存活分析跑完了，你手上有曲線和 log-rank p 值，現在就差臨床醫師與審稿人一眼就能認出的那張圖：Kaplan-Meier 曲線。一般做法得走 R 的 survival 與 survminer（ggsurvplot），而要把階梯曲線、設限刻度、風險人數表與 p 值全部乾淨對齊，相當考驗耐心。這篇教學要教你怎麼用白話描述就畫出存活分析的 Kaplan-Meier 曲線，讓 AI 把曲線與風險人數表畫好，而你只要專心詮釋資料。
讀完這篇教學，你將能夠：
- 不寫程式就畫出存活分析的 Kaplan-Meier 曲線，並有正確的階梯式下降。
- 加上設限刻度、信賴帶，以及從 0 到 1（或 0–100%）的存活率 y 軸。
- 比較兩組或多組，並顯示 log-rank p 值與風險比例（hazard ratio）。
- 在圖下方加上風險人數表，並為手稿匯出可印刷的存活曲線。
以下全部都在 SciDraw AI 編輯器裡完成，使用的是 Kaplan-Meier 曲線產生器——你描述研究與分組，AI 把曲線畫出來，再用文字慢慢調整。
Kaplan-Meier 曲線在呈現什麼
Kaplan-Meier 曲線估計的是隨時間存活（或維持無事件）的機率。時間沿著 x 軸走；y 軸是存活機率，從 1.0（所有人都無事件）開始，每發生一次事件就往下一階。曲線是一道階梯，而不是平滑曲線，因為存活率只在事件發生的時間點才下降。小小的刻度標記標出設限個案——也就是在追蹤結束時退出研究、或尚未發生事件的人。
當你比較分組時，每一組各有一條曲線。曲線之間的差距顯示存活差異，而 log-rank p 值告訴你這個差異在統計上是否顯著。圖下方的風險人數表列出每個時間點還剩多少個案——這是不可或缺的背景資訊，因為當剩下的個案太少時，曲線就會變得不可靠。
步驟一：描述你想要的存活圖
打開編輯器，告訴 AI 研究內容、分組、時間單位與終點事件。終點（整體存活 vs. 無惡化存活）與時間單位決定了座標軸，所以要講清楚。
範本： 「畫一張 [終點，例如整體存活] 的 Kaplan-Meier 存活曲線。x 軸：時間，單位[月]，從 0 到 [60]。y 軸：存活機率，從 0 到 1。為[分組]畫出階梯式下降曲線、加上設限刻度、顯示 log-rank p 值，並在圖下方加一張風險人數表。」
填好內容的範例：
- 「畫一張整體存活的 Kaplan-Meier 曲線，比較治療組 vs. 對照組，追蹤 60 個月。y 軸從 0 到 1，階梯式下降曲線，每條曲線上加設限刻度，在中位存活處畫虛線，右上角顯示 log-rank p 值，x 軸下方加一張風險人數表。」
步驟二：加上設限標記與信賴帶
有兩個細節能讓 Kaplan-Meier 曲線看起來「做得到位」：設限刻度，以及（通常會有的）信賴帶。
- 「在兩條曲線的每個設限時間點加上小的垂直刻度標記。」
- 「在每條存活曲線周圍加上有陰影的 95% 信賴帶。」
- 「為每一組顯示中位存活時間，並用一條虛線往下連到 x 軸。」
信賴帶傳達的是不確定性，當風險中的個案越來越少時就會變寬——這正是風險人數表為何重要。
步驟三：比較分組並顯示統計量
大多數存活圖都在比較不同組別。給每一組清楚的顏色與標籤，並把檢定結果呈現出來。
- 「治療組曲線用藍色、對照組用橘色，右上角放圖例。」
- 「在圖上顯示 log-rank p 值（p = 0.003）。」
- 「加上風險比例與其 95% CI：HR 0.62 (0.45–0.85)。」
- 「比較三組——低、中、高劑量——每組各一條不同顏色的曲線。」
把實際的統計量標出來，能讓這張圖自成一體，讀者就不必回頭翻內文找數字。
步驟四：加上風險人數表
