存活分析(survival analysis)方法是用來研究或分析樣本所觀察到的某一段時間長度之分配，一段時間長度可定義為由自定的時間起點到某一特定事件發生所需時間的長度。存活分析方法被廣泛應用在不同領域中：生物醫學研究、工程可靠度分析、經濟相關資料分析等。
我們的專題主要在利用 R Markdown 和 Shiny 套件，建構互動式存活資料分析平台，提供給有需要做存活資料分析的人使用。使用者利用網際網路就能到此平台進行資料分析，透過簡易的控制介面得到分析結果。此存活分析平台提供三種分析方法：參數(Parametric)法、半參數(Semiparametric)法、以及非參數(Nonparametric)法。
在存活分析的資料裡，其中包含設限資料，在設限資料當中，分為左設限、右設限、區間設限。然而，此平台目前只提供右設限資料分析，使用者務必注意使用狀況。
在醫學領域中，存活分析常被使用，特別是在想要了解特定某疾病的人口死亡率與存活率時，將使用存活分析來做預測。另外一方面，在藥物治療上，兩種品牌的藥物對於疾病的治癒效果如何，也可透過存活分析來判斷。
存活分析是指在某特定時間起經過一段時間的觀察追蹤，直到特定事件(event)的發生。在醫學領域上，起始時間(starting event time point , zero time point)通常是確立疾病時間或是手術的時間點。而我們稱中間這段時間的觀察追蹤為 follow-up 。在特定事件的發生在醫學上會是死亡或是疾病復發(endpoint or event)。
然而，在完美的情況之下，我們可以得到個案從起始時間觀察追蹤到事件發生。但是實際情況，有可能發生追蹤到一半，個案就消失了，這樣的情況我們就稱為設限(censoring)。當個案因為意外過世了，我們也稱這種情況是我們沒有興趣的事件(Event of interest)，因此稱之為設限(censoring)。
使用者在使用此互動式網頁分析自訂或預設的資料前，必須先選擇資料裡的存活時間(Survival Time)變數，再選擇資料裡的存活狀態(Survival Status)變數，才能使分析作業正常運作。
→使用時機：假定機率分佈，只用來估計少量參數。
→常用方法： Weibull 分佈、指數分佈模式。
→使用時機：對數據分組，每組採用一種機率分佈的假設，最後使用混合機率分佈。
→常用方法： Cox 比例風險模型
→使用時機：當被研究事件沒有很好的參數模式可以配適時，通常可以採用非參數方法研究它的存活特徵。
→常用方法： Kaplan-Meier Method