Kaplan Meier，是一種單因素生存分析。它可用於研究1個因素對於生存時間的影響，在醫療領域中使用廣泛。
一、案例說明
當前某研究人員擬觀察一種新型癌症藥物的療效情況，首先將100名癌症患者隨機分成兩組，對照組使用傳統治療方式，實驗組使用新式藥物治療方式。並且隨訪時間爲2年。並且以‘是否死亡’爲作爲結局。希望通過研究瞭解到新式藥物是否對於生存時間帶來影響。
藥物組別：0代表傳統治療組；1代表新藥組。
生存狀態：0代表存活或失訪，1代表死亡。
生存時間：定量數據。
二、操作步驟
將數據上傳至SPSSAU平臺，選擇【實驗研究】--【Kaplan Meier】。
SPSSAU默認生存狀態中，用數字1代表死亡，0代表生存。
如果數據不是這樣設置，可以通過【數據處理】--【數據編碼】修改。
將[藥物組別]放入【X(定類)】，[生存時間]放入【Y1生存時間】，[生存狀態]放入【Y2生存狀態】。點擊開始分析。
Kaplan Meier
三、結果分析
1 模型基本描述
模型基本描述
上表是簡單描述數據基本情況。其中新藥、傳統治療分別有50個樣本。傳統治療組死亡43人；新式藥物組死亡44人。傳統治療組中位數爲9周，新藥組中位數爲65周，整體生存時間中位數爲24.5周。
特別說明一點，通常情況下感興趣的結局事情比例（事件佔比）一般希望大於20%。
2 生存時間估計
上表格爲Kaplan Meier模型得到的生存時間中位數估計值及其置信區間。由於生存時間的波動性，一般使用中位數表示整體情況（而不是使用平均值）。
從上表可知，整體研究病例生存時間估計值是36周，傳統治療的生存時間中位數是9周，但 ‘新式藥物’時中位數生存時間爲69周，明顯高於傳統治療時的生存時間。
注：中位數是與表中小於或等於 0.50 的第一個生存概率相關聯的時間。
3 假設檢驗
此處模型檢驗的原定假設爲：是否放入藥物組別兩種情況時模型質量均一樣。
從上表可知，模型拒絕原定假設(χ²=10.691,p =0.001 < 0.05)，即說明本次模型構建有意義。
配對Log Rank檢驗用於分析兩兩組別生存時間估計值差異性。
從上表可知，模型拒絕原假設，P<0.05，說明兩組之間生存時間存在顯著性差異。
4 生存曲線
上圖可以明顯的看出，‘新式藥物’的生存率會明顯的高於‘傳統治療’方案。而且‘新式藥物’時，0~80周時生存率下降的幅度相對較小，但在80周後生存率下降幅度加大。‘傳統治療’方案來看，0~20周生存率下降非常明顯，20周後生存率下降幅度相對較爲穩定。無論如何，新式藥物的生存率都會明顯的高於傳統治療方案，整體說明，‘新式藥物’起着明顯的作用。
四、其他說明
（1）Kaplan Meier共有兩個因變量（一個是生存時間，另外一個是生存狀態）；缺一不可。
（2）“生存狀態”項只能爲1和0； 1表示死亡，0表示生存；或者1表示陽性，0表示陰性；1表示放棄，0表示堅持，諸如此類等。數字1用於標識研究感興趣的結局事件已經發生。
（3）Kaplan Meier只研究1個因素的生存情況，如果有多個因素即多個X時，需要使用Cox迴歸。
以上就是本次分享內容，登錄SPSSAU官網瞭解更多內容。