经典生存分析能够回答“事件是否发生”的问题，但随着临床研究不断深入，越来越多的研究开始关注疾病是如何一步步发展的。尤其是在肿瘤、器官移植、慢性病管理等领域，患者往往会经历多个连续的疾病阶段，传统 Kaplan–Meier 生存曲线和 Cox 比例风险模型已经难以完整描述这种动态变化过程。多状态生存模型正是在这样的背景下发展起来的重要统计方法，它能够将患者整个随访过程划分为多个疾病状态，并分析不同状态之间的转换规律，从而更加真实地还原疾病自然演变过程。本节将介绍多状态生存模型的基本原理、与竞争风险模型的区别，以及临床研究中应用最广泛的三状态疾病模型。

一、认识多状态生存模型

生存分析（Survival Analysis）是医学统计中最重要的方法之一。从最早的Kaplan-Meier生存曲线，到应用最广泛的Cox比例风险模型，它们几乎构成了所有临床研究的基础分析框架。然而，这些经典模型都有一个共同特点——假设研究对象最终只会发生一种终点事件，整个随访过程只有”发生事件”和”未发生事件”两种状态。这种假设在很多研究中足够简单有效。例如研究患者是否死亡、是否发生脑卒中、是否出现心血管事件等，一个终点即可回答研究问题。

但是，真实世界中的疾病演变远比统计模型复杂得多。

对于绝大多数慢性疾病而言，患者不会直