这题我熟，遇到过无数次。
简短版答案是模型有问题。
长版答案是暴露效应太小的问题。我猜你的生存分析模型大概放了不少校正项，而其中有些校正项跟你暴露是相关的，如果两个相关的变量放到一个线性模型里，那么你对这两个变量的效应估计的标准误都会很高。此时你可以跑个重采样，模型估计出的值可能有时候正，有时候负，这大概率是暴露产生的效应太小了，模型无法准确估计，得换模型或采集更多数据。当然你也可以先进行变量选择，把共相关的或者替换成主成分，或者只保留一个，例如多元线性模型可以进行stepwise，然后把暴露放在第一个变量。如果你没做校正，那么更可能是遗漏了重要的变量，这就得画因果图了，很可能是个辛普森悖论的实例。
现实版答案是此处有坑，大概率你研究的暴露对研究的疾病其实没啥影响，这种单一暴露对单一疾病的传统考察方式就是有可能出这种离谱结果，要么你换暴露，要么换疾病。但如果你这个项目拿了钱要出论文交差，而假设就是这个暴露会导致这个疾病，那我只能祝你老板好运，快去请个统计学家开发个能发现差异的方法。
