통계학에서의 생존 분석
생존 분석은 사건 발생까지의 시간을 모델링하고 분석하는 데 초점을 맞춘 통계학의 한 분야입니다. 이러한 사건은 환자의 사망, 질병 재발, 기계 부품 고장, 고객 이탈 또는 구직자가 일자리를 찾는 데 걸리는 시간 등이 될 수 있습니다. 생존 분석이 다른 통계 기법에 비해 갖는 주요 장점은 관찰 기간의 끝에 사건이 발생하지 않거나 사건이 완전히 관찰되지 않은 경우와 같은 불완전한 데이터를 처리할 수 있다는 점입니다.
의학 연구에서는 생존 분석을 통해 생존 시간을 기준으로 치료법의 효과를 비교하고, 공학에서는 부품의 수명을 예측하며, 경영학에서는 고객 유지율을 예측하는 데 활용됩니다. 확률, 비모수적 추정, 회귀 모델의 개념을 결합한 생존 분석은 데이터 기반 의사결정에 필수적인 도구입니다.
기본 개념: 사건 발생 시점과 검열
생존 분석의 핵심은 사건 발생까지의 시간을 나타내는 확률 변수 \(T\)입니다. 예를 들어, \(T\)는 환자가 치료 후 재발을 경험할 때까지의 일수일 수 있습니다. 그러나 연구자들은 종종 \(T\) 전체를 관찰하지 못합니다. 이러한 관찰 중단에는 여러 가지 일반적인 형태가 있습니다.
1. 우측 절단: 이는 예를 들어 환자가 연구 종료 시점까지 사건을 경험하지 않았거나 연구에서 중도 탈락한 경우에 가장 자주 발생합니다. 이 경우 우리는 \(T\)가 마지막 관찰 시점보다 크다는 것만 알 수 있습니다.
2. 좌측 절단(left censoring): 사건이 관찰 시작 전에 발생했지만 정확한 시간은 알 수 없습니다.
3. 검열 구간: 사건이 두 관찰 시점 사이에 발생한 것으로 알려진 경우 (예: 환자를 매달 검진하고 사건이 2개월과 3개월 사이에 발생한 것으로 알려진 경우).
널리 사용되는 기본적인 방법들(예: Kaplan–Meier 및 Cox 모델)은 대부분 우측 절단(right censoring) 사례에 초점을 맞추고 있습니다.
생존 및 위험 함수
생존 분석은 두 가지 주요 기능을 사용합니다.
1) 생존 함수
생존 함수는 다음과 같이 정의됩니다.
\[
S(t) = P(T > t)
\]
즉, \(S(t)\)는 개인/객체가 시간 \(t\) 이후에도 생존할 확률입니다. 예를 들어, \(S(12)=0{,}80\)는 12개월 동안 피험자의 80%가 사건을 경험하지 않았을 것으로 예상된다는 의미로 해석될 수 있습니다.
2) 위험 함수
위험 함수(위험률)는 대상이 해당 시점까지 생존한다는 가정 하에 "지금" 사건이 발생할 위험을 나타냅니다.
\[
h(t) = \lim_{\Delta t \to 0} \frac{P(t \le T < t+\Delta t \mid T \ge t)}{\Delta t}
\]
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.
