تحلیل بقا در آمار
تحلیل بقا شاخه‌ای از آمار است که بر مدل‌سازی و تحلیل زمان تا وقوع یک رویداد تمرکز دارد. این رویداد می‌تواند مرگ بیمار، عود بیماری، خرابی یک قطعه ماشین، ریزش مشتری یا زمان تا زمانی که یک جوینده کار، شغلی پیدا کند، باشد. مزیت اصلی تحلیل بقا نسبت به سایر تکنیک‌های آماری، توانایی آن در مدیریت داده‌های ناقص ناشی از سانسور است، یعنی زمانی که یک رویداد تا پایان دوره مشاهده رخ نمی‌دهد یا به طور کامل مشاهده نمی‌شود.
در تحقیقات پزشکی، تحلیل بقا اغلب برای مقایسه اثربخشی درمان‌ها بر اساس زمان بقا؛ در مهندسی، برای تخمین طول عمر اجزا؛ و در تجارت، برای پیش‌بینی حفظ مشتری استفاده می‌شود. با ترکیب مفاهیم احتمال، تخمین ناپارامتری و مدل‌های رگرسیون، تحلیل بقا به ابزاری حیاتی در تصمیم‌گیری مبتنی بر داده تبدیل می‌شود.
مفاهیم پایه: زمان رویداد و سانسور
در قلب تحلیل بقا، یک متغیر تصادفی \(T\) وجود دارد که زمان تا وقوع یک رویداد را نشان می‌دهد. برای مثال، \(T\) می‌تواند تعداد روزهای پس از درمان تا زمانی باشد که بیمار عود بیماری را تجربه کند. با این حال، محققان اغلب \(T\) را به طور کامل مشاهده نمی‌کنند. چندین شکل رایج از سانسور وجود دارد:
۱. سانسور از سمت راست: این مورد اغلب اتفاق می‌افتد، برای مثال، زمانی که یک بیمار تا پایان مطالعه رویدادی را تجربه نکرده باشد، یا زمانی که بیمار از مطالعه خارج می‌شود. ما فقط می‌دانیم که \(T\) از آخرین باری که مشاهده شده بزرگتر است.
۲. سانسور چپ (سانسور چپ): رویداد قبل از شروع مشاهده رخ داده است، اما زمان دقیق آن مشخص نیست.
۳. فاصله سانسور: رویداد بین دو زمان مشاهده رخ داده است (مثلاً، یک بیمار ماهانه معاینه می‌شود و رویداد بین ماه‌های دوم و سوم رخ داده است).
بیشتر روش‌های پایه‌ای محبوب (مانند مدل‌های کاپلان-مایر و کاکس) بر حالت سانسور از راست تمرکز دارند.
توابع بقا و خطر
تحلیل بقا از دو تابع اصلی استفاده می‌کند:
۱) تابع بقا
تابع بقا به صورت زیر تعریف می‌شود:
\[
S(t) = P(T > t)
\]
یعنی، \(S(t)\) احتمال زنده ماندن یک فرد/شیء در زمان گذشته \(t\) است. برای مثال، \(S(12)=0{,}80\) را می‌توان به این صورت تفسیر کرد که انتظار می‌رود ۸۰٪ از افراد تا ۱۲ ماه دیگر آن رویداد را تجربه نکرده باشند.
۲) تابع خطر
تابع خطر (نرخ ریسک) ریسک یک رویداد را «در حال حاضر» توصیف می‌کند، مشروط بر اینکه فرد تا آن زمان زنده بماند:
\[
h(t) = \lim_{\Delta t \to 0} \frac{P(t \le T < t+\Delta t \mid T \ge t)}{\Delta t} \] خطر یک احتمال نیست، بلکه یک نرخ است. در زمینه پزشکی، خطر بالاتر به این معنی است که خطر تجربه رویداد در آن زمان برای افراد زنده مانده بیشتر است.
این دو مفهوم از طریق رابطه‌ی زیر به هم مرتبط هستند: \[ S(t)=\exp\left(-\int_0^th(u)\,du\right) \] این رابطه مهم است زیرا برخی مدل‌ها بر خطر تمرکز می‌کنند، سپس بقا را کاهش می‌دهند، یا برعکس.
