目的和方法竞争风险模型（Competing Risk Model）是用来处理具有多种潜在结局生存数据（包含竞争风险事件）的分析方法,数据包括导致失效的终点事件和对应的时间（失效时间）,终点事件可能存在多个,这些潜在的终点事件称为竞争风险事件。存在竞争风险事件的研究中,如果忽略了竞争风险的存在,就会掩盖或夸大研究因素与研究疾病之间的关联,此种情况下就需要采用竞争风险模型来进行分析。目前经典学派关于竞争风险模型的研究主要集中在采用原因别竞争风险模型或部分分布竞争风险模型进行累积发病率的计算以及如何采用统计分析软件进行竞争风险模型的分析。贝叶斯学派的统计方法基于其对先验信息、样本信息以及总体信息的有效利用,越来越受到研究者的青睐,本研究采用的贝叶斯竞争风险模型是在原因别竞争风险模型的框架下,拟合威布尔分布的似然函数,并采用Gibbs抽样进行后验估算。本研究探讨贝叶斯竞争风险模型与经典竞争风险模型（原因别竞争风险方法和部分分布竞争风险方法）的实际应用,以冠心病患者出院后复发心血管事件的随访研究数据为实例,介绍竞争风险模型分析和软件实现,并且基于模拟样本探讨在不同竞争风险比例情形下,评价贝叶斯原因别竞争风险模型与经典原因别竞争风险模型的统计性能。结果1.实例数据分析结果A.经典方法和贝叶斯方法的结果均显示:年龄和是否患糖尿病是冠心病患者复发心血管疾病的影响因素;年龄越大冠心病患者复发心血管疾病的风险越大,患糖尿病的病人比不患糖尿病的病人复发心血管疾病的风险大。B.随访三年半复发心血管疾病的存活情况（目标结局事件）累积发病率曲线的变化有一个先平稳后增长的趋势;未复发心血管疾病的死亡情况（竞争事件）的累积发病率曲线随着随访时间的增加有一个小幅度增加的趋势。C.贝叶斯竞争风险模型参数估计值与经典竞争风险分析的结果很接近,但是标准误、置信区间的范围比两种经典方法得到的结果都小。模型的诊断性指标（蒙特卡洛标准误差、迭代轨迹图、核密度图）显示模型的收敛性较好。2.模拟数据分析结果A.在参数β真值固定而竞争风险比例不同的情况下,回归系数β1、β2估计值的偏差（Bias）的绝对值,β1、β2的标准差（SD）和标准误（SE）随竞争风险所占的比例增加而逐渐增大,95%置信区间宽度（Width）随竞争风险比例的增加逐渐变宽。回归系数的95%覆盖率（cp95）随着竞争风险比例的增加有减小的趋势。B.在竞争风险比例固定而参数β真值变化时,β1真值为0估算的回归系数β1值的模型评价指标（Bias的绝对值、SD、SE以及Width）均小于β₁真值为1估算的β₁的相应指标值;同时,β2真值为0估算的回归系数β2值的模型评价指标（SD、SE以及Width）均小于β2真值为1估算的β2的相应指标值。C.贝叶斯方法与经典方法相比,其计算得出的回归系数β1、β2的Bias的绝对值、SD、SE、Width的值均比经典方法的相应结果小,贝叶斯法不管在回归系数的真实值是否为0时,都能得到较低的Bias绝对值。D.经典方法的运算速度较快,而贝叶斯方法的运算时间较长,约为经典方法的95倍左右,两种方法在不同参数真值与不同竞争风险比例下对运算时间的影响均不明显。结论（1）在流行病学随访研究中,当存在竞争结局时应当采用相应的竞争风险模型方法。目前有用于模型拟合使用简单方便的统计软件。（2）竞争结局的比例越大,对目标结局的影响越大,目标结局的参数估计值的准确性就越差。（3）经典竞争风险模型和贝叶斯竞争风险模型两种方法的比较结果显示贝叶斯方法的结果在保证估计准确性的情况下比经典方法有更高的稳定性,故而在研究对象的样本量与运算时间允许的情况下,推荐使用贝叶斯竞争风险模型进行参数估计。