15.6: Założenia analizy przeżycia

Modele przetrwania analizują czas do wystąpienia jednego lub większej liczby zdarzeń, takich jak śmierć w organizmach biologicznych lub awaria w systemach mechanicznych. Modele te są szeroko stosowane w takich dziedzinach jak medycyna, biologia, inżynieria i zdrowie publiczne w celu badania zjawisk czasu do zdarzenia. Aby zapewnić dokładne wyniki, analiza przetrwania opiera się na kluczowych założeniach i starannym projekcie badania.

1. Czasy przetrwania są dodatnio skośne
    Czasy przetrwania często wykazują dodatnią skośność, w przeciwieństwie do rozkładu normalnego zakładanego w wielu innych analizach. Oznacza to, że zdarzenia mają tendencję do częstszego występowania na wczesnym etapie, a w miarę upływu czasu ich występowania jest mniej.
2. Cenzura danych
    Cenzura występuje, gdy nie obserwuje się pełnego czasu przeżycia danej osoby, ale jest odrębna od brakujących danych. Typowe przyczyny cenzury obejmują wycofywanie się uczestników z badania, zakończenie okresu badania przed wystąpieniem zdarzenia lub doświadczanie przez uczestników niepowiązanych zdarzeń (np. zgon z niezwiązanej przyczyny). Na przykład w badaniu nad chorobą serca dane uczestnika, który umiera w wypadku, zostaną ocenzurowane w momencie śmierci.
3. Niezależna cenzura
    To założenie zakłada, że powody cenzury nie są związane z prawdopodobieństwem wystąpienia interesującego zdarzenia. Na przykład, jeśli uczestnicy z poważnymi objawami są bardziej skłonni do rezygnacji z badania, szacunki przeżycia mogą stać się stronnicze. Zapewnienie niezależności cenzury od stanu zdrowia uczestników ma kluczowe znaczenie dla wiarygodnej analizy.
4. Zagrożenia proporcjonalne (specyficzne dla modeli Coxa)
    Model zagrożeń proporcjonalnych Coxa zakłada, że współczynnik ryzyka między dowolnymi dwoma osobami pozostaje stały w czasie. Na przykład, jeśli ryzyko zdarzenia w jednej grupie jest dwa razy większe niż w innej na początku badania, ten współczynnik ryzyka musi obowiązywać przez cały okres badania.
5. Stacjonarność
    Stacjonarność zakłada, że prawdopodobieństwo zdarzenia zmieniającego się w czasie zmienia się podobnie we wszystkich grupach, chyba że jest wyraźnie modelowane. Na przykład, porównując czas przeżycia między pacjentami leczonymi nowym lekiem a standardowym leczeniem, czynniki zewnętrzne wpływające na przeżycie powinny mieć taki sam wpływ na obie grupy, chyba że zostaną uwzględnione.
6. Jasne i klinicznie ważne zdarzenia
    Zdarzenie będące przedmiotem zainteresowania powinno być klinicznie istotne i jasno zdefiniowane, aby umożliwić dokładny pomiar i analizę. Niejednoznaczne lub błędnie sklasyfikowane zdarzenia (np. niejasne kryteria nawrotu) mogą naruszyć ważność danych dotyczących czasu przeżycia.
7. Odpowiedni okres obserwacji
    Okres obserwacji powinien być wystarczająco długi, aby zaobserwować wystarczającą liczbę zdarzeń dla uzyskania solidnej mocy statystycznej. Krótkie okresy obserwacji mogą pomijać krytyczne zdarzenia i prowadzić do niekompletnych lub stronniczych wniosków. Istotne jest również zminimalizowanie różnic w ryzyku zdarzeń wśród uczestników rekrutowanych w różnym czasie, aby uniknąć przekłamanych wyników.

Rozważania projektowe w analizie przetrwania

Badania nad przetrwaniem muszą być starannie zaprojektowane, aby uwzględnić te założenia. Jasna definicja zdarzenia, wystarczający czas obserwacji i strategie minimalizujące stronniczość cenzury są kluczowe. Gdy czynniki te są dobrze zarządzane, modele przetrwania mogą zapewnić cenne spostrzeżenia na temat zjawisk czasowych do zdarzenia w wielu dyscyplinach.

Analiza przeżycia, metoda statystyczna, ocenia czas do wystąpienia zdarzenia. Jest powszechnie stosowany w medycynie do analizy oczekiwanej długości życia.

Kluczowe znaczenie ma wybór klinicznie istotnego zdarzenia, które jest dobrze zdefiniowane, jasne i obserwowalne w celu dokładnej analizy.

Jednym z kluczowych aspektów jest cenzura, która ma miejsce, gdy dane są niekompletne z powodu wydarzeń takich jak śmierć lub wyjście uczestnika z badania. Na przykład dane pacjentów opuszczających badanie są cenzurowane zgodnie z prawem.

Niezależna cenzura oznacza, że powody cenzurowania – takie jak rezygnacja z badania – nie są związane z interesującym nas wynikiem.

Następnie, założenie proporcjonalnego hazardu Coxa zakłada, że względne współczynniki ryzyka lub ryzyka między grupami pozostają stałe.

Założenie stacjonarności zapewnia, że prawdopodobieństwo zmiany zdarzenia w czasie jest takie samo dla wszystkich badanych grup, chyba że wyraźnie modeluje się inaczej.

Ponadto należy dokładnie określić długość obserwacji i wielkość próby, aby zapewnić wystarczającą liczbę zdarzeń do rzetelnej analizy.