15.3: עקומות הישרדות

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

197 Views

01:18 min
January 09, 2025

Overview

עקומות הישרדות הן ייצוגים גרפיים המתארים את חוויית ההישרדות של אוכלוסייה לאורך זמן, ומציעים דרך אינטואיטיבית לעקוב אחר שיעור הפרטים שנשארים ללא אירועים בכל נקודת זמן. עקומות אלה נמצאות בשימוש נרחב בתחומים כגון רפואה, בריאות הציבור והנדסת אמינות כדי לדמיין ולהשוות הסתברויות הישרדות בין קבוצות או תנאים שונים.

אומדן קפלן-מאייר הוא השיטה הנפוצה ביותר לבניית עקומות הישרדות. גישה לא פרמטרית זו יוצרת פונקציה מדורגת, שבה העקומה יורדת בכל פעם שמתרחש אירוע (כגון מוות, הישנות מחלה או כשל מכני). המקטעים האופקיים בין הטיפות מצביעים על תקופות של יציבות, שבמהלכן לא מתרחשים אירועים. ציר ה-x של העקומה מייצג את הזמן, ואילו ציר ה-y מציג את הסתברות ההישרדות, הנעה בין 0 ל-1. עקומות הישרדות מספקות מספר תובנות מרכזיות:

  1. הסתברות הישרדות לאורך זמן:
    העקומה ממחישה את הסיכוי שאנשים ישרדו מעבר לנקודות זמן ספציפיות. לדוגמה, אם עקומת ההישרדות של קבוצת טיפול נשארת גבוהה מזו של קבוצת ביקורת, הדבר מצביע על יעילות הטיפול בהארכת חיים או בדחיית האירוע.
  2. זמן הישרדות חציוני:
    זמן ההישרדות החציוני הוא הנקודה שבה הסתברות ההישרדות יורדת ל -0.5, המציין את הזמן שבו מחצית מהקבוצה צפויה לחוות את האירוע. מדד זה חשוב במיוחד במחקרים קליניים כאמת מידה ליעילות הטיפול.
  3. השוואות קבוצתיות:
    עקומות הישרדות הן כלים רבי עוצמה להשוואת חוויות הישרדות של קבוצות שונות, כגון חולים העוברים טיפולים שונים או מערכות הנתונות למצבי לחץ שונים. מבחנים סטטיסטיים כמו מבחן דירוג היומן משמשים לעתים קרובות לצד עקומות הישרדות כדי לקבוע אם ההבדלים הנצפים בין קבוצות הם מובהקים סטטיסטית.

לדוגמה, בניסוי קליני המשווה בין שני טיפולים בסרטן, עקומות הישרדות יכולות לגלות איזה טיפול מציע תוצאות הישרדות טובות יותר. עקומה שיורדת בהדרגה יותר מצביעה על קבוצה עם הסתברויות הישרדות טובות יותר. באופן דומה, בהנדסת אמינות, עקומות הישרדות משמשות להערכת תוחלת החיים של רכיבים או מערכות, ומאפשרות תכנון תחזוקה יעיל וניתוח כשלים.

על ידי מתן ייצוג חזותי ברור ונגיש של נתוני זמן לאירוע מורכבים, עקומות הישרדות ממלאות תפקיד מכריע בניתוח נתונים. היכולת שלהם לסכם הסתברויות הישרדות, לזהות מדדי מפתח כמו זמן הישרדות חציוני ולהקל על השוואות קבוצתיות הופכת אותם להכרחיים במגוון יישומים.

Transcript

ניקח לדוגמה גרף של ההסתברות המצטברת למוות המתוארת כגיל על ציר X לעומת שיעור המתים על ציר Y בשנה מסוימת.

ניתן לבטא זאת כמשוואה, כאשר פונקציית ההתפלגות המצטברת F(t) היא היחס בין מספר המתים בזמן t למספר הכולל שנצפה.

מכיוון שכל חברי האוכלוסייה אינם נצפים עד המוות, עקומה זו אינה יכולה להעריך הישרדות.

לכן, פונקציית ההישרדות או עקומת ההישרדות – S(t) – היא החלק או האחוז של אנשים החיים עד הזמן t או מעבר לכך. זה בא לידי ביטוי כדלקמן.

לאחר מכן מתווים את עקומת ההישרדות לפי גיל ואחוז האנשים ששורדים.

ישנם סוגים שונים של מודלים הישרדותיים. מודל ההישרדות המעריכי מאפיין סיכון מתמיד לאורך זמן, כלומר הסיכון להתרחשות האירוע אינו תלוי בזמן.

מודל ההישרדות של Weibull יכול לשמש במצבים שונים בהם שיעור הסיכון עולה או יורד באופן מונוטוני עם הזמן.

ניתן להשתמש במודלים לוג-נורמלי ולוג-לוגיסטי בתרחישים שבהם שיעור הסיכון אינו מונוטוני.

Key Terms and definitions​

Learning Objectives

Questions that this video will help you answer

This video is also useful for