Analisi di sopravvivenza in statistica
L'analisi di sopravvivenza è una branca della statistica che si concentra sulla modellazione e sull'analisi del tempo che intercorre fino al verificarsi di un evento. Questo evento potrebbe essere il decesso di un paziente, la ricomparsa di una malattia, il guasto di un componente di una macchina, l'abbandono di un cliente o il tempo necessario a una persona in cerca di lavoro per trovare un impiego. Il principale vantaggio dell'analisi di sopravvivenza rispetto ad altre tecniche statistiche risiede nella sua capacità di gestire dati incompleti dovuti alla censura, ovvero quando un evento non si verifica fino alla fine del periodo di osservazione o non viene osservato completamente.
Nella ricerca medica, l'analisi di sopravvivenza viene spesso utilizzata per confrontare l'efficacia delle terapie in base al tempo di sopravvivenza; in ingegneria, per stimare la durata di vita dei componenti; e nel mondo degli affari, per prevedere la fidelizzazione dei clienti. Combinando i concetti di probabilità, stima non parametrica e modelli di regressione, l'analisi di sopravvivenza diventa uno strumento cruciale nel processo decisionale basato sui dati.
Concetti di base : momento dell'accaduto e censura
Al centro dell'analisi di sopravvivenza c'è una variabile casuale \(T\) che rappresenta il tempo che intercorre fino al verificarsi di un evento. Ad esempio, \(T\) potrebbe essere il numero di giorni successivi alla terapia fino a quando un paziente non manifesta una ricaduta. Tuttavia, i ricercatori spesso non osservano \(T\) nella sua interezza. Esistono diverse forme comuni di censura:
1. Censura a destra: si verifica più spesso, ad esempio, quando un paziente non ha sperimentato un evento entro la fine dello studio, o quando il paziente abbandona lo studio. Sappiamo solo che \(T\) è maggiore dell'ultimo tempo osservato.
2. Censura a sinistra (left censor): L'evento si è verificato prima dell'inizio dell'osservazione, ma il momento esatto è sconosciuto.
3. Intervallo di censura: è noto che l'evento si è verificato tra due momenti di osservazione (ad esempio, un paziente viene esaminato mensilmente e si sa che l'evento si è verificato tra il secondo e il terzo mese).
La maggior parte dei metodi di base più diffusi (come i modelli di Kaplan-Meier e di Cox) si concentra sul caso della censura a destra.
Funzioni di sopravvivenza e di gestione del rischio
L'analisi di sopravvivenza utilizza due funzioni principali:
1) Funzione di sopravvivenza
La funzione di sopravvivenza è definita come:
\[
S(t) = P(T > t)
\]
Ovvero, \(S(t)\) è la probabilità che un individuo/oggetto sopravviva oltre il tempo \(t\). Ad esempio, \(S(12)=0{,}80\) può essere interpretato come se si prevedesse che l'80% dei soggetti non avesse sperimentato l'evento entro 12 mesi.
2) Funzione di rischio
La funzione di rischio (tasso di rischio) descrive il rischio che un evento si verifichi "ora", a condizione che il soggetto sopravviva fino a quel momento:
\[
h(t) = \lim_{\Delta t \to 0} \frac{P(t \le T < t+\Delta t \mid T \ge t)}{\Delta t}
\]
Il rischio non è una probabilità, ma un tasso. In ambito medico, un rischio più elevato significa che la probabilità che l'evento si verifichi in quel momento è maggiore per gli individui che sopravvivono.
Questi due concetti sono correlati tra loro attraverso:
\[
S(t)=\exp\left(-\int_0^th(u)\,du\right)
\]
Questa relazione è importante perché alcuni modelli si concentrano sul rischio, per poi ridurre la sopravvivenza, o viceversa.
Stima non parametrica: Kaplan-Meier
Uno dei metodi più noti nell'analisi di sopravvivenza è lo stimatore di Kaplan-Meier, una stima non parametrica della funzione di sopravvivenza che non presuppone una distribuzione specifica. Questo stimatore costruisce una curva di sopravvivenza moltiplicando le probabilità di sopravvivenza in corrispondenza di ciascun istante di tempo dell'evento.
Concettualmente, il metodo Kaplan-Meier calcola:
– ad ogni istante dell'evento \(t_i\),
– \(d_i\) = numero di eventi in \(t_i\),
– \(n_i\) = numero di soggetti “a rischio” appena prima di \(t_i\),
COSÌ:
\[
\hat{S}(t) = \prod_{t_i \le t}\left(1 – \frac{d_i}{n_i}\right)
\]
I vantaggi del metodo Kaplan-Meier sono:
– facile da interpretare tramite curve di sopravvivenza,
– può gestire la censura a destra,
– Utile per l'esplorazione dei dati e i confronti tra gruppi.
Tuttavia, il metodo di Kaplan-Meier è principalmente descrittivo. Per verificare se due curve di sopravvivenza differiscono in modo significativo, si utilizza spesso il test del log-rank.
Confronto tra gruppi: test del log-rank
Il test del log-rank viene utilizzato per verificare l'ipotesi che esista una differenza di sopravvivenza tra due (o più) gruppi, ad esempio il gruppo di terapia A rispetto al gruppo di terapia B. Questo test confronta il numero di eventi "osservati" con quelli "attesi" in corrispondenza di ciascun momento dell'evento, tenendo conto del numero di soggetti ancora a rischio.
