روش های مرسوم در تحلیل بقا به طور ضمنی فرض می کنند که جوامع تحت مطالعه همگن هستند، به این معنی که همه افراد دارای خطر یکسانی هستند. اما در همه مطالعات اینگونه نیست، زیرا برخی عوامل خطر اندازه گیری نشده وجود دارد که تابع مخاطره را تحت تأثیر قرار می دهد. متغیر-های توضیحی اندازه گیری نشده در داده های بقا یک متغیره سبب ایجاد ناهمگنی بین افراد و در داده های بقا چند-متغیره سبب ایجاد همبستگی بین زمان های بقا و ایجاد ناهمگنی بین گروه هایی از زمان های بقا می شوند. مدل های شکنندگی برای به حساب آوردن ناهمگنی مشاهده نشده و یا همبستگی آماری بین زمان های بقا به کار می روند. به زبان آماری، مدل شکنندگی یک مدل اثر تصادفی برای داده های بقاست. در مدل های شکنندگی نیمه پارامتری روش مرسوم برآورد پارامتر ها استفاده از الگوریتم em است. اما این روش دارای برخی معایب است. اول، همگرایی در الگوریتم em آهسته و زمان بر است. در برخی موارد نیز این الگوریتم به هیچ وجه همگرا نمی شود. دوم، این روش یک برآوردگر گسسته و ناهموار را به دست می دهد و در نتیجه به طور مستقیم برآورد تابع مخاطره به دست نمی-آید. سوم، تعداد پارامتر ها در این روش بسیار زیاد است. برای غلبه بر این مشکلات، در این پایان نامه از روش درستنمایی تاوان داده برای برآورد پارامتر ها در مدل شکنندگی طبقه بندی شده استفاده می کنیم. درستنمایی تاوان داده یک روش ناپارامتری برآورد منحنی است. این روش یک برآورد هموار از تابع مخاطره را به دست می دهد. شبیه سازی هایی برای روش برآوردی پیشنهادی ارائه شده است. در پایان با استفاده از این روش عوامل موثر بر نرخ مراجعه بیماران سرطان کولورکتال به بیمارستان را بررسی می کنیم.