对于与我的假设相关的任何事情，我通常会尝试使用 KM 作为描述性统计数据和 Cox 回归。关于你的问题：

1. 理论上，您可以将 KM 分析拆分为任意数量的子组，唯一的限制是数据的大小。这是一种相当低效的方法，但您可以显示患有糖尿病的女性、没有糖尿病的女性、患有糖尿病的男性和没有糖尿病的男性的 KM 生存曲线。
2. 正确的。您可以对连续变量进行分类，从而拥有一个可用于拆分的分类变量。请注意，二进制不是必需的，您需要一个分类变量。
3. 正确的。一开始我很害怕参数程序，因为它们依赖于我发现很难测试的假设，而且我喜欢干净的非参数测试。不幸的是，非参数测试虽然在数学上是稳健的，但通常很难解释。例如，低 p 值通常仅表明组不同，但它几乎没有传达它们在哪些方面不同。