随着医学研究的进步,越来越多的疾病,尤其是慢性疾病可以治愈。因此,越来越多的学者对这些带有不可忽略的治愈比例的生存数据感兴趣,并提出了适当的统计模型,其中最常用的是混合治愈模型,该模型可以捕获被治愈的患者和不治愈的患者,在实践中吸引了越来越多的关注。然而正因为治愈比例的提升,会导致一些患者可能不会死于感兴趣的疾病,而是死于其他疾病或者事件。一般的混合治愈模型只关注感兴趣事件的生存函数,却忽略了现实世界中常见的其他非治愈事件而产生的潜在竞争风险。因此本文提出了混合治愈竞争失效模型,同时分析感兴趣疾病或者事件的治愈比例,以及和其他疾病或者事件的竞争关系。主要内容如下:(1)本文研究了比例风险混合治愈竞争失效模型,对感兴趣事件中不治愈患者采用了比例风险模型。同时通过引入了潜变量简化似然函数,借助EM算法获得参数的极大似然估计,从一致性和渐近正态性角度理论阐述了估计方法的大样本性质;此外,在基于三种不同的生存基函数模式下,产生的模拟数据代入该方法、估计参数并证明了其具有良好的性能。最后,将该方法应用于前列腺临床试验数据分析。(2)本文还研究了加速失效时间的混合治愈竞争失效模型。通过引入了潜变量简化似然函数,且基于正态核函数提出了光滑的剖面似然函数来近似,再借助EM算法获得参数的极大似然估计。本文从理论上证明了该估计的一致性和渐近正态性,同时通过模拟研究证明了其估计值表现良好。最后,将提出的方法应用于结直肠临床试验数据分析。(3)针对比例风险的混合治愈竞争失效模型,通过引入参数与非参数先验,再借助贝叶斯方法分析方法,获得各部分未知量的满条件后验分布,实现易于实现的Gibbs抽样。本文采用潜在二元治愈指标和事件指标,并且通过数据扩充的方式来简化马尔可夫链蒙特卡罗计算。在给定事件指标的情况下,该模型将会退化成两个logistic回归模型和两个标准Cox模型。本文基于三种不同的样本量以及三种不同的生存基函数模式下,产生的模拟数据代入该方法、估计参数,通过与EM算法大量的模拟对比说明了此方法的优劣。最后,将该方法应用于前列腺临床试验数据分析。