臨床研究における統計手法としては、とてもメジャーになった生存時間解析。

カプランマイヤー曲線も有名で、生存時間解析とセットで出てきますよね。

がん領域で使われることの多い解析手法のため、「生存時間」という名称がとてもしっくりきます。

ですが実は、生存時間解析は「生存/死亡」データ以外にも適用可能。

このページでは、そんな生存時間解析やカプランマイヤー曲線をわかりやすく解説します。

生存時間解析とは？「イベント」と「時間」を解析するユニークな解析

生存時間解析を一言でいうと、その名の通り「時間」を解析する方法です。

時間は、「１時間」とか「７５日」とかですよね。

普通に考えると、連続量として扱って解析しても良さそうです。

連続量として扱えば、T検定やウィルコクソンの順位和検定を使えばいいですよね。

ではなぜわざわざ生存時間解析、というものを使うのでしょうか。

生存時間解析で重要なイベントという概念

なぜわざわざ生存時間解析を使う必要があるのか。

それを理解するためには、「イベント」という概念を理解する必要があります。

イベントの定義は「その研究内で１度だけ起こる事象」です。

例えば、「死亡」はイベントの定義に当てはまります。

２回以上死亡する人はいないからですね。

その他にも、「初回骨折」も１度だけ起こる事象です。

骨折は複数回起こる可能性がありますが、「初回」に限定すると１度しか起こりません。

そうなると「初回」をつければ何でもイベントになるか、と思いますよね。

・・・正解です！！

初回は、絶対１度しか起こりません。

なので、全部に「初回」をつけてしまえば、それはイベントになります。

• 初回の有害事象発現
• 初回の骨折
• 初回の感染症への観戦
• etc…

では話を戻して、なぜ生存時間解析でイベントの概念が必要になるのか。

それは、生存時間解析が「イベントまでの時間」を扱う解析手法だからです。

生存時間解析でもう一つ重要な概念である打ち切り

生存時間解析で、イベントという概念が重要だと学びました。

もう一つだけ、重要な概念があります。

それは、「打ち切り」です。

打ち切りは教科書的に様々な定義がされていますが、ここでは誤解を恐れずに簡単に定義します。

打ち切りの定義は「イベントが起こっていないこと」です。

例を使いましょう。

例えば、イベントとして死亡を定義し、死亡までの時間を解析したいとします。

そして、試験の期間は２年間とします。

１０人を集めて試験をした時、２年後までに死亡してしまう方が３人いたとします。

そして５人が生存したまま試験期間を終了し、残りの２名が途中で何らかの理由で試験を辞めてしまいました。

その時に、それぞれ以下の３つのカテゴリに１０人を分けることができます。

• 死亡した人
• 死亡しておらず試験期間を完了した人
• 死亡しておらず試験期間完了前に辞めた人

この時、「死亡した人」はイベントを起こしたとして解析できます。

では、他の２つのカテゴリに入る人のデータは、どう扱えばよいでしょうか？

つまり、「死亡しておらず試験期間を完了した人」と「死亡しておらず試験期間完了前に辞めた人」は、どう扱うべきでしょうか？

データが得られた最後の時点を死亡として扱いますか？

でも死亡として扱うと、実際には生存しているので、現実とは異なるデータになってしまいます。

生存しているのに死亡していると扱ってしまうと、結果に偏り（バイアス）が出てしまいます。

そのため生存時間解析では、この「死亡しておらず試験期間を完了した人」と「死亡しておらず試験期間完了前に辞めた人」を「打ち切りデータ」として扱います。

イベントは起きていない。

でも、それ以降のデータはない。

そのため「得られているデータの時点まではイベントが起きていないデータ」として扱うことができます。

これを「打ち切りデータ」と呼んでいるのです。

生存時間解析は、打ち切りを考慮しながらイベントまでの時間を解析できる方法

以上の話をまとめると、生存時間解析はこのように言い換えることができます。

例えば、全てのデータがイベントを起こしていて、打ち切りのデータが存在しない時。

この場合には、イベントまでの時間を連続量として扱い、T検定やウィルコクソンの順位和検定をすることも許されます。

