Biziraupenaren azterketa estatistikan
Biziraupen-analisia estatistikaren adarra da, gertaera bat gertatu arteko denbora modelatu eta aztertzean oinarritzen dena. Gertaera hori paziente baten heriotza, gaixotasun baten berragerpena, makina baten osagai baten matxura, bezeroen galera edo lan-eskatzaile batek lana aurkitu arteko denbora izan daiteke. Biziraupen-analisiak beste teknika estatistikoekiko duen abantaila nagusia zentsuraren ondorioz datu osatugabeak kudeatzeko duen gaitasuna da, hau da, gertaera bat behaketa-aldia amaitu arte gertatzen ez denean edo guztiz behatzen ez denean.
Medikuntza ikerketan, biziraupen-analisia askotan erabiltzen da terapien eraginkortasuna biziraupen-denboraren arabera alderatzeko; ingeniaritzan, osagaien iraupena kalkulatzeko; eta negozioetan, bezeroen atxikipena aurreikusteko. Probabilitatearen, estimazio ez-parametrikoaren eta erregresio-ereduen kontzeptuak konbinatuz, biziraupen-analisia datuetan oinarritutako erabakiak hartzeko tresna erabakigarria bihurtzen da.
Oinarrizko kontzeptuak: gertaeraren unea eta zentsura
Biziraupen-analisiaren muinean gertaera bat gertatu arteko denbora adierazten duen \(T\) ausazko aldagai bat dago. Adibidez, \(T\) terapia egin eta paziente batek errepikapena izan arteko egun kopurua izan liteke. Hala ere, ikertzaileek askotan ez dute \(T\) bere osotasunean behatzen. Zentsuratzeko hainbat modu ohiko daude:
1. Eskuineko zentsura: Hau gehienetan gertatzen da, adibidez, paziente batek ikerketaren amaieran gertaera bat jasan ez duenean, edo pazienteak ikerketa uzten duenean. Dakigunez, \(T\) azken aldiz behatutakoa baino handiagoa da.
2. Ezkerreko zentsura (ezkerreko zentsura): Gertaera behaketa hasi baino lehen gertatu zen, baina ordu zehatza ezezaguna da.
3. Zentsura-tartea: Gertaera bi behaketa-denboraren artean gertatu dela badakigu (adibidez, paziente bat hilero aztertzen da eta gertaera 2. eta 3. hilabeteen artean gertatu dela badakigu).
Oinarrizko metodo ezagun gehienek (Kaplan-Meier eta Cox ereduak, esaterako) eskuineko zentsuraren kasuan jartzen dute arreta.
Biziraupen eta arrisku funtzioak
Biziraupen-analisiak bi funtzio nagusi erabiltzen ditu:
1) Biziraupen funtzioa
Biziraupen-funtzioa honela definitzen da:
\[
S(t) = P(T > t)
\]
Hau da, \(S(t)\) banako/objektu batek \(t\) denbora igaro ondoren bizirauteko probabilitatea da. Adibidez, \(S(12)=0{,}80\) interpreta daiteke subjektuen % 80k gertaera 12 hilabeteren buruan ez bizitzea espero dela esan nahi duela.
2) Arrisku-funtzioa
Arrisku-funtzioak (arrisku-tasa) gertaera baten arriskua deskribatzen du “orain”, subjektua une horretara arte bizirik irauten badu:
\[
h(t) = \lim_{\Delta t \to 0} \frac{P(t \le T < t+\Delta t \mid T \ge t)}{\Delta t} \] Arriskua ez da probabilitate bat, tasa bat baizik. Testuinguru medikoan, arrisku handiago batek esan nahi du bizirik irauten duten gizabanakoek une horretan gertaera bat jasateko arrisku handiagoa dutela. Bi kontzeptu hauek honela erlazionatzen dira: \[ S(t) = \exp\left(-\int_0^th(u)\,du\right) \] Erlazio hau garrantzitsua da, eredu batzuek arriskuan zentratzen direlako eta gero biziraupena degradatzen dutelako, edo alderantziz. Estimazio ez-parametrikoa: Kaplan-Meier Biziraupen-analisian ezagunenetako metodo bat Kaplan-Meier estimatzailea da, biziraupen-funtzioaren estimazio ez-parametrikoa dena, banaketa espezifiko bat suposatu gabe. Estimatzaile honek biziraupen-kurba bat eraikitzen du gertaera bakoitzean biziraupen-probabilitateen biderkadura gisa. Kontzeptualki, Kaplan–Meier-ek kalkulatzen du: - gertaera bakoitzean \(t_i\), - \(d_i\) = \(t_i\) uneko gertaera kopurua, - \(n_i\) = \(t_i\) baino lehen “arriskuan” dauden subjektuen kopurua, orduan: \[ \hat{S}(t) = \prod_{t_i \le t}\left(1 - \frac{d_i}{n_i}\right) \] Kaplan–Meier-en abantailak hauek dira: - erraza da biziraupen-kurben bidez interpretatzea, - eskuineko zentsura maneiatu dezake, - erabilgarria da datuak aztertzeko eta taldeen alderaketarako. Hala ere, Kaplan–Meier batez ere deskriptiboa da. Bi biziraupen-kurba nabarmen desberdinak diren ala ez probatzeko, log-rank testa erabili ohi da. Taldeen konparaketa: log-rank testa Log-rank testa bi (edo gehiago) talderen artean biziraupenean aldea dagoen ala ez hipotesia probatzeko erabiltzen da, adibidez A terapia taldea vs. B terapia taldea. Proba honek "behatutako" gertaeren kopurua "espero zen" kopuruarekin alderatzen du gertaera bakoitzean, oraindik arriskuan dauden subjektuen kopurua kontuan hartuta.
