یک شرکت داروسازی در حال توسعه یک دارو ضد التهابی برای درمان درد مزمن آرتریت است. علاقه خاصی به زمان مصرف دارو و تاثیر آن در مقایسه با داروهای موجود است. زمانهای کوتاهتر به نظر می رسند بهتر باشد. برای چنین پژوهشی می توانید از تجزیه و تحلیل بقا Kaplan-Meier برای بررسی توزیع "زمان اثر" استفاده کنید و اثربخشی دو روش را مقایسه کنید.

برای اجرای تجزیه و تحلیل بقا Kaplan-Meier از منوها انتخاب کنید:

Analyze > Survival > Kaplan-Meier...

  1. گزینه Time to effect را به عنوان متغیر زمان انتخاب نمایید
  2. وضعیت Effect status را از نظر وضعیت رویداد انتخاب نمایید.
  3. روی گزینه Define Event. کلیک نمایید
  4. در پنجره ی Define Event dialog, عدد یک را در محل single value تایپ نمایید که نشاندهنده کدی است که دارو در آن گروه قرار داشته است.
  5. بر روی Continue  کلیک نمایید.
  6.  در پنجره ی Kaplan-Meier Survival Analysis dialog, گزینه  Treatment را به عنوان یک فاکتور انتخاب نمایید
  7. روی  Compare Factor. کلیک نمایید.
  8. در پنجره ی Compare Factor Levels dialog, گزینه Log rankBreslow, و Tarone-Ware. را انتخاب نمایید
  9. روی Continue. کلیک نمایید
  10. روی گزینه ی Options در پنجره ی Kaplan-Meier Survival Analysis کلیک نمایید
  11. در پنجره ی Options, گزینه Quartiles در دسته Statistics و Survival دردسته ی Plotsانتخاب نمایید .
  12. روی Continue. کلیک نمایید
  13. روی OK در پنجره ی Kaplan-Meier Survival Analysis کلیک نمایید

جدول بقا یک جدول توصیفی است که زمان دقیق آن را مشخص می کند تا زمانی که دارو در حال اثر باشد. این جدول بر اساس هر روش درمان، و هر مشاهده ردیف خود را در جدول اشغال می کند. در نتیجه، جدول معمولا بسیار بزرگ است.

زمان: زمانی که رویداد یا سانسور رخ داده است.

وضعیت: نشان می دهد که آیا پرونده رویداد نهایی را تجربه کرده یا سانسور شده است.

نسبت تجمعی که در آن زمان زنده مانده اند: نسبت مواردی که از ابتدای جدول تا این زمان باقیمانده است. هنگامی که چندین مورد همزمان یک رویداد نهایی را تجربه می کنند، این برآوردها یک بار برای آن دوره محاسبه شده و برای همه مواردی که دارو در آن زمان اعمال شده است، اعمال می شوند.

N از رویدادهای تجمعی : تعداد مواردی که رویداد نهایی را از ابتدای جدول تا این زمان تجربه کرده اند.

N موارد باقی مانده : تعدادی از مواردی که در این زمان هنوز در معرض رویداد نهایی بوده یا سانسور شده اند.