半参数模型常用来研究协变量与风险的关系，同时不完全指定基线风险形状。以 Cox 思路为例，它把协变量效应建在风险函数乘法结构上，通过偏似然完成估计。 半参数方法的关键是：协变量效应的结构假设需要在诊断中被验证（例如常见假设是风险比例随时间不变）。
4.2.3 参数模型（加速失效、对数正态等）
参数模型假定 \(T\) 服从某类分布，从而把删失似然嵌入到具体分布参数估计中。常见包括对数正态、Weibull、对数-逻辑模型等。 参数化的好处是可解释性与预测能力通常更强，但前提是分布假设与数据较为贴合。
4.3 回归建模中的删失
4.3.1 扩展到时间变化协变量
在实际研究中，协变量可能随时间改变，例如用药状态、风险暴露、或行为强度。将此类“随时间更新”的信息纳入模型时，需采用能处理时间变化协变量的建模方式。 在建模层面，常见做法是以分段方式构造风险集，使每个时间片使用当时协变量值。
4.3.2 处理多协变量与交互项
当存在多种影响因素时，可以在风险函数或位置参数中加入多个协变量，并探索交互效应。删失环境下的回归仍依赖对应的似然结构或其近似，但变量选择与正则化的策略可能与无删失情形不同。 实践中，应关注共线性、样本信息量随时间的变化以及模型可辨识性问题。
4.4 机器学习中的删失建模概览
4.4.1 损失函数与删失样本权重
在监督学习框架下，删失建模的核心是调整损失函数，使其对删失样本也能给出“正确方向的学习信号”。常见思路包括基于风险集的目标函数、或将删失样本权重与可观测概率挂钩。 由于删失使得目标变量并非总是精确可得，模型输出往往对应生存概率、风险分数或条件分布，而不是直接回归真实时间。
4.4.2 模型校准与评估指标选择
模型评估不能仅用普通回归误差或分类准确率。常用指标包括基于时间的预测一致性、对生存函数的校准度量、以及面向删失数据的排序与预测误差指标。 此外，若模型输出概率，需要做校准检查，避免在某些删失比例较高的时间段出现系统偏差。
5 数据质量与假设条件
5.1 删失独立性与随机性假设
很多经典方法依赖“删失机制与事件过程在条件意义下独立”或“随机删失”假设。直观理解是：在给定协变量（若模型含协变量）的前提下，是否发生删失不应与真实事件时间直接相关。 若无法满足该假设，似然将把错误的概率结构强行套用到数据上。
5.2 违反假设的后果与诊断
当删失并非随机时，可能出现系统性偏差：例如更容易失访的群体往往也更可能更快发生事件，导致估计过于乐观或悲观。 诊断上可采用删失比例随协变量变化的检查、与图形检视结合的敏感性分析，以及在模型比较中观察稳定性。若发现异常，往往需要改用更适合的观测机制建模或加入额外信息。
5.3 观测规则的记录一致性
删失模型能否成立，取决于记录规则是否一致且无歧义。例如同一字段在不同中心的含义是否完全相同、阈值是否统一定义、事件发生是否存在不同的判定标准。 数据治理层面应明确：删失时间、事件时间、窗口边界与事件定义的关系，必须在数据字典与代码实现中保持一致。
5.4 处理偏倚的基本思路
面对潜在偏倚，常见思路包括：
- 在模型中引入与删失相关的协变量，降低条件独立假设的偏离；
- 进行分层分析或加权调整，反映删失概率差异；
- 采用更灵活的观测机制模型（在具备足够数据的前提下）。
无论选择哪种方法，核心都是让“删失机制”在统计结构里得到更合理的表达。
6 估计、推断与评估
6.1 参数估计的置信区间
在删失模型中，参数的不确定性常通过渐近方差、信息矩阵、或重抽样方法得到置信区间。由于有效样本量随时间变化，方差估计可能对模型设定与数值稳定性较敏感。 因此，置信区间解释需结合删失比例和删失结构的复杂度进行审视。
6.2 假设检验与模型比较
