Analîza Mayîndebûnê di Statîstîkan de
Analîza saxmanan şaxek ji îstatîstîkê ye ku li ser modelkirin û analîzkirina dema heta qewimîna bûyerek disekine. Ev bûyer dikare mirina nexweşek, dubarebûna nexweşiyek, têkçûna pêkhateya makîneyê, windabûna xerîdar, an jî dema heta ku kesek li kar digere karekî bibîne be. Avantaja sereke ya analîza saxmanan li ser teknîkên din ên îstatîstîkî di şiyana wê ya birêvebirina daneyên netemam ji ber sansurê de ye, ku ev jî dema ku bûyerek heta dawiya heyama çavdêriyê çênabe an jî bi tevahî neyê çavdêrîkirin e.
Di lêkolînên bijîşkî de, analîza zindîmanê pir caran ji bo berawirdkirina bandora terapiyan li ser bingeha dema zindîmanê tê bikar anîn; di endezyariyê de, ji bo texmînkirina temenê pêkhateyan; û di karsaziyê de, ji bo pêşbînîkirina ragirtina xerîdaran. Bi hevberkirina têgehên îhtimalê, texmîna neparametrîk, û modelên regresyonê, analîza zindîmanê dibe amûrek girîng di biryardana li ser bingeha daneyan de.
Têgehên bingehîn: dema bûyerê û sansûr
Di dilê analîza saxmanan de guherbarek rasthatî \(T\) heye ku dema heta qewimîna bûyerek temsîl dike. Bo nimûne, \(T\) dikare hejmara rojên piştî dermankirinê be heta ku nexweşek dubarebûnê biceribîne. Lêbelê, lêkolîner pir caran \(T\) bi tevahî nabînin. Çend formên hevpar ên sansurkirinê hene:
1. Sansorkirina rastê: Ev pir caran diqewime, bo nimûne, dema ku nexweşek heta dawiya lêkolînê bûyerek nejiyabe, an jî dema ku nexweş ji lêkolînê derdikeve. Em tenê dizanin ku \(T\) ji cara dawî ya ku hatiye dîtin mezintir e.
2. Sansorkirina çepê (sansora çepê): Bûyer berî destpêkirina çavdêriyê qewimî, lê dema rast nayê zanîn.
3. Navbera Sansorkirinê: Tê zanîn ku bûyer di navbera du demên çavdêriyê de qewimî ye (mînak, nexweşek mehane tê muayene kirin û tê zanîn ku bûyer di navbera mehên 2 û 3an de qewimî ye).
Piraniya rêbazên bingehîn ên populer (wek modelên Kaplan-Meier û Cox) li ser doza sansora rast disekinin.
Fonksiyonên jiyanmayîn û xetereyê
Analîza zindîbûnê du fonksiyonên sereke bikar tîne:
1) Fonksiyona saxmayînê
Fonksiyona zindîbûnê wiha tê pênasekirin:
\[
S(t) = P(T > t)
\]
Ango, \(S(t)\) îhtîmala ku kesek/tiştek piştî dema \(t\) sax bimîne ye. Bo nimûne, \(S(12)=0{,}80\) dikare wekî wê were şîrovekirin ku tê payîn ku %80ê mijaran heta 12 mehan bûyerê nejiyane.
