# Kaplan-Meier-Kurven aus Ihren Follow-up-Daten zeichnen

> Laden Sie eine Tabelle mit Nachbeobachtungszeit und Ereignisspalte hoch. Yila zeichnet die Überlebenskurven mit Number at Risk, testet den Unterschied und passt ein Cox-Modell an, samt Skript zur Reproduktion.

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

## Das erhalten Sie

- **Kaplan-Meier-Diagramm** (PNG + SVG): Kurven mit Zensierungsmarken, 95-%-Konfidenzbändern, dem p-Wert des Log-Rank-Tests und einer Number-at-Risk-Tabelle, ausgerichtet unter der Zeitachse.
- **Tabelle zum Cox-Modell** (CSV): Hazard Ratios mit 95-%-Konfidenzintervallen und p-Werten für jede Kovariate sowie der Konkordanzindex des Modells.
- **Prüfung der Modellannahme** (Abbildung): Skalierte Schoenfeld-Residuen für jede Kovariate mit globalem Test, damit Sie angeben können, ob die Proportional-Hazards-Annahme erfüllt ist.
- **Das Skript** (R-Skript): Die vollständige Analyse in R (oder auf Wunsch in Python), damit Gutachter oder Koautoren jede Zahl nachrechnen können.

## So funktioniert es

1. **Tabelle hochladen und Gruppen nennen**: Geben Sie Yila eine CSV- oder Excel-Datei mit einer Zeit- und einer Ereignisspalte und sagen Sie, welche Gruppen verglichen werden sollen. Einen Grenzwert wie Ejektionsfraktion ≤ 30 % können Sie einfach in Worten angeben.
2. **Yila prüft die Daten und wählt die Methoden**: Yila liest die Spalten, zählt Patienten und Ereignisse pro Gruppe und klärt, welcher Wert das Ereignis kennzeichnet, bevor ein Modell angepasst wird. Bei Unklarheiten fragt Yila nach, statt etwas anzunehmen.
3. **Abbildungen, Tabelle und Skript erhalten**: Kurven, Cox-Tabelle und Residuenprüfung werden gerendert, begutachtet und mit dem Skript gespeichert. Einen anderen Grenzwert, andere Kovariaten oder das Abbildungsformat einer Fachzeitschrift können Sie im selben Gespräch anfordern.

## Geeignet für

- **Ein Artikel zu einer klinischen Kohorte**: Überleben nach Exposition oder Risikogruppe für die Hauptabbildung, mit dem adjustierten Modell, nach dem Gutachter fragen werden.
- **Ein Kapitel der Abschlussarbeit**: Eine reproduzierbare Überlebenszeitanalyse, deren Skript und Ergebnisse sich unverändert in den Anhang übernehmen lassen.
- **Offene Daten neu analysieren**: Prüfen Sie ein veröffentlichtes Überlebensergebnis am zugehörigen öffentlichen Datensatz, bevor Sie darauf aufbauen.

## Häufige Fragen

### Wie müssen meine Daten aussehen?

Eine Zeile pro Patient, eine Spalte mit der Nachbeobachtungszeit und eine Spalte, die angibt, ob das Ereignis eingetreten ist (zum Beispiel 1 = verstorben, 0 = zensiert). Gruppierungsvariablen und Kovariaten stehen in weiteren Spalten. CSV und Excel funktionieren beide; ist das Ereignis anders kodiert, geben Sie das in der Anfrage an.

### Welche Tests und Modelle verwendet Yila?

Kaplan-Meier-Schätzer mit Log-Rank-Test für den Vergleich und ein Cox-Proportional-Hazards-Modell für adjustierte Hazard Ratios, geprüft mit skalierten Schoenfeld-Residuen. Ist die Annahme verletzt, sagt Yila das und schlägt eine Alternative vor, etwa ein stratifiziertes Modell oder eines mit zeitabhängigen Effekten, statt die Hazard Ratios zu berichten, als wäre nichts gewesen.

### Kann ich die Gruppen anhand einer stetigen Variablen bilden?

Ja. Geben Sie den Grenzwert in Worten an, etwa Ejektionsfraktion ≤ 30 %, oder bitten Sie um Terzile oder den Median. Yila gibt an, wie viele Patienten und Ereignisse auf jede Gruppe entfallen, damit Sie sehen, ob eine Gruppe zu klein ist.

### Ist die Number-at-Risk-Tabelle enthalten?

Ja, ausgerichtet unter der Zeitachse des Diagramms und in denselben Gruppenfarben. Sie können andere Zeitpunkte wünschen oder auf die Tabelle verzichten.

### R oder Python?

Beides ist möglich. Das Beispiel oben wurde in R mit dem Paket survival geschrieben; wenn Sie Python wünschen, erhalten Sie Code mit lifelines, der dieselben Ergebnisse liefert.

### Kann ich die Abbildung nachträglich ändern?

Ja, im selben Gespräch: andere Farben, die Spaltenbreite einer Fachzeitschrift, ein Landmark-Zeitpunkt, andere Gruppen oder Kovariaten. Das Skript wird zusammen mit der Abbildung aktualisiert.

### Woher stammen die Beispieldaten?

Aus dem offenen Datensatz Heart Failure Clinical Records (Chicco und Jurman, 2020), der unter CC BY 4.0 im UCI Machine Learning Repository veröffentlicht ist. Yila verwendet niemals Daten von Nutzern als Beispiele.

---

- [Kaplan-Meier-Kurven aus Ihren Follow-up-Daten zeichnen](https://yila.ai/de/playbooks/kaplan-meier-curve)
- [llms.txt](https://yila.ai/de/llms.txt)