だって、打ち切りがないので、別に難しい生存時間解析をしなくていいですよね。

なので生存時間解析では、「イベント」と「打ち切り」の両方のデータがある場合にとても便利な方法と言えます。

生存時間解析を可視化する：カプランマイヤー曲線

この生存時間解析に関して、可視化（グラフ）できる方法があります。

それは、カプランマイヤー曲線を描くことです。

上記のようなグラフですね。

カプランマイヤー曲線は、データを読み取るのにかなり有意義なグラフです。

そして、カプランマイヤー曲線を正確に読み取るには、先ほどの「イベント」と「打ち切り」を正確に理解する必要があります。

カプランマイヤー曲線の詳細はこちらをご覧ください。

＞＞カプランマイヤー曲線の書き方は？

生存時間をEZRで実践する

生存時間解析をEZRで実践する方法を、別記事で解説しています。

EZRとは無料の統計ソフトであるRを、SPSSやJMPなどのようにマウス操作だけで解析を行うことができるソフトです。

EZRもRと同様に完全に無料であるため、統計解析を実施する誰もが実践できるソフトになっています。

2019年5月の時点で英文論文での引用回数が2400回を超えているとのことで、論文投稿するための解析ソフトとしても申し分ありません。

これを機に、EZRで統計解析を実施してみてはいかがでしょうか？

＞＞EZRで生存時間解析を実践する。

まとめ

生存時間解析は、打ち切りを考慮しながらイベントまでの時間を解析できる方法。

イベントの定義は、１度だけ起こる事象。

打ち切りの定義は、イベントが起こっていないこと。

統計に関するご質問があれば、メルマガにご登録の上ご質問くださいませ！

＞＞メルマガ登録はこちら（無料プレゼントあります。）

生存時間解析に関して動画でも解説していますので、合わせてご確認いただけると理解が進むはずです。

医薬統計では必須となりつつある、生存時間解析。

生存時間解析結果を可視化する方法が、カプランマイヤー曲線ですね。

そして、生存時間解析での検定手法の一つが、ログランク検定です。

この記事では、生存時間解析で絶対に不可欠なログランク検定のEZRでの実施方法とカプランマイヤー曲線をEZRで作成する方法について。

EZRにインポートするデータの構造に関しても詳しく解説します。

EZRでカプランマイヤー曲線（生存曲線）を作成するために必要となるデータ

EZRでカプランマイヤー曲線を描くためには、最低でも3種類のデータが必要です。

具体的には、下記の3種類。

1. 生存時間のデータ
2. イベントか打ち切りかのデータ
3. 群のデータ

今回の記事では、自治医科大学さんが提供してくださっているサンプルデータの中から「Survival.csv」を使用して解説いたします。

Survivalデータは、こちらからダウンロードできます。

EZRでカプランマイヤー曲線作成に必要なデータその1：生存時間のデータ

生存時間解析なので、当然、生存時間のデータが必要です。

今回使用するデータでいうと、DaysToOS列です。

今回の例では、Day（日）のデータですが、これがMonth（月）でもYear（年）でも大丈夫です。

しかし一つ注意したいのが、取れるならできる限り細かいデータを取っておくといい、ということ。

年のデータよりも、月ごとのデータ。

月のデータよりも、日ごとのデータ。

というのも、例えば生存時間のデータが年単位でしか取得していない場合。

2019年1月1日に起きたイベントも、2019年12月31日に起きたイベントも、同じ「2019年」というデータになります。

しかし日単位で取得していれば、1月1日と12月31日の違いも考慮できますので、より正確な解析結果を得ることができます。

EZRでカプランマイヤー曲線作成に必要なデータその２：イベントか打ち切りかのデータ

生存時間解析とは、「打ち切りを考慮しながらイベントまでの時間を解析できる方法」でした。

そのため、「打ち切り」なのか「イベント」なのかの違いをちゃんとデータとして持っておく必要があります。

「イベント」とは、「追跡期間中に1度だけ起こる目的となる事象」です。

「打ち切り」は、「イベントが起こっていないこと」です。

詳しくは、生存時間解析の基礎の解説を参照くださいね。

