15.1: Introducción al análisis de supervivencia

El análisis de supervivencia es un método estadístico utilizado para estudiar los datos de tiempo hasta el evento, donde el “evento” puede representar resultados como la muerte, la recaída de la enfermedad, la falla del sistema o la recuperación. Una característica única de los datos de supervivencia es la censura, que ocurre cuando el evento de interés no se ha observado para algunos individuos durante el período de estudio. Esto requiere técnicas especializadas para manejar datos incompletos de manera efectiva.

El objetivo principal del análisis de supervivencia es estimar el tiempo de supervivencia, es decir, el tiempo que transcurre hasta que ocurre un evento específico, y comprender los factores que influyen en él. Los conceptos clave incluyen la función de supervivencia (S(t)), que da la probabilidad de sobrevivir más allá de un tiempo dado, y la función de peligro (h(t)), que describe la tasa de eventos instantáneos en cualquier momento. Estas funciones proporcionan información sobre los patrones de supervivencia y los riesgos a lo largo del tiempo.

Los métodos comunes incluyen el estimador de Kaplan-Meier, un enfoque no paramétrico que genera curvas de supervivencia y permite la comparación de las tasas de supervivencia entre grupos, y el modelo de riesgos proporcionales de Cox, un método semiparamétrico que examina cómo las covariables influyen en la supervivencia sin asumir una distribución específica para los tiempos de supervivencia.

El análisis de supervivencia se utiliza ampliamente en medicina para evaluar los efectos del tratamiento y predecir los resultados de los pacientes, en ingeniería para estimar la vida útil de los productos y en ciencias sociales para analizar duraciones como el desempleo o los eventos de tiempo hasta la vida. Su capacidad para manejar datos censurados y modelar fenómenos dependientes del tiempo lo convierte en una herramienta esencial para comprender y predecir resultados en varios campos.