
추적관찰 데이터로 Kaplan–Meier 곡선 그리기
추적관찰 기간과 사건 발생 열이 있는 표를 업로드하세요. Yila가 위험 대상자 수를 포함한 생존곡선을 그리고, 그룹 간 차이를 검정하고, Cox 모형을 적합합니다. 결과를 재현할 수 있는 스크립트도 함께 제공합니다.
업로드한 파일은 사건 발생까지의 시간이 담긴 제 추적관찰 데이터입니다. 의 생존을 비교하는 Kaplan–Meier 생존곡선을 그려 주세요. 위험 대상자 수 표, 95% 신뢰대, log-rank 검정 p값을 넣고, 중앙 생존기간을 추정할 수 있으면 함께 적어 주세요. 이어서 에 대해 보정한 Cox 모형을 적합하고 비례위험 가정을 확인해 주세요. 그림은 PNG와 SVG로 저장하고, Cox 결과표와 스크립트도 함께 저장해 주세요.
Yila 워크벤치에서 열립니다. 대화 중 언제든 조정할 수 있습니다.
완성된 생존분석
공개 임상 데이터셋으로 한 번 공식 실행한 결과입니다. 아래는 실행에서 저장된 그림이며, 다운로드 파일에는 Cox 결과표와 R 스크립트가 함께 들어 있습니다.

받게 되는 결과물
- Kaplan–Meier 그래프
- 중도절단 표시와 95% 신뢰대가 있는 곡선에 log-rank p값을 적고, 시간 축 아래에 위험 대상자 수 표를 맞춰 넣습니다.
- Cox 모형 결과표
- 공변량별 위험비와 95% 신뢰구간, p값, 그리고 모형의 일치도 지수(C-index)를 정리합니다.
- 가정 검토
- 모든 공변량의 척도화 Schoenfeld 잔차와 전체 검정 결과로, 비례위험 가정이 성립하는지 판단할 수 있습니다.
- 스크립트
- 분석 전체를 R(요청하면 Python)로 제공해, 심사위원이나 공동 저자가 모든 수치를 다시 계산할 수 있습니다.
진행 방식

표를 업로드하고 비교 그룹을 정합니다
시간 열과 사건 열이 있는 CSV 또는 Excel 파일을 Yila에게 주고 비교할 그룹을 알려 주세요. ‘박출률 ≤ 30%’ 같은 절단값은 평소 말하듯 적으면 됩니다.

Yila가 데이터를 점검하고 방법을 고릅니다
모형을 적합하기 전에 열을 읽고, 그룹별 환자 수와 사건 수를 세고, 어떤 값이 사건 발생을 뜻하는지 확인합니다. 애매한 부분은 짐작하지 않고 묻습니다.

그림, 표, 스크립트를 받습니다
곡선, Cox 결과표, 잔차 검토 그림을 렌더링해 확인한 뒤 스크립트와 함께 저장합니다. 다른 절단값, 다른 공변량 조합, 저널 규격 크기가 필요하면 같은 대화에서 요청하세요.
활용 상황
임상 코호트 논문
노출이나 위험군에 따른 생존을 주요 그림으로 보여 주고, 심사위원이 요청할 보정 모형도 함께 준비합니다.
학위논문의 한 장
스크립트와 출력을 그대로 부록에 넣을 수 있는 재현 가능한 생존분석입니다.
공개 데이터 재분석
출판된 생존분석 결과를 바탕으로 연구를 이어 가기 전에, 공개 데이터셋으로 그 결과를 확인합니다.
자주 묻는 질문
더 살펴보기

데이터 분석
CSV/XLSX를 업로드하면 대화로 데이터를 점검하고 연구 통계를 실행해 출판 수준의 차트를 만들 수 있습니다.

원고에 넣을 Table 1 만들기
데이터셋을 업로드하고 비교할 그룹을 알려 주세요. Yila가 변수마다 분포를 확인해 심사위원이 기대하는 방식으로 요약하고, 행마다 검정 방법을 골라 편집 가능한 Word 표로 저장합니다.

ROC 곡선을 그리고 AUC를 제대로 보고하기
결과변수와 지표가 담긴 표를 업로드하세요. Yila가 모형을 적합하고 표본 외 예측으로 검증한 뒤, AUC와 신뢰구간을 담은 ROC 곡선을 그리고 근거를 댈 수 있는 절단값을 고릅니다.
