Yila

追跡データから Kaplan–Meier 生存曲線を作成

追跡期間とイベントの列を含む表をアップロードしてください。Yila が number at risk を添えた生存曲線を描き、群間の差を検定して Cox モデルを当てはめます。再現用のスクリプトも付きます。

これはイベント発生までの時間を含む追跡データです。を比較する Kaplan–Meier 生存曲線を描き、number at risk の表、95% 信頼帯、ログランク検定の p 値、到達していれば生存期間中央値を入れてください。次に、で調整した Cox モデルを当てはめ、比例ハザード性の仮定を確認してください。図は PNG と SVG で保存し、Cox モデルの結果表とスクリプトも保存してください。

Yila のワークベンチで開きます。会話の中でいつでも調整できます。

完成した生存時間解析

公開されている臨床データセットで実行した公式の作例です。下の図は実行時に保存されたもので、ダウンロードにはこれらの図と Cox モデルの結果表、R スクリプトが含まれます。

心不全患者 299 人における駆出率別の生存 — 1
1 / 2

得られるもの

Kaplan–Meier 曲線の図
打ち切りマークと 95% 信頼帯を付けた生存曲線に、ログランク検定の p 値と、時間軸の下にそろえた number at risk の表を加えます。
Cox モデルの結果表
共変量ごとのハザード比、95% 信頼区間、p 値に加えて、モデルの C-index(concordance index)を示します。
仮定の確認
すべての共変量についてのスケール化 Schoenfeld 残差と全体検定です。比例ハザード性が成り立つかどうかを判断できます。
解析スクリプト
解析全体を R(ご希望なら Python)で記述しているので、査読者や共著者がすべての数値を再計算できます。

進め方

表をアップロードして比較する群を指定

時間の列とイベントの列を含む CSV または Excel ファイルを Yila に渡し、比較する群を伝えます。「駆出率 ≤ 30%」のようなカットオフも、ふだんの言葉で書けます。

Yila がデータを確認して手法を選択

列を読み取り、群ごとの患者数とイベント数を数え、どの値がイベントを表すかを確かめてから解析に入ります。あいまいな点は推測せず、質問します。

図・表・スクリプトが完成

生存曲線、Cox モデルの結果表、残差の確認を描画して目で確かめ、スクリプトとともに保存します。別のカットオフ、別の共変量の組み合わせ、ジャーナル指定のサイズが必要なときは、同じ会話の中で依頼してください。

主な用途

臨床コホート研究の論文

曝露やリスク群ごとの生存をメインの図に使え、査読者から求められる調整済みモデルもそろいます。

学位論文の 1 章

スクリプトと出力をそのまま付録に収められる、再現可能な生存時間解析です。

公開データの再解析

公表された生存時間解析の結果を、自分の研究の土台にする前に、元の公開データセットで確かめられます。

よくある質問

お手元のコホートで生存曲線を作成

追跡データの表をアップロードして、比較する群を指定してください。Yila が生存曲線を描いてモデルを当てはめ、スクリプトも残します。

データをアップロードして始める