下記のデータであれば、「OS」列がイベントか打ち切りかを区別するデータです。

EZRに取り込むデータとしては、イベントと打ち切りのデータ形式が決まっています。

これは、EZRで解析するなら絶対に守らなければならないものです。

“１”か“０”のデータ以外のデータを用意したとしても、EZRではイベントか打ち切りかを区別するデータとして使うことができませんのでご注意くださいね。

（JMPで生存時間解析を実施する場合だと1と0以外でも認識してくれますので、統計解析ソフトによってデータの作り方の正解は変わります。）

EZRでカプランマイヤー曲線作成に必要なデータその３：群のデータ

生存時間解析をする、ということは、「生存時間を比較する」ということですよね。

ということは、群のデータが必要になります。

下記のデータでは、Treatment列が群のデータになります。

EZRに取り込む群のデータは、特に形式はありません。

上記の例では“A”か”B”かのデータ形式になっています。

例えばこれが“X”か”Y”であってもOKですし、“Treatment 1”か”Treatment 2”であってもOKです。

カプランマイヤー曲線作成でEZRに取り込むデータに関する注意点

その他、EZRに取り込むデータに関する注意点です。

1. 一番上の行は列名として認識されますので、列名を記載しておきましょう。
2. 列名は、アルファベットを使いましょう。（日本語だとたまにエラーになります）
3. データ形式は、CSVにしておきましょう。

これさえできていれば、エラーもなくデータを取り込むことができます。

CSVにする理由は、この記事と同じように操作できるからです！笑

もしデータの取り込みを自分でちゃんとできるよ、という方はExcel形式でもOKです。

EZRでカプランマイヤー曲線（生存曲線）を作成する！

ではここから、EZRの操作方法を解説します。

まずは、データを取り込むところから。

まずは、サンプルデータを適切な場所に保存しておきましょう。

保存したあとにEZRを開き、「ファイル」→「データのインポート」→「ファイルまたはクリップボード, URLからテキストデータを読み込む」を選択します。

データセット名は「Survival」にしましょう（実際はなんでもよい）。

そして「ローカルファイルシステム」と「カンマ」にチェックを入れてOKを押します。

データセットが「Survival」になっていることを確認し、「表示」を押してデータが正しく表示されれば取り込み完了です。

EZRで実際にカプランマイヤー曲線を描く！

データが無事に取り込まれ、解析するための準備が整いましたので、早速カプランマイヤー曲線を描いてみましょう。

実際にはカプランマイヤー曲線を描くだけではなく、カプランマイヤー曲線を含めたログランク検定などの生存時間解析全体を実施します。

今回は、Teatment AとTreatment Bの間でOSに差があるかどうか、を検討します。

操作手順は、「統計解析」→「生存期間の解析」→「生存曲線の記述と群間の比較（Logrank検定）」です。

そして、解析に必要な変数を選択していきます。

• 観察期間の変数は「DaysToOS」を選択。
• イベント、打ち切りの変数は「OS」を選択。
• 群別する変数は「Treatment」を選択します。
• 層別化変数は何も選択しなくてOKです。

そのほかの設定はデフォルト通りでOKですが、念の為下記の画像を確認してください。

これで解析を実行すると、Logrank検定の結果とカプランマイヤー曲線を出力してくれます。

下記のカプランマイヤー曲線が出力されていれば、成功です！

EZRで実施した生存時間解析結果の解釈をしよう！Number at riskとは？

無事に生存時間解析の結果が出力されましたので、結果の解釈をしましょう。

下のグラフがカプランマイヤー曲線です。（先ほどのグラフを再掲します）

下にいくほどイベントの発生が多い（今回の場合、死亡が多い）ことを表します。

黒い線が「Treatment Aの集団」、赤い線が「Treatment Bの集団」ですので、今回のデータではTreatment Aの方が、死亡する人が多くなっているのが分かります。

