15.16: Parametrische Überlebensanalyse: Weibull und exponentielle Methoden

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

450 Views

01:14 min
January 09, 2025

Overview

Die

parametrische Überlebensanalyse modelliert Überlebensdaten, indem sie eine bestimmte Wahrscheinlichkeitsverteilung für die Zeit bis zum Eintreten eines Ereignisses annimmt. Die Weibull- und die Exponentialverteilung sind aufgrund ihrer Vielseitigkeit und relativ einfachen Anwendung zwei der am häufigsten verwendeten Methoden in diesem Zusammenhang.

Weibull-Vertrieb

Die Weibull-Verteilung ist ein flexibles Modell, das in der parametrischen Überlebensanalyse verwendet wird. Er kann je nach seinem Formparameter ( (β)) sowohl mit steigenden als auch mit sinkenden Gefahrenraten umgehen. Wenn (β) 1 >, steigt die Gefährdungsrate im Laufe der Zeit an, wodurch sie sich für die Modellierung von Prozessen wie dem Altern eignet, bei denen das Risiko mit der Zeit zunimmt. Wenn (β) 1 <, nimmt die Gefahr mit der Zeit ab, was Szenarien wie die Maschinenzuverlässigkeit darstellt, bei denen das Ausfallrisiko nach ersten Tests abnimmt. Das Weibull-Modell ist besonders nützlich in der medizinischen Forschung, im Engineering und in Zuverlässigkeitsstudien, da es verschiedene Gefahrenratenmuster berücksichtigen kann.

Exponentielle Verteilung

Das Exponentialmodell ist ein einfacheres parametrisches Überlebensmodell und im Wesentlichen ein Spezialfall der Weibull-Verteilung, bei dem der Formparameter ((β)) auf 1 festgelegt ist. Das Exponentialmodell geht von einer konstanten Gefährdungsrate über die Zeit aus, was bedeutet, dass die Wahrscheinlichkeit des Auftretens des Ereignisses unabhängig davon einheitlich ist, wie viel Zeit vergangen ist. Dieses Modell ist weniger flexibel als das Weibull-Modell, aber nützlich in Situationen, in denen ein konstantes Risiko eine vernünftige Annahme ist, wie z. B. bei der Modellierung der Zeit bis zum Ausfall für bestimmte mechanische Systeme oder Geräte.

In der Praxis hängt die Wahl zwischen dem Weibull- und dem Exponentialmodell von der Art der zugrunde liegenden Gefährdungsfunktion ab. Wenn sich die Gefährdungsrate im Laufe der Zeit ändert, bietet die Weibull-Verteilung eine genauere Anpassung. Für einfachere Szenarien mit konstantem Risiko bietet das Exponentialmodell jedoch eine einfache Interpretation und Berechnung.

Beide Modelle spielen eine entscheidende Rolle beim Verständnis der Überlebenszeiten und können bei der Entscheidungsfindung im Gesundheitswesen, in der Zuverlässigkeitstechnik und in verschiedenen anderen Bereichen helfen.

Transcript

Weibull- und Exponentialmodelle werden häufig in der Überlebensanalyse verwendet.

Eine Weibull-Verteilung mit zwei Parametern hat eine Überlebenskurve, die wie folgt dargestellt ist.

Hier bestimmt β die Gefährdungsfunktion. Ein Beta mehr als eins zeigt an, dass die Gefährdungsrate mit der Zeit zunimmt und das Risiko im Laufe der Zeit t zunimmt.

Ein Beta kleiner als eins zeigt an, dass die Hazard Rate im Laufe der Zeit abnimmt, und weist auf ein abnehmendes Risiko hin.

Ein Beta gleich eins gibt eine konstante Gefahrenrate an. Dadurch wird auch das Weibull-Modell in das Exponentialmodell geändert, das wie folgt ausgedrückt wird.

In der menschlichen Bevölkerung ist eine konstante Gefährdungsrate über einen langen Zeitraum weniger wahrscheinlich. Es kann jedoch davon ausgegangen werden, dass sie für eine kurze Dauer, z. B. 5 bis 10 Jahre, konstant ist.

Wenn ein Diagramm von Schätzungen von S(t) auf einer logarithmischen Skala eine gerade Linie ist, ist die Verwendung des Exponentialmodells für die Überlebensanalyse besser geeignet. Dies liegt daran, dass log S(t) = ₋λt zu einer Geraden wird, wobei ₋λ die Steigung ist.

Key Terms and definitions​

Learning Objectives

Questions that this video will help you answer

This video is also useful for