Analýza přežití ve statistice

Analýza přežití ve statistice

Analýza přežití je odvětví statistiky, které se zaměřuje na modelování a analýzu doby do nastání určité události. Touto událostí může být úmrtí pacienta, recidiva onemocnění, selhání součásti stroje, odchod zákazníků nebo doba, než si uchazeč o zaměstnání najde práci. Hlavní výhoda analýzy přežití oproti jiným statistickým technikám spočívá v její schopnosti zpracovávat neúplná data v důsledku cenzurování, což je situace, kdy k události nedojde až do konce pozorovacího období nebo není plně pozorována.

V lékařském výzkumu se analýza přežití často používá k porovnání účinnosti terapií na základě doby přežití, ve strojírenství k odhadu životnosti komponent a v podnikání k predikci udržení zákazníků. Kombinací konceptů pravděpodobnosti, neparametrického odhadu a regresních modelů se analýza přežití stává klíčovým nástrojem pro rozhodování na základě dat.

Základní pojmy: čas události a cenzura

Jádrem analýzy přežití je náhodná proměnná \(T\), která představuje dobu do nastání určité události. Například \(T\) by mohl být počet dní po terapii, než u pacienta dojde k relapsu. Vědci však často nesledují \(T\) v plném rozsahu. Existuje několik běžných forem cenzurování:

1. Pravá cenzura: K tomu dochází nejčastěji, například když pacient do konce studie nezažil žádnou událost, nebo když pacient ze studie odejde. Víme pouze, že \(T\) je větší než při posledním pozorování.
2. Levá cenzura (levá cenzura): Událost nastala před zahájením pozorování, ale přesný čas není znám.
3. Interval cenzurování: Je známo, že k události došlo mezi dvěma pozorovacími obdobími (např. pacient je vyšetřován měsíčně a je známo, že k události došlo mezi 2. a 3. měsícem).

Většina populárních základních metod (jako jsou Kaplan-Meierovy a Coxovy modely) se zaměřuje na případ cenzurování zprava.

Funkce pro přežití a nebezpečí

Analýza přežití využívá dvě hlavní funkce:

1) Funkce přežití
Funkce přežití je definována jako:
\[
S(t) = P(T > t)
\]
To znamená, že \(S(t)\) je pravděpodobnost, že jedinec/objekt přežije čas \(t\). Například \(S(12)=0{,}80\) lze interpretovat tak, že se očekává, že 80 % subjektů nezažije danou událost do 12 měsíců.

