为说明Kaplan-Meier生存分析中使用的计算方法，请考虑以下生存数据：

该数据来自一项包含20名参与者的研究，记录了每位参与者的随访时间，以及每位参与者是否发生了目标事件或被删剪（这与讨论删剪部分中用于生成可视化图表的数据相同）。

使用Kaplan-Meier法手动生成生存曲线的第一步，是将数据按已过时间升序排列（Prism会在“后台”自动完成此操作，因此在使用Prism进行Kaplan-Meier分析时，无需按此方式预处理数据）。下表展示了重新排列后的数据：

现在数据已按适当方式整理完毕，我们可以使用Kaplan-Meier法来估计事件发生时各时间点的生存概率。若要手动进行计算，我们需要在每个时间点确定以下几项信息：

•时间 t 时的风险人数 (Nt)

•时间 t 时的事件数 (Et)

•时间 t 时的删剪观察值数 (Ct)

在个体尚未经历任何时间流逝时（时间 = 0），共有 20 名参与者（均假定为“处于风险中”），且在时间零点没有死亡或删剪观察值。因此，时间 0 时的生存概率为 1（或 100%）。

接下来，我们针对每个已知发生时间的点添加一行。需要注意的是，在时间 t 发生事件（或被删剪）的个体，在时间 t 时仍被视为处于风险中。然而，由于我们已知他们发生了事件或被删剪，因此在后续任何时间点，他们都不再被计入风险人数中。让我们先在表格中再添加一行：

观察原始数据，我们发现当时间点 = 1 时，发生了一起事件（参与者 03）和一次删剪观测（参与者 08）。利用这些信息，我们可以使用以下公式计算该时间点的生存概率：

利用上表中的数据，我们可以计算出生存概率如下：

这意味着，在该人群中，一个月后的估计生存概率（即未发生目标事件的概率）为95%。请注意，删剪观测值（Ct）不参与生存概率的计算（因为我们不知道这些个体实际何时发生了事件）。但在计算下一个时间点的风险人数时，删剪观测值会被纳入计算。 很明显，在特定时间点经历该事件的个体为何不会被纳入后续时间点的“风险人群”中（因为他们已经经历了该事件）。当一个观测值在特定时间点被删剪时，意味着这是该个体被观察到的最后一次，且其尚未经历该事件。 然而，由于我们无法确定该个体何时会经历该事件，因此不能将其计入研究后期各时间点的风险人数中。因此，计算特定时间点风险人数（Nt）的一般公式等于前一时间点（Nt-1）的风险人数减去前一时间点的事件发生数和删剪观察数之和。 在时间点 t = 1 时，我们有 Nt = 20，发生 1 次事件，且有 1 个观察值。这意味着在下一个时间点（t = 2）时，风险人数将为 20 - 1 - 1 = 18。下表中已为该时间点新增了一行：

与之前一样，生存概率的计算方式为：

 

与前文相同，这意味着该人群在两个月后的估计生存概率约为69%。表格的其余部分可按类似方式完成：

利用上表中的“经过时间”和“生存概率”数值，可以绘制出如下所示的阶梯式生存曲线：

前文曾提及，删剪观测值虽未（直接）用于生存概率的计算公式，但会用于确定下一个时间点的风险人数。通过观察表格中经过时间分别为4和5时的计算生存概率，并查看图表中“随访时间=5”处的曲线，即可看出这一点。 在图表中，红色刻度标记表示该时间点存在删剪观测值，但由于曲线没有出现垂直断点，显然该时间点未发生事件。同样，在表格中，由于时间点5的事件数（Et）为零，因此该时间点与前一时间点之间的计算生存概率没有变化。

在 Prism 中进行此类分析非常简单，Prism 会自动计算并报告所有这些数值，同时生成估计生存概率的图表。本指南的这一部分详细介绍了如何使用 Prism 进行此项分析。