در تحلیل بقا بدست آوردن توزیع پارامتری زمان بقا از اهمیت ویژه ای برخوردار است، به طوری که می توان احتمال بقا و احتمال خطر را در تمام زمان ها به طور دقیق محاسبه نمود، در حالتی که برای تابع بقا تحت مطالعه بتوان توزیع پارامتری معقولی را در نظر گرفت مسا له برآورد نسبتا آسان می باشد و عموما برآوردها بر اساس نگرش حداکثر درستنمایی برآورد می شوند. اما اگر به هر دلیلی از جمله مکانیسم سانسور شدن نتوان مدل پارامتری معقولی برای زمان بقا در نظر گرفت برای برآورد تابع بقا از رو ش های ناپارامتری استفاده می شود . در عمل ، برآورد حداکثر درستنمایی ناپارامتری تابع بقا عموما دارای شکل بسته نمی باشد و تنها راه برآورد آن استفاده از الگوریتم های تکرار شونده می باشد. در این پژوهش دو الگوریتم em و icm برای برآورد تابع بقا در داده های وضعیت جاری تسری داده شده است و نتایج حاصل از این دو الگوریتم با توزیع پارامتری نمایی مقایسه شده است. مقایسه نتایج شبیه سازی شده نشان دهنده کارایی الگوریتم em در مقایسه با الگوریتم icm می باشد بخصوص در حا?تیکه نسبت سانسور چپ در داده ها بیش از 4/0 است. الگوریتم کاراتر برای برآورد تابع بقا رتینوپاتی مورد استفاده قرار گرفت . همچنین بدلیل امکان ثابت نبودن اثر برخی از متغییرهای کمکی در طول زمان جهت برآورد زمان وقوع رتینوپاتی و عوامل خطر موثر بر زمان وقوع آن در بیمارن دیابنی نوع 2 از مدل مخاطرات جمعی استفاده شد . نتایج نشان داد که شاخص توده بدنی، جنس، روش درمان دیابت، استعمال سیگار و سا بقه خانوادگی دیابت فاکتورهای غیر موثر در زمان وقوع رتینوپاتی دیابتی هستند در صورتیکه ، سابقه پر فشاری خون و مدت ابتلا به دیابت فاکتورهای موثر در زمان وقوع رتینوپاتی هستند و اثرمدت ابتلا به دیابت بر خطر وقوع رتینوپاتی در طول زمان ثابت نمی باشد .