Log-rank eraginkorra da taldeen arteko arrisku-diferentzia denboran zehar nahiko konstantea denean. Arriskuak gurutzatzen badira, interpretazioa konplexuagoa bihurtzen da eta beste proba batzuk kontuan hartu daitezke. Erregresio-eredua: Cox Arrisku Proportzionalak Ikertzaileek kobariante asko (adina, sexua, biomarkatzailea, terapia mota, etab.) sartu nahi dituztenean, metodo ohikoena Cox Arrisku Proportzionalen Eredua da. Cox ereduak banakako arriskua \(X\) kobariantearekin adierazten du honela: \[ h(t \mid X) = h_0(t)\exp(\beta^\top X) \] non: - \(h_0(t)\) oinarrizko arriskua da (ez da beharrezkoa bere forma zehaztea), - \(\beta\) kalkulatu beharreko parametroa da. Cox-en interpretazio nagusia arrisku-erlazioaren (HR) bidezkoa da: \[ HR = \exp(\beta) \] Baldin eta \(HR = 1{,}5\), orduan kobariante jakin bat duen taldeak erreferentzia-taldeak baino 1,5 aldiz (% 50 handiagoa) arrisku-maila du, beste kobarianteak konstanteak direla suposatuz. Cox ereduaren abantailak: - malgua da, ez duelako \(h_0(t))\-rako banaketa-forma berezirik behar, - kobariante asko sar ditzake, - arrisku-erlazioaren bidezko interpretazioa nahiko erraza da. Cox ereduaren erronka nagusia arrisku proportzionalen hipotesia da, hau da, taldeen arteko arriskuen ratioa denboran zehar konstantea dela suposatzen da. Hipotesi hau honen bidez egiazta daiteke: - taldeen arteko log(-log(S(t))) grafikoak, - Schoenfeld hondarrak, - denboran aldatzen diren kobarianteen ikuspegia, hipotesia betetzen ez bada. Eredu parametrikoak: esponentziala, Weibull eta beste batzuk Cox erdiparametrikoaren aldean, eredu parametrikoek biziraupen-denboraren banaketa-forma jakin bat hartzen dute kontuan, adibidez: - esponentziala: arriskua konstantea da denboran zehar, - Weibull: arriskua handitu edo txikitu egin daiteke, - log-normala eta log-logistikoa: arrisku-eredu ez-monotonikoetarako erabilgarriak. Eredu parametrikoek honako hauetan nabarmentzen dira: - epe luzerako iragarpena, - batez besteko biziraupena bezalako kantitateen estimazioa (definituta daudenean), - eraginkortasuna, banaketa-hipotesiak zuzenak badira. Hala ere, banaketa-hipotesiak okerrak badira, emaitzak alboratuak izan daitezke. Beraz, ereduaren hautaketak diagnostikoa, AIC/BIC eta kurbaren doikuntza kontuan hartu behar ditu.
Aplikazio praktikoak hainbat arlotan 1. Osasuna eta epidemiologia: heriotza arteko denbora, minbiziaren berragerpena, suspertzeko edo berragerpen arteko denbora, tratamenduaren ebaluazioa. 2. Ingeniaritza eta fidagarritasuna: osagaien hutsegite arteko denbora, bermearen analisia, mantentze-lanen plangintza. 3. Negozioak eta marketina: bezeroen galera arteko denbora, berriro erosteko denbora, aplikazioaren erabiltzaileen atxikipena. 4. Soziala eta ekonomikoa: langabeziaren iraupena, ezkontza arteko denbora, graduazio arteko ikasketen iraupena. Datu egokiekin, biziraupen-analisiak erakundeei sistema baten erresilientziaren dinamika eta gertaeren gertatzea bizkortzen edo moteltzen duten faktoreak ulertzen laguntzen die. Biziraupen-analisiaren praktikaren puntu garrantzitsuak Hainbat gauza kontuan hartu behar dira analisi zehatz eta fidagarri bat egiteko: - Definitu gertaera argi: adibidez, "hutsegitea" koherentea izan behar da (kalte txikiak barne hartzen al ditu?). - Zehaztu denbora-jatorria: adibidez, diagnostikotik, terapiaren hasieratik edo osagaien instalaziotik. - Zentsura ez da informatiboa izan behar: idealena, zentsuratua izateko probabilitatea gertaeraren arriskuarekiko independentea da, kobarianteak kontrolatu ondoren. Zentsura informatiboak badira, ikuspegi berezi bat behar da. - Datuen kalitatea eta jarraipena: jarraipen-datuen galerak ondorioetan eragina izan dezake. - Ereduen diagnostikoa: egiaztatu Cox-en arrisku proportzionalen hipotesia edo eredu parametrikoen banaketa-egokitzapena. Ondorioa Biziraupen-analisia gertaerarainoko denbora aztertzeko metodo estatistiko indartsua da, batez ere datuek zentsura dutenean. Kaplan-Meier testa, log-rank testa, Cox arrisku proportzionalen eredua eta eredu parametrikoak bezalako tresnak erabiliz, ikertzaileek biziraupen-probabilitateak kalkula ditzakete, taldeak alderatu eta kobarianteek gertaera baten arriskuan duten eragina ebaluatu dezakete. Biziraupenaren eta arriskuaren kontzeptuak ulertzea, ereduen hipotesiak eta datuen kalitatea arretaz kontuan hartzearekin batera, funtsezkoa da biziraupen-analisiaren emaitza fidagarriak bermatzeko, hainbat arlotan erabakiak hartzeko erabilgarriak direnak. Nahi baduzu, artikulu honen bertsio akademikoagoa eman dezaket (erreferentziak dituena), edo Kaplan-Meier kurben kalkuluen adibideak eta ilustrazioak eta arrisku-erlazioen interpretazioa sar ditzaket.
