15.1
Wprowadzenie do analizy przeżycia
Analiza przeżycia to metoda statystyczna stosowana do badania danych dotyczących czasu do zdarzenia, gdzie „zdarzenie” może reprezentować wyniki takie…
Rozważmy następujące trzy przykłady z badań biomedycznych.
Po pierwsze, w badaniach nad rakiem analizuje się czas od momentu, w którym pacjent wchodzi w remisję, do nawrotu choroby.
Po drugie, badanie pediatryczne dotyczące zdrowia zębów mierzy czas od narodzin dziecka do pierwszego wypełnienia zębowego z powodu ubytków.
Po trzecie, badanie dotyczące operacji pomostowania aortalno-wieńcowego analizuje czas od operacji do śmierci pacjenta.
Takie badania generują dane podłużne, które rejestrują czas od z góry ustalonego punktu początkowego do wystąpienia określonego zdarzenia. Analiza przeżycia zapewnia ramy do analizy takich danych.
W analizie przeżycia "zdarzenie" odnosi się do interesującego doświadczenia, takiego jak nawrót choroby, śmierć lub powrót do zdrowia.
"Czas" w analizie przeżycia mierzy okres między rozpoczęciem badania, interwencją lub pierwszym zgłoszeniem przypadku, a zakończeniem badania, wystąpieniem zdarzenia będącego przedmiotem zainteresowania, a nawet śmiercią pacjenta.
Analiza przeżycia wymaga wykorzystania funkcji przeżycia, tablic trwania życia, analizy zagrożeń i specyficznego modelowania statystycznego.
View the full transcript and gain access to JoVE Core videos
Q1: What types of events does survival analysis study?
Survival analysis examines time-to-event data where events represent outcomes of interest such as disease recurrence, death, recovery, or system failure. In biomedical research, events include cancer relapse, dental complications, or mortality following surgery. The framework measures the period from a predetermined start point—like study enrollment or intervention—to when the event occurs or the study ends.
Q2: Why is censoring important in survival analysis?
Censoring occurs when the event of interest has not been observed for some individuals during the study period, creating incomplete data. This is common in longitudinal studies where patients may withdraw or studies end before all events occur. Survival analysis uses specialized techniques to handle censoring survival data effectively, allowing researchers to extract meaningful information from incomplete observations.
Q3: What do the survival function and hazard function measure?
The survival function S(t) gives the probability of surviving beyond a given time, showing cumulative survival patterns. The hazard function h(t) describes the instantaneous event rate at any time point, indicating risk intensity. Together, these functions provide insights into survival patterns and how risks change over the study period, forming the mathematical foundation of survival analysis.
Q4: How does the Kaplan-Meier approach differ from parametric methods?
The Kaplan-Meier approach is a non-parametric method that generates survival curves without assuming a specific distribution for survival times. In contrast, parametric survival analysis weibull and exponential methods assume data follow particular distributions. Kaplan-Meier allows flexible comparison of survival rates across groups, while parametric methods provide more precise estimates when distributional assumptions hold.
Q5: What is the purpose of comparing survival analysis across different groups?
Comparing the survival analysis of two or more groups allows researchers to evaluate whether treatment effects or other factors significantly influence survival outcomes. This comparison reveals differences in survival patterns between patient cohorts or treatment arms. Statistical tests help determine if observed differences are meaningful, supporting clinical decision-making and evidence-based practice.
Q6: What fields use survival analysis beyond medicine?
Survival analysis extends to engineering, where it estimates product lifespans and system reliability, and to social sciences, where it analyzes durations like unemployment or time-to-life events. Its ability to handle censored data and model time-dependent phenomena makes it essential across diverse fields. Any discipline studying time until an event occurs can apply survival analysis methods.
Q7: What are the key requirements for conducting survival analysis?
Survival analysis requires identifying a clear event of interest, establishing a predetermined start point, and measuring time until event occurrence or study end. Researchers must use appropriate tools including the survival function, life tables, hazard analysis, and specific statistical modeling techniques. Understanding assumptions of survival analysis ensures valid interpretation and appropriate method selection for the research question.