Answers:
通常，基线年龄被用作协变量（因为它通常与疾病/死亡相关），但是它也可以用作您的时间尺度（我认为它在某些纵向研究中使用，因为您需要有足够的时间）时间尺度上处于危险之中的人们，但我真的不记得了-只是找到了这些有关分析队列研究的幻灯片，假设它们是在连续的时间范围内讨论队列研究的）。在解释中，您应该按年龄替换事件时间，并且可以将诊断时的年龄作为协变量。当您研究特定疾病的特定年龄死亡率时（如这些幻灯片所示），这将很有意义。
也许这篇文章很有趣，因为它对比了两种研究时间，即研究时间与时间年龄：Cox模型中的时间尺度：进入年龄之间的变异性对系数估计的影响。这是另一篇论文：
Cheung，YB，Gao，F，and Khoo，KS（2003）。癌症流行病学诊断年龄及生存分析方法的选择。临床流行病学杂志，56（1），38-43。
但是肯定有更好的论文。
不，不一定总是需要时间。可以使用生存分析技术对许多审查的响应进行建模。丹尼斯·赫塞尔（Dennis Helsel）在其著作《非检测和数据分析》中主张使用浓度的负值代替时间（以应对未检测到的值，该值在被否定时会变成右删失值）。Web上有一个提要（pdf格式），R包NADA对此进行了实现。
在年龄和时间尺度问题上，chl有一些很好的参考，并抓住了要点-特别是，在纵向研究中，高危人群必须包含各个年龄段的足够受试者。
我只能指出，目前尚无普遍共识，但有文献表明，在某些情况下，应首选年龄作为时间尺度。特别是，如果您遇到的情况并非是所有受试者都以相同的方式积累时间，例如由于暴露于某种有毒物质，那么年龄可能更合适。
另一方面，您可以通过使用年龄作为时变协变量（而不是开始时的固定协变量）在时标Cox PH模型上处理该特定示例。您需要考虑学习对象背后的机制，以确定哪个时间范围更合适。有时候，有必要将这两种模型与现有数据进行拟合，以查看是否存在差异，以及在设计新研究之前如何解释差异。
最后，分析两者的明显区别在于，在年龄尺度上，生存的解释是相对于绝对尺度（年龄）的，而在时间尺度上，它是相对于研究的开始/进入日期的。
根据OP的要求，这是我在空间环境中使用的生存分析的另一种应用（尽管明显不同于测量Whuber 提到的环境物质）是对空间事件之间的距离进行建模。这里是犯罪学的一个例子，这里是流行病学的一个例子。
使用生存分析来度量事件之间的距离的背后原因并不是可以说是审查的问题（尽管审查可以在空间环境中确定地发生），但之所以如此，是因为事件到时间的特征与事件之间的距离之间的分布相似特性（即它们都具有违反OLS的相似类型的错误结构（通常是距离衰减），因此非参数解对于这两者都是理想的）。
由于不良的引文习惯，我不得不花费大量时间寻找正确的链接/对上面链接的引用。
以犯罪学为例
菊池，乔治，雨宫守，斋藤友教，岛田孝人和原田丰。2010年。日本时差重复受害的时空分析。第八届全国犯罪测绘会议。吉尔·丹多（Jill Dando）犯罪科学研究所。当前在参考网页上有PDF。
在流行病学中
读者，史蒂文。2000年。使用生存分析研究地理流行病学中的空间点模式。社会科学与医学50（7-8）：985-1000。