# ارسم منحنيات Kaplan–Meier من بيانات المتابعة

> ارفع جدولًا فيه مدة المتابعة وعمود للحدث. يرسم Yila منحنيات البقاء مع أعداد المعرَّضين للخطر، ويختبر الفرق بين المجموعات، ويطبّق نموذج Cox، مع نص برمجي لإعادة إنتاج النتائج.

URL: https://yila.ai/ar/playbooks/kaplan-meier-curve

## ما الذي ستحصل عليه

- **مخطط Kaplan–Meier** (PNG + SVG): منحنيات مع علامات الرقابة، ونطاقات الثقة 95%، وقيمة p لاختبار log-rank، وجدول لأعداد المعرَّضين للخطر محاذٍ تحت محور الزمن.
- **جدول نموذج Cox** (CSV): نسب المخاطر مع فترات الثقة 95% وقيم p لكل متغير مصاحب، إضافة إلى مؤشر التوافق للنموذج.
- **فحص الافتراض** (شكل): بواقي Schoenfeld المعيَّرة لكل متغير مصاحب مع الاختبار الشامل، لتعرف هل يتحقق افتراض تناسب المخاطر.
- **النص البرمجي** (نص برمجي بلغة R): التحليل كاملًا بلغة R (أو Python إن طلبت)، ليتمكن المحكّم أو المؤلف المشارك من إعادة حساب كل رقم.

## كيف يعمل

1. **ارفع الجدول وحدّد المجموعات**: قدّم إلى Yila ملف CSV أو Excel فيه عمود للزمن وعمود للحدث، واذكر المجموعات التي تريد مقارنتها. ويمكن كتابة حدّ فاصل مثل «الكسر القذفي ≤ 30%» بكلمات عادية.
2. **يفحص Yila البيانات ويختار الطرق**: يقرأ الأعمدة، ويعدّ المرضى والأحداث في كل مجموعة، ويتأكد من القيمة التي تدل على وقوع الحدث قبل أن يطبّق أي نموذج. وما كان غامضًا يُسأل عنه ولا يُفترض.
3. **احصل على الأشكال والجدول والنص البرمجي**: تُرسم المنحنيات وجدول نموذج Cox وفحص البواقي، وتُراجع، ثم تُحفظ مع النص البرمجي. ويمكنك أن تطلب في المحادثة نفسها حدًّا فاصلًا آخر، أو مجموعة مختلفة من المتغيرات المصاحبة، أو مقاسًا يناسب مجلة ما.

## حالات الاستخدام

- **ورقة بحثية عن فوج سريري**: البقاء بحسب التعرّض أو فئة الخطر للشكل الرئيسي، مع النموذج المعدَّل الذي سيطلبه المحكّم.
- **فصل في أطروحة**: تحليل بقاء قابل لإعادة الإنتاج، يمكن وضع نصه البرمجي ومخرجاته في الملحق كما هي.
- **إعادة تحليل البيانات المفتوحة**: تحقّق من نتيجة بقاء منشورة على مجموعة بياناتها العامة قبل أن تبني عليها.

## أسئلة شائعة

### كيف يجب أن تكون بياناتي؟

صف لكل مريض، وعمود لمدة المتابعة، وعمود يبيّن هل وقع الحدث (مثلًا 1 = وفاة، 0 = مراقَب). وتأتي متغيرات التجميع والمتغيرات المصاحبة في أعمدة أخرى. ويصلح ملف CSV أو Excel؛ وإذا كان الحدث مرمَّزًا بطريقة مختلفة فاذكر ذلك في طلبك.

### ما الاختبارات والنماذج التي يستخدمها Yila؟

تقديرات Kaplan–Meier مع اختبار log-rank للمقارنة، ونموذج Cox للمخاطر النسبية للحصول على نسب مخاطر معدَّلة، مع فحصه ببواقي Schoenfeld المعيَّرة. وإذا لم يتحقق الافتراض، يوضّح Yila ذلك ويقترح بديلًا مثل نموذج طبقي أو نموذج بمتغيرات متغيّرة مع الزمن، بدلًا من عرض نسب المخاطر كأن شيئًا لم يحدث.

### هل يمكنني استخدام متغير متصل لتكوين المجموعات؟

نعم. اذكر الحد الفاصل بالكلمات، مثل الكسر القذفي ≤ 30%، أو اطلب التقسيم إلى أثلاث أو عند الوسيط. ويذكر Yila عدد المرضى والأحداث في كل مجموعة، فترى هل إحدى المجموعات صغيرة جدًا.

### هل يتضمن المخطط جدول أعداد المعرَّضين للخطر؟

نعم، محاذيًا تحت محور الزمن في المخطط، وبألوان المجموعات نفسها. ويمكنك أن تطلب نقاطًا زمنية مختلفة أو حذف الجدول.

### R أم Python؟

يمكن استخدام أيٍّ منهما. كُتب المثال أعلاه بلغة R باستخدام الحزمة survival؛ وإذا طلبت Python فستحصل على شيفرة lifelines تنتج المخرجات نفسها.

### هل يمكنني تعديل الشكل بعد ذلك؟

نعم، في المحادثة نفسها: ألوان مختلفة، أو عرض العمود في مجلة ما، أو نقطة زمنية مرجعية (landmark)، أو مجموعات أو متغيرات مصاحبة أخرى. ويُحدَّث النص البرمجي مع الشكل.

### من أين جاءت بيانات المثال؟

من مجموعة البيانات المفتوحة Heart Failure Clinical Records (Chicco وJurman، 2020)، المنشورة بترخيص CC BY 4.0 في مستودع UCI لتعلّم الآلة. ولا يستخدم Yila بيانات المستخدمين أمثلةً أبدًا.

---

- [ارسم منحنيات Kaplan–Meier من بيانات المتابعة](https://yila.ai/ar/playbooks/kaplan-meier-curve)
- [llms.txt](https://yila.ai/ar/llms.txt)
