Аналіз виживання є ключовим інструментом у біостатистиці для вивчення часу до моменту події, що цікавить. Існують різні типи методів аналізу виживання, які використовуються для аналізу даних про час до події, включаючи аналіз Каплана-Майєра, модель пропорційних небезпек Кокса, параметричні моделі виживання тощо. Кожен метод має свої сильні сторони та застосування в біостатистиці та аналізі виживання.
Аналіз Каплана-Майєра
Аналіз Каплана-Майєра — це непараметричний метод, який використовується для оцінки функції виживання на основі даних від часу до події, особливо коли є цензуровані спостереження. Він широко використовується для аналізу досвіду виживання пацієнтів у клінічних випробуваннях або обсерваційних дослідженнях.
Модель пропорційних ризиків Кокса
Модель пропорційних ризиків Кокса є популярною напівпараметричною регресійною моделлю, яка використовується в аналізі виживання. Це дозволяє оцінити вплив кількох коваріат на небезпеку або ризик події, що відбувається з часом, припускаючи, що рівні небезпеки для різних рівнів коваріатів пропорційні.
Параметричні моделі виживання
Параметричні моделі виживання припускають певний розподіл для часу виживання, такий як експоненціальний розподіл, розподіл Вейбулла або лог-нормальний розподіл. Ці моделі є альтернативою непараметричним методам і можуть запропонувати більш ефективні оцінки, коли припущення щодо розподілу вірно для даних.
Моделі прискореного часу відмови
Моделі прискореного часу відмови (AFT) — це інший клас параметричних моделей виживання, які зосереджуються на прискоренні або уповільненні часу виживання на основі коваріант. Ці моделі дають уявлення про вплив коваріатів на часову шкалу даних про виживання.
Тендітні моделі
Моделі слабкості включають неспостережувану гетерогенність або кластеризацію в даних про виживання, які можуть не враховуватися стандартними моделями виживання. Ці моделі є цінними, коли існують невиміряні або неспостережувані фактори, які можуть вплинути на результати виживання.
Коваріати, що залежать від часу
Коваріати, що залежать від часу, дозволяють включати в аналіз змінні, які змінюються з часом, що дозволяє більш динамічно оцінювати їх вплив на результати виживання. Цей підхід особливо корисний у лонгітюдних дослідженнях або коли вплив коваріантів змінюється протягом дослідження.
Аналіз конкуруючих ризиків
Аналіз конкуруючих ризиків розглядає сценарії, коли люди можуть зіткнутися з кількома взаємовиключними подіями, і настання однієї події виключає настання інших. Ця методика враховує ці конкуруючі події та забезпечує повне розуміння різних типів результатів подій.
Кусково-експоненціальні моделі
Частково-експоненціальні моделі розбивають час спостереження на окремі інтервали та враховують різні рівні небезпеки в кожному інтервалі. Це дозволяє виявляти зміни рівня небезпеки з часом і забезпечує більш гнучкий підхід до моделювання даних про виживання.
Байєсівський аналіз виживання
Байєсівські методи пропонують імовірнісний підхід до аналізу виживання, що дозволяє включати попередні знання, складні взаємодії та невизначеності в оцінку ймовірностей виживання та параметрів моделі.