一、什么是 competing risk？
Competing risk，中文通常叫竞争风险，指的是：
某个事件一旦先发生，就会阻止你感兴趣的目标事件之后再发生。
最典型的例子是研究“癌症死亡”时的“其他原因死亡”：
- 目标事件：癌症死亡
- 竞争事件：死于心血管病、意外死亡等其他原因
因为一个人一旦先死于其他原因，就不可能以后再死于癌症，因此“其他原因死亡”就是癌症死亡的 competing risk。
二、为什么 competing risk 不能简单当作普通删失？
这是理解后续模型选择的关键。
censoring的含义是：我们只是没再观察到这个人，但理论上他未来仍可能发生目标事件competing risk的含义是：目标事件从此以后已经不可能再发生
比如研究 3 年内是否发生 SUD (Cai et al. 2026)。如果某人在 1 年时死亡，那么对 “SUD” 这个结局来说，他不是简单的失访，而是已经不可能在之后再发生 SUD。
因此，如果把大量 competing events 当作普通独立删失，用 1-KM 来估计结局累积发生概率，通常会高估真实风险。
三、两类最常见的问题：病因学问题 vs 预测问题
处理 competing risk 时，首先要问的不是“该用哪个软件命令”，而是：
你到底想回答什么问题？
通常有两类不同的问题。
1. 病因学或机制问题
例如：
某种治疗是否会改变目标事件在仍然存活且尚未发生事件的人中的瞬时发生率？
这类问题更接近 hazard 的解释，常用 cause-specific hazard model。
2. 绝对风险或预测问题
例如：
在真实存在 competing events 的情况下，3 年内目标事件最终会发生多少？
这类问题更接近 cumulative incidence，常用 Fine-Gray 或直接建模 CIF。
四、什么是 cause-specific hazard model？
研究某个特定结局时，cause-specific hazard model 的做法是：
- 把目标事件定义为 event
- 把 competing events 在发生时从风险集中移除
- 在技术实现上常把 competing events 当作删失处理
例如研究 SUD 发生风险时：
- 目标事件：SUD
- competing event：死亡
一旦有人先死亡，他就不再属于“未来可能发生 SUD”的风险集，因此在 cause-specific Cox 框架中会在死亡时点被移出风险集。
这里“treated as censoring”不是说死亡真的等同于失访，而是说：在 cause-specific hazard 的统计框架里，死亡通过删失机制把个体移出目标事件风险集。
五、这类模型到底估计什么？
它估计的是：
在时点
t时，条件于个体仍然活着且尚未发生任何结局，目标事件的瞬时发生率。
因此如果论文说：
initiating GLP-1 versus SGLT-2 changes the hazard of SUD conditional on being alive
它的意思就是：
作者关心的是在“还活着的人”里，起始 GLP-1 是否改变之后发生 SUD 的 hazard。
这更像一个病因学问题，而不是一个现实累计风险预测问题。
六、什么是 Fine-Gray model？
Fine-Gray 直接建模的是某个具体结局的 subdistribution hazard，目标是得到该结局的累积发生函数 CIF（cumulative incidence function）。
它回答的问题更接近：
在 competing risk 真实存在的情况下，到某个时间点为止，目标事件实际累计发生的概率是多少？
因此，Fine-Gray 更适合：
- prognosis
- risk prediction
- 绝对风险汇报
如果研究者真正关心的是“3 年内有多少人会发生目标事件”，CIF 往往比 1-KM 更合适。
七、cause-specific Cox 与 Fine-Gray 到底怎么选？
一个很实用的判断标准是：
如果你关心的是机制或病因学问题
例如：
某药物是否改变了目标疾病本身的发生过程？
那 cause-specific Cox 往往更自然，因为它聚焦于在仍然 event-free 且 alive 的人群中的 hazard。
如果你关心的是临床绝对风险
例如：
在真实世界里，3 年内最终有多少人会发生这个结局？
那 Fine-Gray 或 CIF 更合适，因为 competing event 不是被“技术性删失”掉，而是被纳入了实际风险计算。
八、为什么对“死亡结局本身”又可以直接用标准 Cox？
因为当研究结局本身就是死亡时，死亡不再是 competing event，而是目标事件本身。
例如研究 SUD-associated mortality：
- event of interest：死亡
- 这时不需要把死亡当作 competing risk
- 直接用 standard Cox proportional hazards model 就可以
所以同一篇论文里可能出现这样的搭配：
- 对非死亡结局：cause-specific Cox
- 对死亡结局：standard Cox
这不是前后不一致，而是因为研究问题变了。
九、Takeaways
Competing risk 分析最重要的，不是背模型名称，而是先分清楚两个层面的问题：
- 你想知道治疗是否改变目标事件在“仍然活着且事件未发生者”中的 hazard 吗？
- 还是想知道在现实存在 competing event 的情况下，目标事件到某个时间点实际会发生多少？
前者更接近 cause-specific Cox，后者更接近 Fine-Gray / CIF。
因此，阅读方法部分时，要先问：
这篇文章想回答的是病因学问题，还是绝对风险问题？
只有问题定义清楚，模型选择才谈得上是否合理。