存活分析計算器

存活分析研究事件發生前的時間。事件可以是死亡、復發、設備故障、客戶流失、康復，或任何明確定義的終點。不同於一般平均值，存活分析能利用追蹤結束時尚未觀察到事件之對象的資訊。這些觀測會被視為設限，而不是當作事件發生或直接捨棄。 本計算器採用卡普蘭–邁耶乘積極限估計法。在每個相異的事件時間點，統計該時刻之前仍在風險集中的對象人數，以及該時刻發生的事件數。該區間的條件存活機率為 (n − d) / n，其中 n 是風險集人數，d 是事件數。將此因子與先前所有因子相乘，即得累積存活機率。估計值僅在事件發生時改變；設限觀測會縮小後續風險集，但不會直接降低存活機率。 在第一個欄位輸入存活時間，在第二個欄位輸入對應的狀態標記。事件已發生時填入 1，觀測被設限時填入 0。第一個時間對應第一個標記，第二個時間對應第二個標記，依此類推。時間必須非負，可使用天、月、年、運作時數或客戶計費週期等任何一致的單位。輸出會沿用相同單位。 結果表列出每個觀測時間點、風險集人數、事件數、設限觀測數及累積存活機率。若事件與設限發生於同一時間點，會先以該時刻的完整風險集計算事件影響，再將這些觀測移出風險集。這是處理分組觀測的慣用方式。中位存活時間是估計存活機率首次達到或低於 0.5 的時間。若曲線始終未達 0.5，則回報「尚未達到」，而不進行外推。 要可靠地解讀簡單的卡普蘭–邁耶估計，設限必須是非資訊性的。實務上，被設限的對象不應僅因其被設限，就系統性地具有不同的未來事件風險。此估計法也不調整年齡、治療、暴露或其他共變項。正式比較曲線可能需要對數秩檢定，而調整分析通常採用 Cox 比例風險模型。 請將此表視為透明的描述性估計，而非研究設計或臨床判斷的替代品。追蹤末期的風險集較小，會使尾端估計不穩定，且本簡易計算器不顯示信賴區間。研究報告應同時呈現存活機率與不確定性區間，說明設限規則和時間起點，並使用經驗證的統計軟體進行推論。