为说明Kaplan-Meier生存分析中的计算方法，请考虑以下生存数据：

这些数据代表一项纳入20名参与者的研究，每名参与者的随访历时，以及每名参与者是否发生感兴趣事件或是否被删失（也是用于在删失讨论部分生成可视化结果的数据）。

使用Kaplan-Meier方法手动生成生存曲线的第一步是，按照历时以升序对数据进行排序（Prism在“幕后”为您执行该操作，因此在Prism中进行Kaplan-Meier分析时，无需这样准备数据）。下表示出了重新排列的数据：

此时，数据排列适当，可以使用Kaplan-Meier方法估计发生事件的各时间点的生存概率。为此，我们需要确定各时间点的一些信息，其中包括：

•时间t时的有风险人数（Nt）

•时间t时的事件数（Et）

•时间t时的删失观察结果数（Ct）

在个体的任何历时之前（时间=0），共有20名参与者（均假定为“有风险”），且在时间0时，无死亡或删失观察结果。因此，时间0时的生存概率为1（或100%）。

接下来，为我们拥有信息的各历时，分别添加一行。需注意的是，在时间t发生事件或删失的个体仍视为在时间t有风险。然而，由于我们要么知道他们已经发生事件，要么我们不能知道（因为他们被删失），因此，不再将他们包括在任何后续时间点的有风险人数中。首先，向表中添加一行：

查看原始数据，我们看到在历时=1时，存在一例事件（参与者03）和一项删失观察结果（参与者08）。利用这些信息，我们可以使用以下等式，计算该历时的生存概率：

使用上表中的数字，可以按照以下等式计算生存概率：

这意味着在该群体中，一个月后的估计生存概率（未发生感兴趣事件的概率）为95%。请注意，在生存概率的计算中未使用删失观察结果数（Ct）（因为我们不知道这些个体实际上什么时候发生了该事件）。但在计算下一个时间点的有风险人数时，会用到删失观察结果数。历时t=1时，Nt=20，存在一例事件和一项观察结果。这意味着在下一个历时点（t=2），有风险人数为20-1-1=18。在表格中为下一个历时点添加一个新行：

如前所述，按以下方式计算生存概率：

 

如前所述，这意味着在该群体中，两个月后的估计生存概率约为69%。表格的其余部分可以用类似方式进行补充：

使用上表中的历时和生存概率值，可以绘制阶梯状生存曲线，如下所示：

如前所述，在计算生存概率的等式中，不（直接）使用删失观察结果，而是在确定下一个时间点的有风险人数时使用。通过在表中查看历时4和5的生存概率计算值，以及图上的曲线（时间=5），可以明白这一点。该图的红色钩号表示在该时间点删失一项观察结果，但由于曲线未垂直下降，很明显表示该时间点未发生事件。类似地，在表中，由于时间5的事件数（Et）为零，因此计算的生存概率在该时间点与其之前的时间点之间无变化。

在Prism中，很容易进行该分析，原因在于Prism会自动计算并报告所有这些值以及估计生存概率的图表。指南的这一部分详细介绍了如何使用Prism执行该分析。