15.14: 删失生存数据

生存分析是一种用于分析事件发生时间数据的统计方法，通常用于医学、工程和社会科学等领域。生存分析的主要挑战之一是处理不完整的数据，这种现象称为”删失”。当某些人感兴趣的事件（例如死亡、复发或系统故障）在研究期结束时尚未发生或无法观察到时，就会发生删失，并且它可能有许多不同的原因和模式。本文介绍了删失的类型、其含义以及用于解决这些删失的方法。

删失类型

1. 右删失:这是最常见的删失形式，当感兴趣的事件在研究结束时尚未发生或参与者失访时发生。例如，如果癌症研究中的患者在研究结束时还活着，那么他们的确切死亡时间尚不清楚，但超出了研究期。右删失需要特殊的统计技术来准确估计生存时间，因为实际事件时间是未知的，但只能推断出超出了观测时间。
2. 左删失:当事件周期的开始时间未知时，会发生左删失。当患者在经历事件后进入研究时，可能会发生这种情况。例如，如果已知患者患有癌症，但确切的发病日期未知，则数据将被删失。
3. 间隔删失:当事件的确切时间未知但在特定间隔内时，会出现此类型。例如，如果每隔一段时间（例如，每六个月）检查患者的健康状况，则发病的确切时间可能在两次检查之间。
4. 类型 I 删失:当研究设置为在研究人员确定的预定时间结束时，就会发生这种情况。在此固定期间结束时，任何尚未经历相关事件的对象都将被审查。此时发生的事件数被视为随机变量。
5. II 型删失:在这种情况下，研究会继续进行，直到特定比例的样本经历过该事件。观察在事件发生后结束，因此仅观察第一个事件。该值在数据收集开始之前确定，并且研究将继续，直到观察到此数量的事件。
6. 随机删失:当总观察期固定，但参与者在不同时间进入研究时，就会发生这种类型的删失。一些参与者可能会经历该事件，而另一些参与者可能不会，还有一些参与者可能会失去随访。审查时间因人而异，因为它不是统一的。

已经开发了几种统计技术来处理生存分析中的删失数据，例如 Kaplan-Meier Estimator、Cox Proportional Hazards Model 和 Multiple Imputation。