臨床期刊都會期待看到風險人數表，它也是判斷一條曲線隨時間可靠程度的最佳方式。
- 「在 x 軸下方加一張風險人數表，每組一列，顯示 0、12、24、36、48、60 個月時的人數。」
- 「把每一個表格欄位直接對齊到對應的時間刻度下方。」
- 「把列標籤的顏色設成與對應曲線相符。」
對齊正是讓這張表好讀的關鍵——當欄位坐落在時間刻度正下方，視線就能立刻把人數連到曲線上。之後若要做任何文字潤飾，請參考如何編輯 AI 圖表中的文字與標籤。
常見錯誤（以及如何修正）
- 畫成平滑曲線而非階梯。 存活率只在事件時間點下降，所以曲線必須是階梯。修正： 「把曲線畫成階梯式下降，而不是平滑曲線。」
- 缺少設限標記。 沒有刻度，讀者就看不出誰被設限了。修正： 「在每個設限時間點加上設限刻度標記。」
- 沒有風險人數表。 剩下個案很少的曲線會看起來比實際更確定。修正： 「加一張對齊在時間軸下方的風險人數表。」
- y 軸沒有從頂端開始。 存活率從 1.0 起算；截斷會誇大差異。修正： 「把 y 軸設成 0 到 1，時間零時從 1.0 開始。」
- 只報告 p 值。 只有 p 值卻沒有風險比例，就沒有效應量。修正： 「在 log-rank p 值旁邊加上風險比例與其 95% CI。」
- 曲線延伸超過有意義的追蹤範圍。 只剩 1–2 個個案的尾段是雜訊。修正： 「當風險人數低於某個門檻時，把曲線截掉或變灰。」
匯出與使用
圖做好之後，依照用途匯出：
- 「把這張匯出成 300 DPI 的 PNG，尺寸符合單欄期刊版面。」
- 「給我 SVG 向量版，方便在 Illustrator 裡做最後修改。」
- 「匯出寬 1600 px、白色背景的版本，給我研討會投影片用。」
Kaplan-Meier 曲線通常與臨床論文中其他結果圖並列。如果你正在報告一項隨機試驗，可以搭配如何製作 CONSORT 流程圖來呈現參與者流程，並隨手把如何編輯 AI 圖表中的文字與標籤備著，用於最後一刻的標籤修正。這一切都在 SciDraw AI 編輯器裡保持可編輯。
常見問題
不用 R 或 survminer 要怎麼畫 Kaplan-Meier 曲線？
打開 Kaplan-Meier 曲線產生器，描述你的終點、分組與追蹤時間，AI 就會畫出含設限標記與風險人數表的階梯式下降存活曲線。顏色、統計量與風險人數表都用打字來調整——不需要 ggsurvplot。
Kaplan-Meier 曲線的 y 軸該放什麼？ 存活機率，範圍從 0 到 1（或 0–100%），在時間零、所有人都無事件時從 1.0 開始。隨著事件在 x 軸的追蹤期間累積，曲線會階梯式往 0 下降。
一定要有風險人數表嗎？ 大多數臨床期刊都會期待看到。它顯示每個時間點還有多少個案維持無事件且未被設限，讓讀者知道一條曲線的尾段何時是建立在太少個案上、不值得信任。請產生器把它對齊在時間軸下方即可。
怎麼顯示兩條存活曲線有差異？ 在圖上顯示 log-rank p 值，並加上風險比例與其 95% 信賴區間作為效應量。給每一組明確的顏色與圖例，讓比較毫不含糊。
無惡化存活也能用同樣方式畫嗎？ 可以。無惡化存活、無病存活，以及各種事件發生時間（time-to-event）終點，全都使用同一套 Kaplan-Meier 建構方式。只要告訴 Kaplan-Meier 曲線產生器你的終點，AI 就會據此標示座標軸與曲線。
現在就畫你的 Kaplan-Meier 曲線
跳過 survminer 的繁瑣設定。描述你的存活資料、指定分組，讓 AI 畫出乾淨的階梯式下降曲線，附上設限標記、統計量與風險人數表。打開 Kaplan-Meier 曲線產生器，或直接跳進 SciDraw AI 編輯器，現在就動手畫。
