概要

结合医学领域常用的分析方法，可快速执行临床试验的进阶分析，汇整预测疾病时完整的评估指标。可快速执行各种医学分析方法，包含各种存活分析方法，医药疗效分析。我们依据研究人员在使用数据分析软体的使用状况后，为贴近研究人员的需求，整合其功能与方法，让您在分析更多数据时，能更快取得研究结论。

产品特色

• 支援变异性同质性检定方法
• 支援次序型变数的类别检定法
• 支援极小样本下，离群值的检定方法
• 支援各种存活分析方法

应用领域

• 医学领域：竞争风险、参数配适等进阶存活分析
• 业领域：可靠度分析等
• 融领域：个人消费性贷款、法人金融预警分析等
• 商业领域：客户关系管理

分析方法

Kaplan-Meier存活函数信赖区间

Model :

• Kaplan-Meier Confidence Intervals

Description : 操作Kaplan-Meier可以使我们获得该族群在不同时间点上的存活率估计值，并画出存活曲线；然而若需要该曲线的信赖区间时，则可利用此模组处理Kaplan-Meier 存活机率的信赖区间，并依使用者需求可自行设定信赖水准参数的大小。

应用 : 以Kaplan-Meier存活函数为基础，估计不同时间点的存活机率及信赖区间，以图表的方式做一完整的呈现。

Cox Proportional Hazard 假设的诊断

Model :

• Diagnostics for Cox Regression Model

Description : Cox Proportional Hazard Regression是存活分析上经常使用的回归模型，然而需要符合风险函数的比率为一常数，也就是比例风险假设（Proportional Hazard Assumption），此模组即为诊断资料是否符合比例风险的前提假设，让您避开不适合的分析方法。

应用 : 在进行Cox 比例风险回归之前，建议先检查资料是否符合此分析方法的假设前提，以保障后续分析的正确性。

Parametric存活分析

Model :

• Survival Distribution Identification
• Parametric Regression
• Parametric Proportional Hazards Regression
• Parametric AFT Regression

Description : 大部分的存活分析都是使用无母数或是半母数分析，那是因为存活时间的分布通常是相当极端或是未知；然而您也可以尝试将存活时间配适为特定机率分布，并利用此机率分布建构Parametric Regression、Parametric Proportional Hazards Regression（比例风险模型）及Parametric AFT Regression（加速失败时间模型），您可以依此机率分配的特性对存活资料进行描述。

应用 : 若您的资料不符合比例风险的假设时，则可考虑将存活资料配适机率分布，再进行相关的回归模型，可建构平滑的存活曲线，也较容易估计及解释您的存活资料。

Competing Risks存活分析

Model :

• Competing risk CIF
• Competing risk Regression

Description : 在现实生活中，导致事件发生的原因可能不只一种，也就是说，可能有多重原因会造成样本发生事件，即称为竞争风险（Competing Risk），可计算在不同组别下的累积发生函数（Cumulative Incidence Function）及建立竞争风险回归模型（Competing risk Regression）。

应用 : 适用于造成事件发生的原因大于一种的存活资料（例如：中风患者常合并多重共病性，评估多种原因导致病患死亡的存活分析），并建构其存活模型，找出重要的影响因子。

系统需求

安装IBM SPSS Statistics BASE 建议:

• Windows XP，2000，WIN 7
• Intel Pentium相容处理器
• 512MB以上的记忆体
• 1GB以上的硬碟空间
• SVGA 显示器
• Internet Explorer 6