15.13
Obcięcie w analizie przeżycia
Obcięcie w analizie przeżycia odnosi się do wykluczenia osób lub zdarzeń z zestawu danych na podstawie określonych kryteriów związanych z czasem zdarz…
W analizie przeżycia czas jest mierzony od początku badania, zapewniając, że wszyscy uczestnicy są obserwowani od czasu zerowego do momentu śmierci lub ocenzurowania. Ale nie zawsze jest to wykonalne.
Na przykład w badaniu oceniającym narażenie zawodowe na potencjalny czynnik rakotwórczy pracownicy fabryk mogą zostać przepytani na temat ich wcześniejszego narażenia i czynników ryzyka, takich jak rak, a następnie podjąć działania następcze.
Idealnie byłoby, gdyby czas zero był datą rozpoczęcia zatrudnienia, a nie datą rozpoczęcia badania.
Jednak pracownicy, którzy opuścili fabrykę przed rozpoczęciem badania, nie są nim objęci. Ten problem jest znany jako obcinanie po lewej.
Z drugiej strony, prawostronne obcięcie występuje, gdy osoby są wykluczane, jeśli ich czas zdarzenia przekracza określoną wartość, taką jak okres badania.
Obcinanie różni się od cenzurowania. W przypadku obcięcia nie są dostępne żadne informacje na niektóre tematy, ponieważ są one wykluczone z danych. Z drugiej strony, cenzura dostarcza częściowych informacji na takie tematy.
View the full transcript and gain access to JoVE Core videos
Q1: What is left truncation in survival analysis?
Left truncation occurs when individuals who experienced an event before a certain time are excluded from the study. This commonly happens through delayed entry, where only participants who survive until a specific entry point are observed. For example, in occupational studies, workers who retired or died before the study began are not included, creating bias that only represents those still at risk after entry.
Q2: How does right truncation differ from left truncation?
Right truncation excludes individuals whose event time exceeds a specific value, such as the study period. While left truncation involves delayed entry into observation, right truncation occurs when only individuals who experienced the event by a certain time are included. For instance, a mortality study recording only deaths within a specific timeframe excludes those who lived beyond the observation period.
Q3: What is the key difference between truncation and censoring?
Truncation completely excludes subjects from analysis because they do not meet entry criteria, providing no data on them. Censoring, by contrast, provides partial information on subjects whose exact event time is unknown. For example, censoring indicates an event has not occurred up to a certain point, whereas truncation means those individuals are entirely absent from the dataset.
Q4: Why is time zero important in survival analysis studies?
Time zero establishes the reference point from which all participants are observed until they experience the event or are censored. Ideally, time zero represents the true start of risk exposure, such as employment start date in occupational studies. However, when workers who left before the study began are excluded, the chosen time zero may not reflect actual exposure history, introducing left truncation bias.
Q5: What are practical examples of left truncation in research?
Left truncation occurs in occupational exposure studies where workers hired before the study began are excluded if they left the factory previously. Disease studies also exhibit left truncation when only individuals diagnosed after a specific date are included, excluding those diagnosed earlier. These exclusions create datasets containing only survivors or those meeting delayed entry criteria.
Q6: How does truncation affect survival analysis when comparing groups?
Truncation introduces bias by systematically excluding certain individuals, which can distort group comparisons in survival analysis. When comparing the survival analysis of two or more groups, truncation may differentially affect groups if exclusion criteria apply unequally. This selective exclusion compromises the representativeness of each group and can lead to misleading conclusions about survival differences.
Q7: What happens to data availability when truncation occurs versus censoring?
Truncation results in complete data loss for excluded subjects; no information exists about them in the dataset. Censoring preserves some information, such as knowing an individual survived until a specific date. This fundamental difference means truncated data cannot be recovered or analyzed, while censored data can be incorporated into survival models using specialized statistical methods.