15.3: 生存曲線

生存曲線は、集団の生存経験を時間経過とともに表すグラフ表現であり、各時点でイベントが発生していない個人の割合を直感的に追跡する手法を提供します。これらの曲線は、医学、公衆衛生、信頼性工学などの分野で、様々なグループや条件の生存確率を視覚化して比較するために広く使用されています。

Kaplan-Meier推定量は、生存曲線を作成するための最も一般的な手法です。この非パラメトリックアプローチは、イベント (死亡、病気の再発、機械の故障など) が発生するたびに曲線が下がるステップワイズ関数を生成します。下降間の水平セグメントは、イベントが発生しない安定期間を示します。曲線の x 軸は時間を表し、y 軸は 0 から 1 の範囲の生存確率を示します。生存曲線は、いくつかの重要な洞察を提供します。

1. 時間経過に伴う生存確率:

   曲線は、特定の時点を超えて個人が生存する可能性を示します。例えば、治療グループの生存曲線が対照グループの生存曲線よりも高いままである場合、それは治療が延命又はイベントの遅延に有効であることを示しています。

2. 中央生存時間:

   中央生存時間は、生存確率が 0.5 に低下するポイントであり、コホートの半数がイベントを経験すると予想される時間を示します。この指標は、治療効果のベンチマークとして臨床研究で特に重要です。

3. グループ比較:

   生存曲線は、様々な治療を受けている患者や様々なストレス条件にさらされているシステムなど、様々なグループの生存経験を比較するための強力なツールです。ログランク検定などの統計検定は、グループ間で観察された違いが統計的に有意かどうかを判断するために、生存曲線と一緒に使用されることがよくあります。

例えば、2 つのがん治療法を比較する臨床試験では、生存曲線によって、どちらの治療法がより良い生存結果をもたらすかがわかります。曲線がより緩やかに低下しているほど、生存確率が高いグループを示します。同様に、信頼性エンジニアリングでは、生存曲線を使用してコンポーネント又はシステムの寿命を推定し、効果的な保守計画と障害分析を可能にします。

複雑なイベント発生までの時間データを明確かつアクセスしやすい視覚的表現で提供することで、生存曲線はデータ分析において重要な役割を果たします。生存確率を要約し、平均生存時間などの重要な指標を特定し、グループ比較を容易にする機能があるため、様々な適用で不可欠なものとなっています。

特定の年の死亡の累積確率を X 軸の年齢と Y 軸の死亡者の割合としてプロットしたグラフを考えてみます。

これは方程式として表すことができ、累積分布関数F(t)は、観測された総数に対する時間tまでに死亡した人々の数の比率です。

すべての集団メンバーが死ぬまで観察されないため、この曲線では生存を推定できません。

つまり、生存関数または生存曲線(S(t))は、t時間以上まで生きる人々の割合または割合です。次のように表現されます。

次に、生存曲線は、年齢と生存率を使用してプロットされます。

サバイバルモデルには様々な種類があります。指数関数的生存モデルは、時間の経過とともに一定のハザードを特徴付けるため、イベントが発生するリスクは時間とは無関係です。

ワイブル生存モデルは、ハザード率が時間とともに単調に増加または減少するさまざまな状況で使用できます。

対数正規モデルと対数ロジスティックモデルは、ハザード率が単調でないシナリオで使用できます。