Il test log-rank è efficace quando la differenza di rischio ipotizzata tra i gruppi rimane relativamente costante nel tempo. Se i rischi si incrociano, l'interpretazione diventa più complessa e si possono prendere in considerazione test alternativi.
Modello di regressione: rischi proporzionali di Cox
Quando i ricercatori desiderano includere più covariabili (età, sesso, biomarcatori, tipo di terapia, ecc.), il metodo più comune è il modello di rischi proporzionali di Cox. Il modello di Cox esprime il rischio individuale con covariabili \(X\) come:
\[
h(t \mid X) = h_0(t)\exp(\beta^\top X)
\]
Dove:
– \(h_0(t)\) è il rischio di base (non è necessario specificarne la forma),
– \(\beta\) è il parametro stimato.
L'interpretazione principale del modello di Cox avviene tramite il rapporto di rischio (HR):
\[
HR = \exp(\beta)
\]
Se \(HR = 1{,}5\), allora il gruppo con una particolare covariata ha un rischio 1,5 volte maggiore (50% in più) rispetto al gruppo di riferimento, supponendo che le altre covariate siano costanti.
Vantaggi del modello Cox:
– flessibile perché non richiede una forma di distribuzione speciale per \(h_0(t)\),
– può includere più covariate,
– l'interpretazione tramite il rapporto di rischio è relativamente semplice.
La principale difficoltà del modello di Cox risiede nell'assunzione di rischi proporzionali, che presuppone che il rapporto tra i rischi dei gruppi rimanga costante nel tempo. Questa assunzione può essere verificata tramite:
– log(-log(S(t))) grafico tra gruppi,
– Residuo di Schoenfeld,
– approccio con covariate variabili nel tempo quando le ipotesi non sono soddisfatte.
Modelli parametrici: esponenziale, Weibull e altri
A differenza del modello semiparametrico di Cox, il modello parametrico presuppone una determinata forma di distribuzione per il tempo di sopravvivenza, ad esempio:
– Esponenziale: il rischio è costante nel tempo,
– Weibull: il rischio può aumentare o diminuire,
– Log-normale e log-logistica: utili per modelli di rischio non monotoni.
I modelli parametrici eccellono in:
– previsioni a lungo termine,
– stima di quantità quali la sopravvivenza media (se definita),
– efficienza se le ipotesi di distribuzione sono corrette.
Tuttavia, se le ipotesi sulla distribuzione sono errate, i risultati possono essere distorti. Pertanto, la selezione del modello dovrebbe tenere conto della diagnostica, dell'AIC/BIC e dell'adattamento della curva.
Applicazioni pratiche in vari settori
1. Salute ed epidemiologia: tempo di sopravvivenza, recidiva del cancro, tempo di guarigione o ricaduta, valutazione del trattamento.
2. Ingegneria e affidabilità: tempo di guasto dei componenti, analisi della garanzia, pianificazione della manutenzione.
3. Business e marketing: tempo di abbandono del cliente, tempo di riacquisto, fidelizzazione degli utenti dell'app.
4. Aspetti sociali ed economici: durata della disoccupazione, tempo intercorso fino al matrimonio, durata degli studi fino al conseguimento della laurea.
Con i dati giusti, l'analisi di sopravvivenza aiuta le organizzazioni a comprendere le dinamiche della "resilienza" di un sistema e i fattori che accelerano o rallentano il verificarsi degli eventi.
Aspetti importanti nella pratica dell'analisi di sopravvivenza
Diversi aspetti devono essere presi in considerazione affinché l'analisi sia accurata e affidabile:
– Definire gli eventi in modo chiaro: ad esempio, il termine "guasto" deve essere coerente (include anche danni di lieve entità?).
– Determinare l'origine temporale: ad esempio, dalla diagnosi, dall'inizio della terapia o dall'installazione del componente.
– La censura dovrebbe essere non informativa: idealmente, la probabilità censurata è indipendente dal rischio dell'evento dopo aver tenuto conto delle covariate. Se la censura è informativa, è necessario un approccio specifico.
– Qualità dei dati e follow-up: la mancanza di dati di follow-up può influenzare le conclusioni.
– Diagnostica del modello: verificare l'assunzione di rischi proporzionali per il modello di Cox o l'adattamento della distribuzione per i modelli parametrici.
conclusione
L'analisi di sopravvivenza è un potente metodo statistico per studiare il tempo intercorso fino al verificarsi di un evento, soprattutto quando i dati contengono censura. Utilizzando strumenti come il test di Kaplan-Meier, il test del log-rank, il modello di regressione di Cox a rischi proporzionali e i modelli parametrici, i ricercatori possono stimare le probabilità di sopravvivenza, confrontare gruppi e valutare l'influenza delle covariate sul rischio di eventi. La comprensione dei concetti di sopravvivenza e rischio, unitamente a una scrupolosa attenzione alle ipotesi del modello e alla qualità dei dati, è fondamentale per garantire che i risultati affidabili dell'analisi di sopravvivenza siano utili per il processo decisionale in diversi ambiti.
Se lo desidera, posso creare una versione più accademica dell'articolo (con riferimenti bibliografici), oppure includere esempi di calcoli e illustrazioni della curva di Kaplan-Meier e dell'interpretazione del rapporto di rischio.