ちなみに、カプランマイヤー曲線に時々縦線が入っているのは、「ヒゲ」と呼んでいて、打ち切りを表しています。

そして、下にある「Number at risk」はイベントの発生や打ち切りによって脱落した人を差し引いたサンプル数が示してあります。

要約統計量の解釈：生存期間の中央値と95%信頼区間

そして、基本的な解析結果は、Rコマンダー内の以下の部分を見ます。

要約統計量としては、生存期間の中央値とその95%信頼区間です。

生存時間解析の95%信頼区間の出し方はかなり独特なので説明は割愛しますが、解釈のイメージは、通常の95%信頼区間と同じです。

Treatment Bの上側95%信頼区間がNAとなっていますね。

これはよくあることで、信頼区間を計算するほどイベントが起こっていないためです。

また、P値は0.092ですので、もし0.05が有意水準であれば、有意差はなし、となります。

カプランマイヤー曲線からは、中央値とX年生存率が読み取れるはずです。

今回のカプランマイヤー曲線ではX年生存率が出力されていませんが、EZRで出力できるの？と疑問になりますよね。

出力できます。

EZRのカプランマイヤー曲線でX年生存率を表示する方法

先ほどと同じように、「統計解析」→「生存期間の解析」→「生存曲線の記述と群間の比較（Logrank検定）」を選択します。

そして、選択する変数も先ほどと一緒にします。

「生存率を表示するポイント」というのがあるのですが、ここを今回は1000としましょう。

ということで、1000日生存率を確認してみます。

すると、「指定時点の生存率」が出力されています。

1000日時点でのTreatment Aの生存率は34.9%であり、Treatment Bは59.5%ということです。

図式化すると、下記の点が34.9%と59.5%ということですね。

EZRでカプランマイヤー曲線を作成する方法まとめ

今回は、EZRでカプランマイヤー曲線を描きました。

データさえちゃんと用意されていれば、特に難しいことはありませんでしたね。

カプランマイヤー曲線から読み取ることができる、中央値とX年生存率に関しても、ちゃんと出力されました。

こちらの内容は動画でもお伝えしておりますので、併せてご確認くださいませ。

＞＞EZRでロジスティック回帰分析！

＞＞EZRでCox比例ハザードモデルの解析！

＞＞EZRで共分散分析！

生存時間解析とセットで出てくるカプランマイヤー曲線。

ガタガタした形状が特徴の曲線ですね。

がん領域を担当したことがあれば、カプランマイヤー曲線は必ずや１度は目にしているでしょう。

でも、カプランマイヤー曲線の解釈の仕方や見方を正確に理解している人は少ないようです。

• カプランマイヤー曲線の中でどこがイベント？
• カプランマイヤー曲線の中でどこが打ち切り？

これらの知識もわかりやすく解説しますので、カプランマイヤー曲線の解釈方法を是非ともこのページでマスターしましょう！

カプランマイヤー曲線とは？どこが打ち切りでどこがイベント？

カプランマイヤー曲線は、生存時間解析のデータを可視化したもの、になります。

では、生存時間解析の特徴は何だったでしょうか？

そう、イベントと打ち切り、ですね。

つまりカプランマイヤー曲線は、イベントと打ち切りがどの時点で発生したかを可視化したもの、と言い換えることができます。

カプランマイヤー曲線の見方を簡単に解説

イベントと打ち切りがどの時点で発生したかを可視化したものがカプランマイヤー曲線でした。

では、どこがイベントでどこが打ち切りか、ということが理解できればよいわけです。

まずは早速、カプランマイヤー曲線を見てみましょう。

これは、２群のカプランマイヤー曲線です。

まずは前提として、２群で差があるカプランマイヤー曲線はどういった曲線かわかりますか？

それは、二つの曲線が離れていればいるほど、２群に差があるデータであるということです。

そして、曲線の縦軸と横軸ですが、それぞれ以下のことを示しています。

この例では、時間が０の時点でYが100%であるため、縦軸は「イベントが発生していない割合」になります。

