15.6: افتراضات تحليل البقاء على قيد الحياة

Assumptions of Survival Analysis
JoVE Core
Statistics
A subscription to JoVE is required to view this content.  Sign in or start your free trial.
JoVE Core Statistics
Assumptions of Survival Analysis
Please note that all translations are automatically generated. Click here for the English version.

149 Views

01:15 min
January 09, 2025

Overview

تحلل نماذج البقاء على قيد الحياة الوقت حتى حدوث حدث واحد أو أكثر ، مثل الموت في الكائنات الحية أو الفشل في الأنظمة الميكانيكية. تستخدم هذه النماذج على نطاق واسع في مجالات مثل الطب وعلم الأحياء والهندسة والصحة العامة لدراسة ظواهر الوقت للحدث. لضمان نتائج دقيقة ، يعتمد تحليل البقاء على قيد الحياة على الافتراضات الرئيسية وتصميم الدراسة الدقيق.

  1. أوقات البقاء على قيد الحياة منحرفة بشكل إيجابي
    غالبا ما تظهر أوقات البقاء على قيد الحياة انحرافا إيجابيا ، على عكس التوزيع الطبيعي المفترض في العديد من التحليلات الأخرى. هذا يعني أن الأحداث تميل إلى الحدوث بشكل متكرر في وقت مبكر ، مع حدوث عدد أقل مع تقدم الوقت.
  2. الرقابة على البيانات
    تحدث الرقابة عندما لا يتم ملاحظة وقت البقاء الكامل للفرد ، ولكنها تختلف عن البيانات المفقودة. تشمل الأسباب الشائعة للرقابة انسحاب المشاركين من الدراسة ، أو انتهاء فترة الدراسة قبل وقوع الحدث ، أو المشاركين الذين يعانون من أحداث غير ذات صلة (على سبيل المثال ، الوفاة لسبب غير ذي صلة). على سبيل المثال ، في دراسة عن أمراض القلب ، سيتم فرض رقابة على مشارك يموت في حادث بياناته وقت الوفاة.
  3. الرقابة المستقلة
    يفترض هذا الافتراض أن أسباب الرقابة لا علاقة لها باحتمالية حدوث حدث الاهتمام. على سبيل المثال ، إذا كان المشاركون الذين يعانون من أعراض شديدة أكثر عرضة للانسحاب من الدراسة ، فقد تصبح تقديرات البقاء على قيد الحياة متحيزة. يعد ضمان أن تكون الرقابة مستقلة عن الحالة الصحية للمشاركين أمرا بالغ الأهمية للتحليل الموثوق.
  4. المخاطر النسبية (خاصة بنماذج كوكس)
    يفترض نموذج المخاطر النسبية كوكس أن نسبة الخطر بين أي شخصين تظل ثابتة بمرور الوقت. على سبيل المثال ، إذا كان خطر تعرض مجموعة ما لحدث ما ضعف خطر مجموعة أخرى في بداية الدراسة ، فيجب أن تستمر نسبة الخطر هذه طوال فترة الدراسة.
  5. الثبات
    تفترض الثبات أن احتمال تغير الحدث بمرور الوقت يفعل ذلك بالمثل عبر جميع المجموعات ما لم يتم نمذجته بشكل صريح. على سبيل المثال ، عند مقارنة أوقات البقاء على قيد الحياة بين المرضى الذين عولجوا بدواء جديد مقابل العلاج القياسي ، يجب أن تؤثر العوامل الخارجية التي تؤثر على البقاء على قيد الحياة على كلا المجموعتين على قدم المساواة ما لم يتم أخذها في الاعتبار.
  6. أحداث واضحة ومهمة سريريا
    يجب أن يكون الحدث محل الاهتمام مهما سريريا ومحددا بوضوح لتمكين القياس والتحليل الدقيقين. يمكن للأحداث الغامضة أو المصنفة بشكل خاطئ (على سبيل المثال ، معايير الانتكاس غير الواضحة) أن تضر بصحة بيانات وقت البقاء على قيد الحياة.
  7. فترة متابعة كافية
    وينبغي أن تكون مدة المتابعة طويلة بما يكفي لرصد عدد كاف من الأحداث للحصول على قوة إحصائية قوية. قد تفوت أوقات المتابعة القصيرة الأحداث الحرجة وتؤدي إلى استنتاجات غير مكتملة أو متحيزة. من الضروري أيضا تقليل الاختلافات في مخاطر الأحداث بين المشاركين الذين تم تجنيدهم في أوقات مختلفة لتجنب النتائج المنحرفة.

اعتبارات التصميم في تحليل البقاء على قيد

الحياة

يجب تصميم دراسات البقاء على قيد الحياة بعناية لمراعاة هذه الافتراضات. يعد التعريف الواضح للحدث ، ووقت المتابعة الكافي ، والاستراتيجيات لتقليل التحيز الرقابي أمرا حيويا. عندما تتم إدارة هذه العوامل بشكل جيد ، يمكن لنماذج البقاء على قيد الحياة أن توفر رؤى قيمة حول ظواهر وقت الحدث عبر مجموعة من التخصصات.

Transcript

تحليل البقاء على قيد الحياة ، وهي طريقة إحصائية ، يقيم الوقت حتى وقوع الحدث. يستخدم بشكل شائع في الطب لتحليل متوسط العمر المتوقع.

من الضروري اختيار حدث ذي صلة سريريا محدد جيدا وواضح ويمكن ملاحظته لتحليل دقيق.

أحد الجوانب الحاسمة هو الرقابة ، والتي تحدث عندما تكون البيانات غير مكتملة بسبب أحداث مثل الوفاة أو خروج أحد المشاركين من الدراسة. على سبيل المثال ، يخضع المرضى الذين يغادرون الدراسة للرقابة الصحيحة على بياناتهم.

تعني

الرقابة المستقلة أن أسباب الرقابة – مثل التسرب من الدراسة – لا علاقة لها بنتيجة الاهتمام.

بعد ذلك ، يفترض افتراض المخاطر النسبية كوكس أن نسب الخطر النسبية أو الخطر بين المجموعات تظل ثابتة.

ويضمن افتراض الثبات أن احتمال تغير حدث ما بمرور الوقت هو نفسه بالنسبة لجميع لجان الدراسات ما لم يتم نمذجة خلاف ذلك صراحة.

بالإضافة إلى ذلك ، يجب تحديد طول المتابعة وحجم العينة بعناية لضمان حدوث أحداث كافية لإجراء تحليل قوي.

Key Terms and definitions​

Learning Objectives

Questions that this video will help you answer

This video is also useful for