Survivalanalyse er en gren af statistikken, som fokuserer på analyse af data om tid til hændelse. I multivariat overlevelsesanalyse er proportionalhazards-modellen (PH) den mest populære model til analyse af virkningerne af flere kovariater på overlevelsestiden. Antagelsen om konstante risici i PH-modellen er imidlertid ikke altid opfyldt af dataene. Overtrædelsen af PH-antagelsen fører til en fejlfortolkning af estimationsresultaterne og mindsker effekten af de relaterede statistiske test. På den anden side antager de accelererede fejltidsmodeller (AFT-modeller) ikke, at der er konstante risici i overlevelsesdataene som i PH-modellen. AFT-modellerne kan desuden anvendes som et alternativ til PH-modellen, hvis antagelsen om konstante farer ikke overholdes. Formålet med denne undersøgelse var at sammenligne PH-modellens og AFT-modellernes ydeevne i forbindelse med analysen af de væsentlige faktorer, der påvirker dataene for det første fødselsinterval (FBI) i Indonesien. I dette arbejde blev diskussionen begrænset til tre AFT-modeller, som var baseret på Weibull-, eksponentiel- og log-normalfordelingen. Analysen ved hjælp af en grafisk tilgang og en statistisk test viste, at der findes ikke-proportionelle risici i FBI-datasættet. På grundlag af Akaike-informationskriteriet (AIC) var den log-normale AFT-model den mest hensigtsmæssige model blandt de andre modeller, der blev overvejet. Resultaterne af den bedst tilpassede model (log-normal AFT-model) viste, at kovariater som f.eks. kvinders uddannelsesniveau, ægtemandens uddannelsesniveau, viden om prævention, adgang til massemedier, velstandsindeks og beskæftigelsesstatus var blandt de faktorer, der påvirker FBI i Indonesien.