もしイベント発生割合にしたい場合には、このようなカプランマイヤー曲線になります。

時間が０の時点でYが０の曲線ですね。

これらのカプランマイヤー曲線、２つの特徴があります。

上記の２つ、ぜひ気づいてください。

なぜならその２つが、イベントと打ち切りを示しているからです。

カプランマイヤー曲線の見方：段が下がったところがイベント

まずは、イベントがどこかを見てみましょう。

縦軸は「生存（イベント未発生）割合」です。

そして、死亡（イベント）が起こると当然、生存割合は低下します。

つまり、ガタガタしている曲線の下がった部分が、死亡した（イベントが起きた）という情報になります。

これを言い換えると、「イベントが発生した数しか段が下がらない」ということにもなります。

段が下がると、死亡（イベント）が発生していることを示しているため、下側にある曲線の方が、死亡（イベント）が多く発生していることになります。

反対に、死亡（イベント）が少ないと、上側に曲線が引かれることになります。

カプランマイヤー曲線の見方：ヒゲが打ち切り

そして２つ目の特徴の打ち切り。

これは、カプランマイヤー曲線のヒゲの部分です。

これがある時点で、打ち切りがあったことを示しています。

打ち切りとは、イベントではない「不完全なデータ」と言い換えることもできます。

そのため、打ち切りデータの数や出方で、その研究の信頼性をある程度読み取ることもできます。

これは、打ち切りデータが０であれば信頼性が高い、ということではありません。

試験脱落はないに越したことはありません。

ですが、臨床試験という「ヒト」を対象とした研究を行う以上、脱落は一定確率で起こり得ます。

そのため、脱落がない試験結果の場合には、脱落例を全て除いて解析しているのではないか、という疑問が出てきます。

また、試験終了時に生存していた方（イベントを発生していない方）のデータも打ち切りデータになります。

つまり、打ち切りデータのない試験結果は、ほとんどありえません。

まとめると、このようなことです。

カプランマイヤー曲線から読み取れるデータは中央値と生存割合

カプランマイヤー曲線は、イベントと打ち切りを知るためだけの曲線ではありません。

他にも読み取れるものが２つあります。

1. 中央値
2. X年（X日、X週など、X軸の単位に応じた）生存割合

例えば、このカプランマイヤー曲線で実線の群をA群、点線の群をB群とします。

すると、A群とB群のそれぞれの中央値は以下の図の通りになります。

つまり、イベント割合の中央値（0.5）とカプランマイヤー曲線がぶつかったところが中央値になる、ということです。

実際にこの図のデータを生存時間解析によって解析すると、A群の中央値は23、B群の中央値は8になります。

今度は逆に、X軸からカプランマイヤー曲線を見てみます。

例えば、20日目のそれぞれの生存割合を知りたいとき。

X軸の20日目に引いた直線と、各群のカプランマイヤー曲線が交差する点がそれぞれの20日生存割合になります。

カプランマイヤー曲線をEZRやJMPでも書き方を解説！

カプランマイヤー曲線をEZRで作成する方法を、別記事で解説しています。

EZRとは無料の統計ソフトであるRを、SPSSやJMPなどのようにマウス操作だけで解析を行うことができるソフトです。

EZRもRと同様に完全に無料であるため、統計解析を実施する誰もが実践できるソフトになっています。

2019年5月の時点で英文論文での引用回数が2400回を超えているとのことで、論文投稿するための解析ソフトとしても申し分ありません。

これを機に、EZRで統計解析を実施してみてはいかがでしょうか？

＞＞EZRでカプランマイヤー曲線を作成する。

JMPでもカプランマイヤー曲線を描く方法を解説しています！

＞＞JMPでカプランマイヤー曲線を作成する

カプランマイヤー曲線に関するまとめ

• カプランマイヤー曲線は、生存時間解析のデータを可視化したもの。
• 曲線の段が下がった部分がイベント発生を示しており、ヒゲが打ち切り発生を示している。
• 中央値やX年（X日、X週など、X軸の単位に応じた）生存割合も、視覚的に確認することができる。

