📈
在线KM生存曲线 — Kaplan-Meier生存分析
免费在线进行Kaplan-Meier生存分析。上传生存数据和分组信息，一键生成发表级KM曲线，支持log-rank检验、风险表和中位生存时间。
📈 免费在线使用什么是KM生存曲线？
Kaplan-Meier（KM）生存曲线是生存分析中最经典的非参数方法，由Kaplan和Meier于1958年提出。它用于估计和可视化生存概率随时间的变化，是临床研究、肿瘤学和流行病学中最常用的统计方法之一。
KM曲线以时间为X轴，生存概率为Y轴，呈阶梯状下降。通过log-rank检验可以比较不同组别（如高表达组vs低表达组、治疗组vs对照组）的生存差异是否显著。配合风险表（Risk Table），读者可以直观了解各时间点的at-risk人数。
📌 KM生存曲线的关键要素
- 生存概率曲线：阶梯状下降，每次事件发生（死亡/复发）时下降
- 删失标记（Censoring）：在曲线上用短竖线标记删失的观测
- Log-rank检验：比较两条或多条曲线的差异是否显著
- 中位生存时间：生存概率降至50%时对应的时间
- 风险表：各时间点仍处于风险中的样本数量
什么时候使用KM生存曲线？
🔬 典型应用场景
- 肿瘤预后分析：基于基因表达分组，比较高低表达组的生存差异
- 临床试验：比较不同治疗方案的患者生存情况
- TCGA数据挖掘：利用公共数据库验证基因的预后价值
- 生物标志物验证：评估候选生物标志物与患者预后的关系
- 药物疗效评估：比较用药组和对照组的无进展生存期
- 论文发表：KM曲线是临床/预后类SCI论文的必需图表
如何使用在线KM生存分析工具
- 准备数据：准备包含样本ID、生存时间、事件状态（0/1）和分组信息的数据表
- 上传数据：上传CSV/Excel格式的生存数据
- 设置分组：选择分组变量（如高表达/低表达）
- AI辅助：告诉AI您的分析需求，自动完成分组和参数配置
- 生成图表：一键生成KM曲线、log-rank P值和风险表
- 导出使用：支持高清矢量图导出
💡 AI提示示例："帮我对TCGA肺癌数据做KM生存分析，根据基因TP53表达中位数分高低组，显示log-rank P值和风险表，高表达组用红色，低表达组用蓝色。"
常见问题
- KM生存分析和Cox回归有什么区别？
- KM分析是单变量非参数方法，适合分组比较和可视化。Cox回归是多变量半参数模型，可以同时控制多个协变量的影响，计算风险比（HR）。两者常结合使用。
- 如何对连续变量进行分组？
- 常用方法包括中位数分组、最优截断值（如survminer包的surv_cutpoint）、三分位数分组等。BioInfo AI支持多种分组策略，AI可以帮助您选择最佳方案。
- 生存数据需要什么格式？
- 至少需要三列：生存时间（数值）、事件状态（0=删失/存活，1=事件发生）、分组信息（分类变量）。可选包含其他协变量用于后续Cox分析。
- log-rank检验的P值多少算显著？
- 通常P < 0.05认为两组生存差异有统计学意义。但需注意结合临床意义和效应大小综合判断。