常见比较手段包括基于似然或偏似然的检验、信息准则（AIC/BIC）或交叉验证下的性能对比。 在生存分析中，检验目标可能涉及协变量效应、比例风险结构、或分布假设是否合理；应选取与模型目标相匹配的检验方式，并关注多重比较带来的解释风险。
6.3 预测任务中的度量（如一致性、误差度量）
针对删失数据的预测评估通常需要时间维度的指标，例如一致性（判断预测风险排序是否与真实事件先后相符）、或基于生存函数的误差度量。 当输出是生存概率或风险分数时，还需要注意指标是否能处理右删失带来的观测不完整性。
6.4 可解释性与敏感性分析
可解释性方面，线性协变量效应的方向与强度、风险比或加速因子等通常是核心输出。 敏感性分析则可从两方面进行：一是改变删失假设或模型形式，观察结果是否显著改变；二是改变删失比例较高时间段的处理方式，检视结论的稳健性。
7 实务流程与实现要点
7.1 数据结构设计（删失标记、阈值字段）
实现删失建模首先要有清晰的数据结构，至少包括：
- 事件时间或观测时间字段；
- 删失指示变量；
- 若存在区间删失或检测限，需提供上下界字段；
- 必要的协变量字段（含可能的时间变化协变量结构）。
良好的结构设计能显著降低“把规则弄丢”的风险。
7.2 预处理与清洗策略
预处理应涵盖时间一致性检查（例如事件时间是否早于入组/起始时间）、阈值与边界是否自洽、重复记录是否被正确合并等。 同时，应对异常值与极端删失比例进行审查：过多删失可能导致估计不稳定，需考虑是否调整窗口或重新定义终点。
7.3 参数选择与交叉验证注意事项
在机器学习或复杂模型中，交叉验证的划分方式需要考虑删失结构带来的依赖性。常用策略是确保验证集与训练集在时间分布与删失比例上尽量相似，避免因划分导致的评估偏差。 参数选择时也要关注训练目标与评估指标是否一致：优化目标应与删失场景匹配，否则可能出现“训练看似更好、评估却更差”的情况。
7.4 常见坑：把“删失”当“缺失”的后果
把删失当作缺失通常会造成信息浪费与偏差：删失记录并非完全无用，它携带“未发生/未观测到”的概率信息。 一种典型后果是模型学会把大量样本忽略，导致估计方差增大；另一种更严重的后果是对事件时间的分布结构产生系统偏移，从而使预测与推断失真。
8 相关概念与延伸阅读
8.1 截断（truncation）与删失（censoring）的关系
截断与删失都与“观测不到”有关，但含义不同：
- 删失：个体真实值存在，只是被观测窗口截断，仍会进入样本，但记录的是不完全信息。
- 截断：个体真实值落在某范围内的情况下才进入数据；超出范围的个体被完全排除。
区分两者对于选择似然形式与数据处理策略至关重要。
8.2 生存函数、危险函数与分布函数
常用函数包括：生存函数 \(S(t)\) 描述到 \(t\) 时刻仍未发生事件的概率；危险函数衡量在给定已存活至 \(t\) 的条件下立即发生事件的速率。分布函数 \(F(t)\) 与生存函数之间存在互补关系。 在不同模型中，估计对象可能是上述任一函数或它们的参数化形式。
8.3 事件定义与终点选择的影响
事件定义决定了“什么算发生”。终点选择变化会改变删失结构：同一时间窗口内，若改用更难发生的终点，删失比例可能显著上升；若将事件改为更常见的终点，右删失可能减少但区间删失或其他类型可能增加。 因此，终点设计与删失建模应协同考虑。
8.4 轻量“梗”式理解：把删失当成“系统只说了半句真话”
可以把删失想象成：系统并不是完全沉默，而是只给出了“我只能确认到这里”的信息。你不知道真实发生在什么时候，但你确实知道它没有在某个时刻之前发生，或者落在某个范围内。 换句话说，删失数据不是“没告诉你”，而是“按规则告诉了你一半”。