跟踪432名获释者一年，问题看似简单：多久会再次被捕？但其中318人到研究结束仍未被捕。既不能删掉他们，也不能假定他们在第52周后被捕，因为我们只知道他们“至少坚持了这么久”。这种信息不完整的观察叫删失（censoring），正是普通回归难以处理、生存分析要解决的问题。
Ananya Bhattacharyya 的这份入门指南由此展开：先用 Kaplan–Meier 生存曲线，逐个事件时点估计“仍未发生事件”的比例，并保留删失者已经贡献的观察时间；再进入 Cox 比例风险模型，用 Python 拟合模型，把不同因素与事件发生的瞬时速率联系起来。
最容易误读的是风险比。风险比为2，表示在比例风险假设成立时，一组在任一时点的瞬时事件率约为另一组的两倍，并不表示最终发生概率翻倍。把“累计还有多少人没出事”和“此刻出事有多快”分开，是读懂 Cox 模型的关键。