源自 B. Brakedal 等人的研究，发表在《npj Parkinson’s Disease》（https://doi.org/10.1038/s41531-022-00280-4，2022年）

我非常感兴趣地阅读了 Brakedal 等人发表的论文 “不朽时间偏差”是指在研究设计中，某些个体在特定的随访期间无法经历感兴趣的事件。例如，如果基线时的暴露状态（如出院时）是根据未来的信息来定义的（例如，出院后一周开具的处方），那么这些个体必须存活到该信息被记录下来的时间（即出院后至少一周）。因此，被归类为暴露组的个体在基线和暴露确定之间的时间内不可能死亡 在 Brakedal 等人的研究中，帕金森病病例被定义为连续三次开具抗帕金森病药物的个体，每次处方间隔至少30天，且从第一次到最后一次处方的间隔至少为180天。然而，帕金森病的诊断时间（即随访的开始时间）被设定为第一次处方的时间。这可能会引入“不朽时间偏差”，因为被归类为帕金森病的个体在定义上就不可能在最初的180天内死亡。在极端情况下，可以想象一个个体满足纳入标准，但三次处方间隔各为一年，这意味着他们在两年内都是“不朽”的。

对于80岁以下的个体，还有额外的排除标准（论文中提到的“>80岁”似乎是印刷错误，应为“<80岁”）。如果这些个体的治疗持续时间少于一年，或者停药期超过两年（定义为最后一次处方与死亡或随访结束之间的时间），他们将被排除在外。这种排除标准同样依赖于未来的信息。
为了说明其潜在影响，假设有两个其他方面完全相同的个体，他们都接受了三次连续的处方治疗，且停药期都超过两年。其中一个个体因为治疗持续时间少于一年而被排除，而另一个个体因为治疗持续时间超过一年而被纳入研究。排除治疗持续时间较短的个体可能会高估生存率。相反，如果两个个体在其他方面完全相同，仅在停药间隔上有所不同：一个个体的停药间隔少于两年，而另一个超过两年，那么排除存活时间较长的个体可能会低估生存率。因此，在实践中，这种排除标准可能不会引入额外的净偏差。不过，这些例子说明了基于未来事件进行条件设定的更广泛的方法学问题。
在 Brakedal 等人的研究中展示的 Kaplan–Meier 曲线中也体现了“不朽时间偏差”（见图3）。在最初的180天内，帕金森病组中没有死亡病例。90岁以上个体在六个月内没有死亡的情况尤为引人注目。考虑到作者得出的结论（即85岁及以上的帕金森病患者的生存率与普通人群相当），这一点令人担忧。
作者在讨论中简要提到了这个问题，指出排除治疗持续时间少于180天的个体可以排除那些在开始治疗后不久就去世的个体，这种情况在老年人中更为常见。虽然这看起来合理，但这种限制对纳入帕金森病病例个体的影响并未进一步讨论。
有几种方法可以用来解决“不朽时间偏差”问题。一种方法是将第一次处方作为随访的开始时间，而不依赖于未来的治疗信息；不过这可能会增加暴露分类的误差。另一种方法是使用“里程碑法”来估计条件生存率 尽管“不朽时间偏差”是研究设计中固有的，但在年轻人群中（死亡率较低）其影响可能较小。相比之下，在老年人中（死亡率较高），同样的“不朽”时间段可能会显著高估生存率，这使得这种偏差在这些年龄组的结论中尤为显著。因此，在老年人中，“不朽”六个月的时间优势更为明显。
总之，Brakedal 等人采用的病例定义和排除标准很可能引入了“不朽时间偏差”，从而高估了帕金森病患者的生存率。将资格标准与随访开始时间对齐对于减少这种偏差至关重要。未来的研究应避免基于未来事件进行条件设定，并考虑其他方法。