
用随访数据画 Kaplan–Meier 生存曲线
上传含随访时间和结局事件的表格,Yila 画出带风险人数表的生存曲线,做组间检验并拟合 Cox 模型,同时交付可以复现全部结果的代码。
这是我的随访数据,包含随访时间和结局事件。请画出比较的 Kaplan–Meier 生存曲线,附风险人数表、95% 置信带、log-rank 检验 P 值,能估计时给出中位生存时间。然后拟合校正的 Cox 模型,并检验比例风险假设。图保存为 PNG 和 SVG,同时保存 Cox 结果表和代码。
将在 Yila 工作台中打开,之后可以在对话里随时调整。
一次完整的生存分析
这是在公开临床数据集上跑的一次官方示例。下面是它保存的图,下载包里另有 Cox 结果表和 R 代码。

1 / 2
你会得到
- Kaplan–Meier 曲线图
- 带删失标记和 95% 置信带的生存曲线,标注 log-rank P 值,图下方对齐风险人数表。
- Cox 回归结果表
- 每个协变量的风险比、95% 置信区间和 P 值,以及模型的 C 指数。
- 比例风险假设检验
- 每个协变量的标化 Schoenfeld 残差图和整体检验,帮你判断比例风险假设是否成立。
- 分析代码
- 完整的 R 代码(需要的话也可以是 Python),审稿人或合作者可以重跑每一个数字。
怎么做

上传表格,说清楚比较哪几组
给 Yila 一个包含随访时间和结局事件的 CSV 或 Excel 文件,用一句话说明要比较的分组,比如“射血分数 ≤ 30%”这样的切点直接写就行。

Yila 先核对数据,再选方法
它先读列名,统计各组人数和事件数,确认哪个取值代表发生事件,再开始建模。拿不准的地方会先问你,不会自己猜。

拿到图、表和代码
生存曲线、Cox 结果表和残差检验图都会渲染出来逐一检查后保存,代码一并交付。想换切点、换协变量或改成期刊要求的尺寸,在同一个对话里说就行。
适合这些场景
临床队列研究论文
按暴露或风险分组画主图,同时准备好审稿人一定会要的多因素校正模型。
学位论文的一章
一套可复现的生存分析,代码和结果可以原样放进附录。
复核公开数据
在动手做后续研究之前,先用公开数据集核对一下已发表的生存分析结果。



