# วาดเส้นโค้ง Kaplan–Meier จากข้อมูลการติดตามผลของคุณ

> อัปโหลดตารางที่มีระยะเวลาติดตามและคอลัมน์เหตุการณ์ แล้ว Yila จะวาดเส้นโค้งการรอดชีพพร้อมจำนวนผู้ที่ยังอยู่ในความเสี่ยง ทดสอบความแตกต่าง และประมาณค่าแบบจำลอง Cox พร้อมสคริปต์สำหรับทำซ้ำผล

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

## สิ่งที่คุณจะได้รับ

- **กราฟ Kaplan–Meier** (PNG + SVG): เส้นโค้งพร้อมเครื่องหมายการเซ็นเซอร์ แถบความเชื่อมั่น 95% ค่า p จาก log-rank และตารางจำนวนผู้ที่ยังอยู่ในความเสี่ยงที่จัดตรงกับแกนเวลาด้านล่าง
- **ตารางแบบจำลอง Cox** (CSV): อัตราส่วนอันตราย (hazard ratio) พร้อมช่วงความเชื่อมั่น 95% และค่า p ของตัวแปรร่วมแต่ละตัว รวมถึงดัชนีความสอดคล้อง (C-index) ของแบบจำลอง
- **การตรวจข้อสมมติ** (รูป): ส่วนเหลือ Schoenfeld แบบปรับสเกลของตัวแปรร่วมทุกตัว พร้อมการทดสอบรวม เพื่อให้บอกได้ว่าข้อสมมติ proportional hazards เป็นจริงหรือไม่
- **สคริปต์** (สคริปต์ R): การวิเคราะห์ทั้งหมดเป็นภาษา R (หรือ Python หากต้องการ) ผู้ทรงคุณวุฒิหรือผู้เขียนร่วมจึงรันตัวเลขทุกค่าซ้ำได้

## ขั้นตอนการทำงาน

1. **อัปโหลดตารางและระบุกลุ่ม**: ส่งไฟล์ CSV หรือ Excel ที่มีคอลัมน์เวลาและคอลัมน์เหตุการณ์ให้ Yila แล้วบอกว่าจะเปรียบเทียบกลุ่มใด จุดตัดอย่าง ejection fraction ≤ 30% เขียนเป็นข้อความธรรมดาได้เลย
2. **Yila ตรวจข้อมูลและเลือกวิธี**: Yila อ่านคอลัมน์ นับจำนวนผู้ป่วยและเหตุการณ์ในแต่ละกลุ่ม และยืนยันว่าค่าใดหมายถึงการเกิดเหตุการณ์ก่อนเริ่มสร้างแบบจำลอง สิ่งที่ไม่ชัดเจนจะถามคุณก่อน ไม่คาดเดาเอง
3. **รับรูป ตาราง และสคริปต์**: Yila สร้างภาพเส้นโค้ง ตาราง Cox และการตรวจส่วนเหลือ ตรวจดูผล แล้วบันทึกพร้อมสคริปต์ หากต้องการจุดตัดอื่น ชุดตัวแปรร่วมอื่น หรือขนาดตามที่วารสารกำหนด ขอได้ในบทสนทนาเดียวกัน

## เหมาะสำหรับ

- **บทความวิจัยโคฮอร์ตทางคลินิก**: การรอดชีพตามกลุ่มที่ได้รับสัมผัสหรือกลุ่มความเสี่ยงสำหรับรูปหลัก พร้อมแบบจำลองที่ปรับตัวแปรแล้วซึ่งผู้ทรงคุณวุฒิจะต้องขอ
- **บทหนึ่งในวิทยานิพนธ์**: การวิเคราะห์การรอดชีพที่ทำซ้ำได้ ซึ่งใส่สคริปต์และผลลัพธ์ลงในภาคผนวกได้ทันที
- **วิเคราะห์ข้อมูลเปิดซ้ำ**: ตรวจผลการวิเคราะห์การรอดชีพที่ตีพิมพ์แล้วกับชุดข้อมูลสาธารณะของงานนั้น ก่อนนำไปต่อยอด

## คำถามที่พบบ่อย

### ข้อมูลต้องจัดเป็นแบบไหน

หนึ่งแถวต่อผู้ป่วยหนึ่งราย มีคอลัมน์ระยะเวลาติดตาม และคอลัมน์ที่บอกว่าเกิดเหตุการณ์หรือไม่ (เช่น 1 = เสียชีวิต, 0 = ถูกเซ็นเซอร์) ตัวแปรจัดกลุ่มและตัวแปรร่วมอยู่ในคอลัมน์อื่น ใช้ได้ทั้ง CSV และ Excel หากรหัสของเหตุการณ์ต่างจากนี้ โปรดระบุในคำขอ

### Yila ใช้การทดสอบและแบบจำลองอะไร

ใช้ค่าประมาณ Kaplan–Meier กับการทดสอบ log-rank สำหรับการเปรียบเทียบ และแบบจำลอง Cox proportional hazards สำหรับอัตราส่วนอันตรายที่ปรับแล้ว โดยตรวจด้วยส่วนเหลือ Schoenfeld แบบปรับสเกล หากข้อสมมติไม่เป็นจริง Yila จะแจ้งและเสนอทางเลือก เช่น แบบจำลองแบบแบ่งชั้นหรือแบบที่ผลแปรตามเวลา แทนการรายงานอัตราส่วนอันตรายราวกับไม่มีปัญหาอะไร

### ใช้ตัวแปรต่อเนื่องแบ่งกลุ่มได้ไหม

ได้ เขียนจุดตัดเป็นข้อความ เช่น ejection fraction ≤ 30% หรือขอให้แบ่งตามเทอร์ไทล์หรือค่ามัธยฐาน Yila จะรายงานจำนวนผู้ป่วยและเหตุการณ์ในแต่ละกลุ่ม คุณจึงเห็นได้ว่ากลุ่มใดเล็กเกินไปหรือไม่

### มีตารางจำนวนผู้ที่ยังอยู่ในความเสี่ยงไหม

มี ตารางจัดตรงกับแกนเวลาใต้กราฟและใช้สีเดียวกับแต่ละกลุ่ม คุณขอให้ใช้จุดเวลาอื่นหรือไม่ใส่ตารางก็ได้

### ใช้ R หรือ Python

ใช้ได้ทั้งสองภาษา ตัวอย่างด้านบนเขียนด้วย R และแพ็กเกจ survival หากขอ Python จะได้โค้ด lifelines ที่ให้ผลลัพธ์เดียวกัน

### แก้ไขรูปภายหลังได้ไหม

ได้ ขอในบทสนทนาเดียวกัน เช่น เปลี่ยนสี ใช้ความกว้างคอลัมน์ตามวารสาร กำหนดจุดเวลา landmark หรือเปลี่ยนกลุ่มหรือตัวแปรร่วม สคริปต์จะอัปเดตไปพร้อมกับรูป

### ข้อมูลในตัวอย่างมาจากไหน

มาจากชุดข้อมูลเปิด Heart Failure Clinical Records (Chicco และ Jurman, 2020) ซึ่งเผยแพร่ภายใต้สัญญาอนุญาต CC BY 4.0 บน UCI Machine Learning Repository ทั้งนี้ Yila ไม่เคยนำข้อมูลของผู้ใช้มาใช้เป็นตัวอย่าง

---

- [วาดเส้นโค้ง Kaplan–Meier จากข้อมูลการติดตามผลของคุณ](https://yila.ai/th/playbooks/kaplan-meier-curve)
- [llms.txt](https://yila.ai/th/llms.txt)