تخمین ناپارامتری: کاپلان-مایر یکی از شناخته‌شده‌ترین روش‌ها در تحلیل بقا، تخمین‌گر کاپلان-مایر است که یک تخمین ناپارامتری از تابع بقا بدون فرض فرم توزیعی خاص است. این تخمین‌گر، منحنی بقا را به صورت حاصلضرب احتمالات بقا در هر زمان رویداد می‌سازد.
از نظر مفهومی، کاپلان-مایر موارد زیر را محاسبه می‌کند: - در هر زمان رویداد \(t_i\)، - \(d_i\) = تعداد رویدادها در \(t_i\)، - \(n_i\) = تعداد افراد "در معرض خطر" درست قبل از \(t_i\)، سپس: \[ \hat{S}(t) = \prod_{t_i \le t}\left(1 - \frac{d_i}{n_i}\right) \] مزایای کاپلان-مایر عبارتند از: - تفسیر آسان از طریق منحنی‌های بقا، - قابلیت مدیریت سانسور از سمت راست، - مفید برای کاوش داده‌ها و مقایسه گروهی.
با این حال، کاپلان-مایر در درجه اول ماهیت توصیفی دارد. برای بررسی اینکه آیا دو منحنی بقا تفاوت معناداری دارند یا خیر، اغلب از آزمون رتبه‌بندی لگاریتمی استفاده می‌شود.
مقایسه گروه‌ها: آزمون رتبه‌بندی لگاریتمی آزمون رتبه‌بندی لگاریتمی برای آزمایش این فرضیه استفاده می‌شود که آیا تفاوتی در بقا بین دو (یا چند) گروه وجود دارد یا خیر، به عنوان مثال گروه درمانی A در مقابل گروه درمانی B. این آزمون تعداد رویدادهای «مشاهده‌شده» را با تعداد «مورد انتظار» در هر زمان رویداد مقایسه می‌کند و تعداد آزمودنی‌هایی را که هنوز در معرض خطر هستند، در نظر می‌گیرد.
رتبه لگاریتمی زمانی مؤثر است که فرض بر این باشد که اختلاف خطر بین گروه‌ها در طول زمان نسبتاً ثابت است. اگر خطرات با هم تلاقی کنند (خطرات متقاطع)، تفسیر پیچیده‌تر می‌شود و ممکن است آزمایش‌های جایگزین در نظر گرفته شوند.
مدل رگرسیون: خطرات متناسب کاکس وقتی محققان می‌خواهند متغیرهای کمکی زیادی (سن، جنس، نشانگرهای زیستی، نوع درمان و غیره) را در نظر بگیرند، رایج‌ترین روش، مدل خطرات متناسب کاکس است. مدل کاکس، خطر فردی را با متغیرهای کمکی \(X\) به صورت زیر بیان می‌کند: \[ h(t \mid X) = h_0(t)\exp(\beta^\top X) \] که در آن: - \(h_0(t)\) خطر پایه است (نیازی به مشخص کردن فرم آن نیست)، - \(\beta\) پارامتری است که باید تخمین زده شود.
تفسیر اصلی کاکس از طریق نسبت خطر (HR) است: اگر HR = exp(β) باشد، آنگاه گروهی که یک متغیر کمکی خاص دارد، با فرض ثابت بودن سایر متغیرهای کمکی، خطری ۱.۵ برابر (۵۰٪ بیشتر) نسبت به گروه مرجع دارد.
مزایای مدل کاکس: - انعطاف‌پذیر است زیرا به فرم توزیع خاصی برای \(h_0(t)\) نیاز ندارد، - می‌تواند شامل متغیرهای کمکی زیادی باشد، - تفسیر از طریق نسبت خطر نسبتاً آسان است.
چالش اصلی مدل کاکس، فرض خطرات متناسب است، یعنی فرض می‌شود که نسبت خطرات بین گروه‌ها در طول زمان ثابت است. این فرض را می‌توان از طریق موارد زیر بررسی کرد: - نمودارهای log(-log(S(t))) بین گروه‌ها، - باقیمانده‌های شونفلد، - رویکرد متغیرهای کمکی متغیر با زمان در صورت عدم رعایت این فرض.
