概要

結合醫學領域常用的分析方法，可快速執行臨床試驗的進階分析，彙整預測疾病時完整的評估指標。可快速執行各種醫學分析方法，包含各種存活分析方法，醫藥療效分析。我們依據研究人員在使用數據分析軟體的使用狀況後，為貼近研究人員的需求，整合其功能與方法，讓您在分析更多數據時，能更快取得研究結論。

產品特色

• 支援變異性同質性檢定方法
• 支援次序型變數的類別檢定法
• 支援極小樣本下，離群值的檢定方法
• 支援各種存活分析方法

應用領域

• 醫學領域：競爭風險、參數配適等進階存活分析
• 業領域：可靠度分析等
• 融領域：個人消費性貸款、法人金融預警分析等
• 商業領域：客戶關係管理

分析方法

Kaplan-Meier存活函數信賴區間

Model :

• Kaplan-Meier Confidence Intervals

Description : 操作Kaplan-Meier可以使我們獲得該族群在不同時間點上的存活率估計值，並畫出存活曲線；然而若需要該曲線的信賴區間時，則可利用此模組處理Kaplan-Meier 存活機率的信賴區間，並依使用者需求可自行設定信賴水準參數的大小。

應用 : 以Kaplan-Meier存活函數為基礎，估計不同時間點的存活機率及信賴區間，以圖表的方式做一完整的呈現。

Cox Proportional Hazard 假設的診斷

Model :

• Diagnostics for Cox Regression Model

Description : Cox Proportional Hazard Regression是存活分析上經常使用的迴歸模型，然而需要符合風險函數的比率為一常數，也就是比例風險假設（Proportional Hazard Assumption），此模組即為診斷資料是否符合比例風險的前提假設，讓您避開不適合的分析方法。

應用 : 在進行Cox 比例風險迴歸之前，建議先檢查資料是否符合此分析方法的假設前提，以保障後續分析的正確性。

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無母數或是半母數分析，那是因為存活時間的分佈通常是相當極端或是未知；然而您也可以嘗試將存活時間配適為特定機率分佈，並利用此機率分佈建構Parametric Regression、Parametric Proportional Hazards Regression（比例風險模型）及Parametric AFT Regression（加速失敗時間模型），您可以依此機率分配的特性對存活資料進行描述。

應用 : 若您的資料不符合比例風險的假設時，則可考慮將存活資料配適機率分佈，再進行相關的迴歸模型，可建構平滑的存活曲線，也較容易估計及解釋您的存活資料。

Competing Risks存活分析

Model :

• Competing risk CIF
• Competing risk Regression

Description : 在現實生活中，導致事件發生的原因可能不只一種，也就是說，可能有多重原因會造成樣本發生事件，即稱為競爭風險（Competing Risk），可計算在不同組別下的累積發生函數（Cumulative Incidence Function）及建立競爭風險迴歸模型（Competing risk Regression）。

應用 : 適用於造成事件發生的原因大於一種的存活資料（例如：中風患者常合併多重共病性，評估多種原因導致病患死亡的存活分析），並建構其存活模型，找出重要的影響因子。

系統需求

安裝IBM SPSS Statistics BASE 建議:

• Windows XP，2000，WIN 7
• Intel Pentium相容處理器
• 512MB以上的記憶體
• 1GB以上的硬碟空間
• SVGA 顯示器
• Internet Explorer 6