用途：该技能面向 scikit-survival 0.28.0 的生存分析工作流，处理右删失结构化结局，构建、评估并审计模型，强调防泄漏预处理与可复现报告。
主要能力：支持 Cox PH、Coxnet、IPCRidge、生存树/森林、梯度提升与生存 SVM；提供区分度（Harrell C、Uno C、动态 AUC）、Brier 评分、预测误差与校准检查；支持竞争风险的非参数累积发病率。
使用方式：先用 Surv.from_arrays 或 Surv.from_dataframe 构造两字段结构化结局（事件布尔在前、观测时间在后）；先划分数据再做学习型预处理，并将预处理放入 Pipeline。安装示例来自资料：uv venv .venv-survival --python 3.13；uv pip install "scikit-survival==0.28.0" 等。自带本地 CLI 包括 validate_survival_csv.py、train_survival_model.py、evaluate_survival_metrics.py、competing_risk_cif.py、model_report.py，默认使用确定性合成数据，不发起网络请求。
适用场景：右删失结构化数据的建模、调参与评估，需防泄漏与嵌套交叉验证的流程，以及竞争风险累积发病率估计。
限制：scikit-survival 主要建模右删失结局，竞争风险仅内置非参数累积发病率，不提供 Fine-Gray 回归；0.28 无专用校准曲线 API，校准需在独立数据上按时间点做预测-观测检查；SVM 不产出可用于 Brier 的生存概率；仅 rank_ratio=1 的 SVM 直接给出越高越风险的分数；模型输出不得作为临床建议、因果证据或临床效用证明。需使用去标识化的授权本地数据。IPCW 相关指标须用训练集拟合删失分布，评估时间需限制在合理区间。0.28 中 GradientBoostingSurvivalAnalysis 移除了 criterion，其 ipcwls 实现存在已知缺陷。