ちなみに、カプランマイヤー曲線とセットでよく見かけるのは「ログランク検定」のP値ですよね。

ぜひカプランマイヤー曲線とセットでログランク検定も理解していきましょう！！

イベントが起きるまでの時間とイベントの間の関係を調べる、生存時間解析。

生存時間解析を可視化する方法に、カプランマイヤー曲線があります。

また、生存時間解析での検定手法の一つが、ログランク検定です。

この記事では、統計解析ソフトJMPを用いた、カプランマイヤー曲線の作成方法と、ログランク検定の実施方法について、説明していきます。

別の統計解析ソフトEZRでの解析については

>>>EZRでカプランマイヤー曲線！ログランク検定や生存時間解析を実施

こちらの記事に記述しています。

JMPでカプランマイヤー曲線を作る！生存時間解析をするために必要となるデータ

JMPでも、EZRと同じで次の3種類のデータが必要です。

1. 生存時間のデータ
2. イベントか打ち切りかのデータ
3. 群のデータ

JMPでカプランマイヤー曲線！サンプルデータから解析する

ここでは、JMP公式サイトを参考にしています。

JMPにはサンプルデータが最初からパッケージに含まれています。

[ヘルプ] > [サンプルデータライブラリー] をクリックします。

すると次のディレクトリが開きます。

この中から、「Rats.jmp」を開きす。

このデータは

2群に分けたラットを発ガン性物質にさらし、生存時間の差を調べる試験結果

と公式サイトには説明があります。

ダブルクリックすると、JMPでこのファイルを開きます。

ファイルの中身は次のようになっています。

• 1列目の「生存日数」が生存時間のデータ、
• ２列目の「打ち切りの有無」がイベントか打ち切りかどうかのデータ
• 3列目の「グループ」が群のデータに対応します。

EZRでは「打ち切りの有無」に関するデータは

• イベントは1であらわす
• 打ち切りは0であらわす

必要がありました。

しかし、このJMPのサンプルデータでは、イベントはFailedで、打ち切りはCensoredであらわされています。

JMPではイベントは1で、打ち切りは0であらわすこともできます。

ログランク検定の結果とともにカプランマイヤー曲線が出力される

次に解析を行っていきます。

[分析] > [信頼性/生存時間分析] > [生存時間分析]をクリックします。

これをクリックすると、次のウィンドウが出現します。

先ほど開いたJMPファイルから、それぞれに役割を割り当てていきます。

• [Y, イベントまでの時間]に「生存日数」を指定します。
• [グループ変数]に「グループ」を指定します。
• [打ち切り]に「打ち切りの有無」を指定します。

全て埋めると次のようになります。

最後に[OK]をクリックします。

すると、カプランマイヤー曲線と、ログランク検定などの結果が出力されます。

JMPでCSVデータを取り込んでログランク検定とカプランマイヤー曲線を作る！

今回も統計解析ソフトEZRと同様に、自治医科大学さんが提供していくださっているサンプルデータの中から

“Survival.csv”を使用して解説します。

こちらからダウンロードできます

各列の説明に関しては

>>>EZRでカプランマイヤー曲線！ログランク検定や生存時間解析を実施

こちらの記事を参照してください。

JMPでCSVファイルを読み込む

先ほどダウンロードしたファイルを読み込んでいきます。

[ファイル] > [開く]をクリックします。

すると、ファイルを選択するウィンドウが出現します。

先ほどの”Survival.csv”を選択します。

そうすると、サンプルデータと同じ、表のウィンドウが出現します。

この表で、ファイルの中身で解析に必要な列のデータは次のようになっています。

• 6列目の「DaysYoOS」が生存時間のデータ
• 5列目の「OS」がイベントか打ち切りかどうかを表すデータ
• 4列目の「Treatment」が群のデータ

にそれぞれ対応します。

JMPで生存時間解析を行い、ログランク検定とカプランマイヤー曲線を出力する

次に解析を行っていきます。

[分析] > [信頼性/生存時間分析] > [生存時間分析]をクリックします。

これをクリックすると、次のウィンドウが出現します。

先ほど開いたファイルから、それぞれに役割を割り当てていきます。

• [Y, イベントまでの時間]に「DaysYoOS」を指定します。
• [グループ変数]に「Treatment」を指定します。
• [打ち切り]に「OS」を指定します。