2) Funkce nebezpečí
Funkce rizika (míra rizika) popisuje riziko události „nyní“ za předpokladu, že subjekt do té doby přežije:
\[
h(t) = \lim_{\Delta t \to 0} \frac{P(t \le T < t+\Delta t \mid T \ge t)}{\Delta t} \] Hazard bukan probabilitas, melainkan laju . Dalam konteks medis, hazard yang lebih tinggi berarti risiko mengalami kejadian pada waktu itu lebih tinggi bagi individu yang masih bertahan. Kedua konsep ini saling terkait melalui: \[ S(t)=\exp\left(-\int_0^t h(u)\,du\right) \] Hubungan ini penting karena sebagian model memfokuskan pada hazard, lalu menurunkan survival, atau sebaliknya. Estimasi nonparametrik: Kaplan–Meier Salah satu metode paling terkenal dalam analisis survival adalah Kaplan–Meier estimator , yakni estimasi nonparametrik untuk fungsi survival tanpa mengasumsikan bentuk distribusi tertentu. Estimator ini membangun kurva survival sebagai hasil perkalian peluang bertahan pada setiap waktu kejadian. Secara konseptual, Kaplan–Meier menghitung: - pada tiap waktu kejadian \(t_i\), - \(d_i\) = jumlah kejadian pada \(t_i\), - \(n_i\) = jumlah subjek “berisiko” tepat sebelum \(t_i\), maka: \[ \hat{S}(t) = \prod_{t_i \le t}\left(1 - \frac{d_i}{n_i}\right) \] Keunggulan Kaplan–Meier adalah: - mudah diinterpretasikan melalui kurva survival, - dapat menangani right censoring, - berguna untuk eksplorasi data dan perbandingan kelompok. Namun, Kaplan–Meier pada dasarnya bersifat deskriptif. Untuk menguji apakah dua kurva survival berbeda secara signifikan, sering digunakan uji log-rank . Perbandingan kelompok: uji log-rank Log-rank test digunakan untuk menguji hipotesis apakah ada perbedaan survival antara dua (atau lebih) kelompok, misalnya kelompok terapi A vs terapi B. Uji ini membandingkan jumlah kejadian yang “diobservasi” dengan yang “diharapkan” pada tiap waktu kejadian, dengan mempertimbangkan jumlah subjek yang masih berisiko. Log-rank efektif ketika asumsi perbedaan hazard antar kelompok relatif konstan sepanjang waktu. Jika hazard bersilangan (crossing hazards), interpretasinya menjadi lebih rumit dan uji alternatif bisa dipertimbangkan. Model regresi: Cox Proportional Hazards Ketika peneliti ingin memasukkan banyak kovariat (umur, jenis kelamin, biomarker, jenis terapi, dll.), metode yang paling umum adalah Cox Proportional Hazards Model . Model Cox menyatakan hazard individu dengan kovariat \(X\) sebagai: \[ h(t \mid X) = h_0(t)\exp(\beta^\top X) \] di mana: - \(h_0(t)\) adalah baseline hazard (tidak perlu ditentukan bentuknya), - \(\beta\) adalah parameter yang diestimasi. Interpretasi utama Cox adalah melalui hazard ratio (HR) : \[ HR = \exp(\beta) \] Jika \(HR = 1{,}5\), maka kelompok dengan kovariat tertentu memiliki hazard 1,5 kali (50% lebih tinggi) dibanding kelompok referensi, dengan asumsi kovariat lain konstan. Keunggulan model Cox: - fleksibel karena tidak memerlukan bentuk distribusi khusus untuk \(h_0(t)\), - dapat memasukkan banyak kovariat, - interpretasi melalui hazard ratio relatif mudah. Tantangan utama model Cox adalah asumsi proportional hazards , yaitu perbandingan hazard antar kelompok dianggap konstan sepanjang waktu. Asumsi ini dapat diperiksa melalui: - grafik log(-log(S(t))) antar kelompok, - residu Schoenfeld, - pendekatan time-varying covariates bila asumsi tidak terpenuhi. Model parametrik: Exponential, Weibull, dan lainnya Berbeda dari Cox yang semiparametrik, model parametrik mengasumsikan bentuk distribusi tertentu untuk waktu survival, misalnya: - Exponential : hazard konstan sepanjang waktu, - Weibull : hazard bisa meningkat atau menurun, - Log-normal dan Log-logistic : berguna untuk pola hazard yang tidak monoton. Model parametrik unggul dalam: - prediksi jangka panjang, - estimasi kuantitas seperti mean survival (bila terdefinisi), - efisiensi jika asumsi distribusi tepat. Namun, jika asumsi distribusi keliru, hasilnya bisa bias. Oleh karena itu, pemilihan model perlu mempertimbangkan diagnostik, AIC/BIC, dan kecocokan kurva. Aplikasi praktis di berbagai bidang 1. Kesehatan dan epidemiologi : waktu sampai kematian, kekambuhan kanker, waktu sampai pasien sembuh atau relapse, evaluasi perawatan. 2. Teknik dan reliabilitas : waktu sampai komponen rusak, analisis garansi, perencanaan pemeliharaan. 3. Bisnis dan pemasaran : waktu sampai pelanggan churn, waktu sampai pembelian ulang, retensi pengguna aplikasi. 4. Sosial dan ekonomi : durasi menganggur, waktu sampai pernikahan, durasi studi sampai lulus. Dengan data yang tepat, analisis survival membantu organisasi memahami dinamika “ketahanan” suatu sistem dan faktor-faktor yang mempercepat atau memperlambat terjadinya peristiwa. Hal penting dalam praktik analisis survival Beberapa hal yang perlu diperhatikan agar analisis tepat dan dapat dipercaya: - Definisikan peristiwa dengan jelas : misalnya, “kegagalan” harus konsisten (apakah termasuk kerusakan minor?). - Tentukan awal waktu (time origin) : misalnya sejak diagnosis, sejak terapi dimulai, atau sejak pemasangan komponen. - Censoring harus non-informatif : idealnya, peluang tersensor tidak bergantung pada risiko kejadian setelah mengondisikan kovariat. Jika censoring informatif, perlu pendekatan khusus. - Kualitas data dan follow-up : kehilangan data follow-up dapat memengaruhi kesimpulan. - Diagnostik model : cek asumsi proportional hazards untuk Cox atau kecocokan distribusi untuk model parametrik. Kesimpulan Analisis survival merupakan metode statistika yang sangat kuat untuk mempelajari waktu hingga terjadinya peristiwa, terutama ketika data mengandung censoring. Dengan alat seperti Kaplan–Meier, uji log-rank, model Cox proportional hazards, dan model parametrik, peneliti dapat mengestimasi peluang bertahan, membandingkan kelompok, serta menilai pengaruh kovariat terhadap risiko kejadian. Pemahaman konsep survival dan hazard, serta kehati-hatian terhadap asumsi model dan kualitas data, menjadi kunci agar hasil analisis survival dapat diandalkan dan bermanfaat dalam pengambilan keputusan di berbagai bidang. Jika Anda ingin, saya bisa membuat versi artikel yang lebih akademik (dengan referensi), atau menyertakan contoh perhitungan dan ilustrasi kurva Kaplan–Meier serta interpretasi hazard ratio.