机器算法验证 - 我应该如何处理对数秩（和相关）测试中违反比例风险的后果？ - 吾爱随笔录

我有（审查）四组受试者的事件发生时间数据。我想做一些类似对数秩检验的事情，但生存曲线不满足比例风险假设。我想我听说过道具的后果。危害违反是失去识别生存曲线之间差异的能力，但是，在我的研究中，对数秩检验确实显示了组之间的显着差异。

比例风险违规采取以下形式：一组在观察期早期发生事件的概率相对较大，而另一组在观察期后期发生事件的概率相对较大。我相信 G-系列测试（例如在R 的生存包中的函数中）可以被参数化，以便观察期的早期或后期部分的权重更大。但是，在这种情况下，不同的组会在不同的测试规范中“做得更好”（正在研究的事件是一件好事）。 $\rho$ survdiff

我想知道几件事：

如果尽管存在比例风险违规，logrank 函数确实发现了显着差异，我们能否将其解释为表明曲线之间存在真实（整体或平均）差异？或者这种违规是否意味着测试的结果完全没有意义？
在像我这样的情况下，是否有一种描述生存时间的原则方法？理想情况下，我希望能够报告总体风险比（我知道 - 这将缺乏非比例风险和审查观察的外部有效性，但在描述实验时会很有用），并提供有关哪些信息群体更有可能在什么时候发生事件。我可以在观察期的中间选择一个断点，然后在前后进行单独的测试（假设这些数据子集确实满足比例风险假设），但是这样一个点的选择感觉有点临时。