Survival Analysis (KM) 是一款专为临床与生物研究设计的 Kaplan-Meier 生存分析工具，能够生成高质量、可直接用于发表的生存曲线图，并提供全面的统计检验与风险比估算功能。该工具基于非参数最大似然估计方法，适用于处理存在右删失数据的时间-事件分析场景，广泛应用于肿瘤学、流行病学及药物疗效评估等领域。通过简洁的命令行接口，用户可快速导入结构化 CSV 格式的数据文件，指定时间列、事件指示列和分组变量，即可自动输出包含置信区间、中位生存时间及风险表的完整分析报告。其核心优势在于兼顾了学术严谨性与可视化专业性，不仅支持两组或多组间的生存差异比较，还能执行 Cox 比例风险回归模型以量化协变量对生存的影响程度。此外，工具内置多种统计检验选项（如 log-rank、Wilcoxon、Peto-Peto），满足不同研究假设下的分析需求。所有结果均以标准化格式保存，包括 PNG/PDF 图像文件、CSV 统计数据表以及易读的文本摘要报告，极大提升了科研工作的效率与可重复性。
核心功能特点
- 生成出版级 Kaplan-Meier 生存曲线，含置信区间带与风险表
- 提供多种生存差异检验：log-rank、Wilcoxon 和 Peto-Peto 检验
- 计算中位生存时间与受限平均生存时间（RMST）等关键指标
- 支持 Cox 比例风险回归分析并输出 hazard ratio 及其 95% 置信区间
- 自动检测并报告比例风险假设是否成立（Schoenfeld残差法）
- 灵活配置输出格式与图形参数，适配不同发表要求
适用场景
该工具特别适合需要从临床试验或纵向观察研究中提取生存信息的科研人员使用。例如，在评估新药对比安慰剂对患者总生存期影响时，研究人员可将每位患者的入组时间、死亡/失访时间和治疗组别录入 CSV 文件，运行脚本后即可获得直观的生存曲线对比图及显著性检验 p 值。对于肿瘤学研究者而言，它可用于分析不同分子分型或基因表达水平对无进展生存期（PFS）或总生存期（OS）的影响，并通过 Cox 模型校正年龄、性别等混杂因素，得出独立预后因子的风险比。此外，在流行病学调查中，当研究对象存在随访中断（即右删失）的情况时，传统均值无法准确反映真实生存状况，而 Kaplan-Meier 方法能有效利用部分观测信息进行稳健估计。无论是验证新疗法优于现有标准治疗，还是探索生物标志物的预后价值，该工具都能提供统计学上可靠且易于解读的结果输出，帮助研究者高效完成从数据分析到论文图表生成的全流程工作。