次第が終わったら、[OK]をクリックしてください。

すると、以下のウィンドウが出力されます。

これで完了です。

JMPではログランク分析以外に、一般化Wilcoxon検定の結果も出力されています。

＞＞一般化Wilcoxon検定とは？

有料ソフトなだけあって、非常に動作も安定していて使いやすいです。

JMPで累積発生率のカプランマイヤーを作成するには？

次に、累積発生率のカプランマイヤーを作成する方法をお伝えします。

カプランマイヤーといえば「左上からスタートして段々と右下に下がっていくグラフ」が一般的です。

ですが、時には「左下からスタートして段々と右上に上がっていくグラフ」を作成したい時もありますよね。

その作成方法をお伝えします。

先ほどの”Survival.csv”を使って出力したカプランマイヤー曲線があります。

その「Kaplan-Meier法によるあてはめ」の左にある赤い三角形を押します。

すると「故障率プロット」という部分をクリックします。

そうすると、生存分析プロット（左上からスタートして段々と右下に下がっていくグラフ）の下に故障率プロット（左下からスタートして段々と右上に上がっていくグラフ）が出力されました。

JMPのカプランマイヤー曲線に打ち切りを示す”ひげ”がない！？

JMPのカプランマイヤー曲線を見ると、”あるものが”表示されていないことがわかります。

それが”ひげ”ですね。

カプランマイヤー曲線の”ひげ”とは、”打ち切り”を示すデータのことです。

＞＞生存時間解析の打ち切りデータとは？

実は、現在のVer.のJMPには打ち切りを示すひげが表示されない仕様です。

しかし、JMP事業部のHPからスクリプトをダウンロードすることによって、ひげをつけることができます。

ただし、これから紹介するスクリプトはSAS社から提供されているサンプルであり、本スクリプトを使用して発生した問題に関しては各自でご対応くださいませ。

JMPでカプランマイヤーのひげをつけるスクリプトをダウンロードして使う方法

まずは、JMPのスクリプトを入手します。

JMP事業部のHPのトップページを表示させましょう。

https://www.jmp.com/ja_jp/home.html

そして、「サポート」＞「FAQ（よくある質問）」を選択します。

Windowsなら「Ctrl+F」、Macなら「Command+F」でページ内検索を実施し「打ち切り」を検索しましょう。

すると「生存時間プロットで、線の色や太さを変更したり、打ち切りのデータにヒゲをつけることは可能ですか？というQuestionが出てくるため、クリックします。

1番下に「ヒゲ付き生存時間プロット2（zipファイル）」があるため、そこからダウンロードします。

ダウンロードしたら、Zipファイルを解凍して使える状況にします。

これでカプランマイヤー曲線にヒゲをつけるスクリプトの取得ができましたので、スクリプトを使ってカプランマイヤー曲線にヒゲをつけていきます。

まず、対象となるデータ（今回はサンプルデータのVA Lung Cancer）を開いた状態で「ヒゲ付き生存時間プロット2.jsl」を立ち上げます。

左上にある「スクリプトの実行」を選択。

「Y,イベントまでの時間」に生存日数を入れ、「グループ変数」に処置を入れ、「打ち切り」に打ち切りの有無を入れる。ヒゲの長さは1〜10まで選択できるが、ここではデフォルトで4のままにする。

そしてOKを選択するとヒゲのついたカプランマイヤー曲線が出力されました。

JMPでカプランマイヤー曲線まとめ

JMPで生存時間解析をするには次の手順で行います。

• [ファイル] > [開く]をクリックし、解析したいファイルを選択する
• [分析] > [信頼性/生存時間分析] > [生存時間分析]をクリックする
• 生存時間のデータ、イベントか打ち切りかのデータ、群のデータを割り当てる
• [OK]をクリックする

＞＞JMPで多変量解析のロジスティック回帰分析！

＞＞JMPでT検定を実施する方法！

＞＞JMPで分散分析（ANOVA）を実施する方法！

＞＞JMPでヒストグラムや箱ひげ図などグラフ化！