مدل‌های پارامتری: نمایی، وایبل و سایر مدل‌ها برخلاف مدل نیمه‌پارامتری کاکس، مدل‌های پارامتری یک فرم توزیع خاص برای زمان بقا فرض می‌کنند، برای مثال: - نمایی: خطر در طول زمان ثابت است، - وایبل: خطر می‌تواند افزایش یا کاهش یابد، - لگاریتم نرمال و لگاریتم لجستیک: برای الگوهای خطر غیریکنواخت مفید هستند.
مدل‌های پارامتری در موارد زیر برتری دارند: - پیش‌بینی بلندمدت، - تخمین کمیت‌هایی مانند میانگین بقا (در صورت تعریف)، - کارایی در صورت صحیح بودن فرضیات توزیع.
با این حال، اگر فرضیات توزیع اشتباه باشند، نتایج می‌توانند جانبدارانه باشند. بنابراین، انتخاب مدل باید شامل تشخیص، AIC/BIC و برازش منحنی باشد.
کاربردهای عملی در زمینه‌های مختلف ۱. سلامت و اپیدمیولوژی: زمان تا مرگ، عود سرطان، زمان تا بهبودی یا عود، ارزیابی درمان.
2. مهندسی و قابلیت اطمینان: زمان خرابی قطعات، تحلیل گارانتی، برنامه‌ریزی تعمیر و نگهداری.
3. کسب و کار و بازاریابی: زمان ریزش مشتری، زمان تکرار خرید، حفظ کاربر اپلیکیشن
4. اجتماعی و اقتصادی: مدت زمان بیکاری، زمان تا ازدواج، مدت زمان تحصیل تا فارغ التحصیلی.
با داده‌های مناسب، تحلیل بقا به سازمان‌ها کمک می‌کند تا پویایی «تاب‌آوری» یک سیستم و عواملی که وقوع رویدادها را تسریع یا کند می‌کنند، درک کنند.
نکات مهم در عمل تحلیل بقا چند نکته که باید در نظر گرفته شوند تا تحلیل دقیق و قابل اعتماد باشد: - رویداد را به وضوح تعریف کنید: برای مثال، «شکست» باید ثابت باشد (آیا شامل آسیب جزئی می‌شود؟).
- مبدا زمانی را تعیین کنید: برای مثال، از زمان تشخیص، از زمان شروع درمان یا از زمان نصب قطعه.
- سانسور باید غیر آموزنده باشد: در حالت ایده‌آل، احتمال سانسور شده مستقل از ریسک رویداد پس از شرطی‌سازی بر روی متغیرهای کمکی است. اگر سانسور آموزنده باشد، رویکرد ویژه‌ای لازم است.
- کیفیت داده‌ها و پیگیری: فقدان داده‌های پیگیری می‌تواند بر نتیجه‌گیری‌ها تأثیر بگذارد.
- تشخیص مدل: بررسی فرض خطرات متناسب برای کاکس یا برازش توزیع برای مدل‌های پارامتری.
نتیجه‌گیری تحلیل بقا یک روش آماری بسیار قدرتمند برای مطالعه زمان تا وقوع یک رویداد است، به خصوص زمانی که داده‌ها شامل سانسور باشند. با ابزارهایی مانند کاپلان-مایر، آزمون‌های رتبه‌بندی لگاریتمی، مدل‌های خطرات متناسب کاکس و مدل‌های پارامتری، محققان می‌توانند احتمال بقا را تخمین بزنند، گروه‌ها را مقایسه کنند و تأثیر متغیرهای کمکی بر خطر رویداد را ارزیابی کنند. درک مفاهیم بقا و خطر، و همچنین دقت در مورد فرضیات مدل و کیفیت داده‌ها، کلید اطمینان از قابل اعتماد بودن و مفید بودن نتایج تحلیل بقا در تصمیم‌گیری در زمینه‌های مختلف است.
اگر مایل باشید، می‌توانم نسخه‌ی آکادمیک‌تری از مقاله (همراه با ارجاعات) ایجاد کنم، یا مثال‌هایی از محاسبات و تصاویر منحنی کاپلان-مایر و تفسیر نسبت خطر را در آن قرار دهم.
