15.6: Предположения анализа выживаемости

Модели выживания анализируют время до наступления одного или нескольких событий, таких как смерть биологических организмов или сбой в механических системах. Эти модели широко используются в таких областях, как медицина, биология, инженерия и общественное здравоохранение, для изучения феноменов времени до события. Чтобы обеспечить точные результаты, анализ выживаемости опирается на ключевые предположения и тщательный дизайн исследования.

1. Время выживания положительно искажено
   Время выживания часто демонстрирует положительную асимметрию, в отличие от нормального распределения, предполагаемого во многих других анализах. Это означает, что события, как правило, происходят чаще на ранних стадиях, с меньшим количеством событий с течением времени.
2. Цензура данных
   Цензура имеет место, когда полное время выживания индивидуума не соблюдается, но отличается от недостающих данных. Распространенными причинами цензуры являются отказ участников от участия в исследовании, окончание периода исследования до того, как событие произошло, или переживание участниками несвязанных событий (например, смерть по несвязанной причине). Например, в исследовании, посвященном сердечным заболеваниям, данные участника, погибшего в результате несчастного случая, будут подвергнуты цензуре в момент смерти.
3. Независимая цензура
   Это предположение предполагает, что причины цензуры не связаны с вероятностью события, представляющего интерес. Например, если участники с тяжелыми симптомами с большей вероятностью выбывают из исследования, оценки выживаемости могут стать смещенными. Обеспечение того, чтобы цензура не зависела от состояния здоровья участников, имеет решающее значение для надежного анализа.
4. Пропорциональные риски (специфичные для моделей Кокса)
   Модель пропорциональных рисков Кокса предполагает, что отношение рисков между любыми двумя индивидуумами остается постоянным с течением времени. Например, если риск какого-либо события в одной группе в два раза выше, чем в другой группе в начале исследования, это соотношение рисков должно сохраняться в течение всего периода исследования.
5. Стационарность Стационарность предполагает, что вероятность изменения события с течением времени одинаково во всех группах, если она не моделируется явно. Например, при сравнении продолжительности жизни между пациентами, получавшими новый препарат по сравнению со стандартным лечением, внешние факторы, влияющие на выживаемость, должны влиять на обе группы в равной степени, если их не учитывать.
6. Четкие и клинически важные события
   Интересующее событие должно быть клинически значимым и четко определенным, чтобы обеспечить точное измерение и анализ. Неоднозначные или неправильно классифицированные события (например, неясные критерии рецидива) могут поставить под угрозу достоверность данных о времени выживания.
7. Адекватный период наблюдения Продолжительность наблюдения должна быть достаточной для наблюдения за достаточным количеством событий для обеспечения надежной статистической мощности. Короткое время наблюдения может пропустить критические события и привести к неполным или предвзятым выводам. Также важно свести к минимуму различия в риске событий среди участников, набранных в разное время, чтобы избежать искажения результатов.

Соображения по проектированию при анализе выживаемости

Исследования выживаемости должны быть тщательно спланированы, чтобы учесть эти предположения. Четкое определение события, достаточное время для последующих действий и стратегии минимизации предвзятости цензуры имеют жизненно важное значение. Когда эти факторы хорошо управляются, модели выживания могут дать ценную информацию о феноменах времени до события в различных дисциплинах.