2) Fonksiyona xetereyê
Fonksiyona xetereyê (rêjeya xetereyê) xetereya bûyerekê "niha" diyar dike bi şertê ku mijar heta wê demê sax bimîne:
\[
h(t) = \lim_{\Delta t \to 0} \frac{P(t \le T < t+\Delta t \mid T \ge t)}{\Delta t} \] Xetere ne îhtimalek e, lê rêjeyek e. Di çarçoveyek bijîşkî de, xetereke bilindtir tê wateya xetereke bilindtir a jiyîna bûyerekê di wê demê de ji bo kesên sax. Ev her du têgeh bi van awayan ve girêdayî ne: \[ S(t)=\exp\left(-\int_0^th(u)\,du\right) \] Ev têkilî girîng e ji ber ku hin model li ser xetereyê disekinin û dûv re jîyanê xirab dikin, an jî berevajî vê. Texmîna neparametrîk: Kaplan-Meier Yek ji rêbazên herî navdar di analîza jîyanê de texmînkera Kaplan-Meier e, ku texmînek neparametrîk a fonksiyona jîyanê ye bêyî ku belavbûnek taybetî were texmîn kirin. Ev texmînker xêzeke jîyanê wekî berhema îhtimalên jîyanê di her dema bûyerê de ava dike. Ji hêla têgehî ve, Kaplan-Meier hesab dike: - di her dema bûyerê de \(t_i\), - \(d_i\) = hejmara bûyeran li \(t_i\), - \(n_i\) = hejmara mijarên "di xetereyê de" berî \(t_i\), wê hingê: \[ \hat{S}(t) = \prod_{t_i \le t}\left(1 - \frac{d_i}{n_i}\right) \] Awantajên Kaplan-Meier ev in: - şîrovekirina wê bi rêya xêzên saxmanan hêsan e, - dikare sansurkirina rastê birêve bibe, - ji bo lêgerîna daneyan û berawirdkirina koman bikêr e. Lêbelê, Kaplan-Meier bi giranî raveker e. Ji bo ceribandina ka du xêzên saxmanan ji hev pir cuda ne, pir caran testa log-rank tê bikar anîn. Berawirdkirina koman: testa log-rank Testa log-rank ji bo ceribandina hîpoteza ku gelo di navbera du (an bêtir) koman de cûdahiyek di jiyanê de heye, bo nimûne koma terapiyê A li hember koma terapiyê B, tê bikar anîn. Ev test hejmara bûyerên "çavdêrîkirî" bi hejmara "çavdêrîkirî" di her demê bûyerê de berawird dike, û hejmara mijarên ku hîn jî di xetereyê de ne li ber çavan digire.
Log-rank bandorker e dema ku cudahiya metirsiya texmînkirî di navbera koman de bi demê re nisbeten sabît be. Ger metirsî werin derbaskirin, şîrovekirin tevlihevtir dibe û testên alternatîf dikarin werin hesibandin. Modela regresyonê: Metirsiyên Rêjeyî yên Cox Dema ku lêkolîner dixwazin gelek hevguherbaran (temen, zayend, nîşankerên biyolojîk, celebê dermankirinê, hwd.) tê de bikin, rêbaza herî gelemperî Modela Metirsiyên Rêjeyî ya Cox e. Modela Cox metirsiya takekesî bi hevguherbar \(X\) wekî: \[ h(t \mid X) = h_0(t)\exp(\beta^\top X) \] îfade dike ku: - \(h_0(t)\) metirsiya bingehîn e (ne hewce ye ku forma wê were destnîşankirin), - \(\beta\) parametreya ku were texmînkirin e. Şîrovekirina sereke ya Cox bi rêya rêjeya xetereyê (HR) ye: \[ HR = \exp(\beta) \] Ger \(HR = 1{,}5\), wê demê koma bi kovarîtek taybetî xetereyek 1,5 caran (%50 bilindtir) ji koma referansê heye, bi şertê ku kovarîtên din sabît bin. Awantajên modela Cox: - nerm e ji ber ku ew ji bo \(h_0(t))\ formeke belavkirinê ya taybetî hewce nake, - dikare gelek kovarîtan di nav xwe de bigire, - şîrovekirin bi rêya rêjeya xetereyê nisbeten hêsan e. Pirsgirêka sereke ya modela Cox texmîna xetereyên rêjeyî ye, ango rêjeya xetereyan di navbera koman de wekî ku di demê de sabît be tê texmîn kirin. Ev texmîn dikare bi rêya van were kontrol kirin: - grafîkên log(-log(S(t))) di navbera koman de, - bermayiyên Schoenfeld, - nêzîkatiya kovarîtên dem-guherbar heke texmîn neyê bicîhanîn. Modelên Parametrîkî: Eksponentî, Weibull, û yên din Berevajî Cox-a nîvparametrîkî, modelên parametrîk ji bo dema domandinê formeke belavkirinê ya diyarkirî digirin, mînakî: - Eksponentî: metirsî di demê re sabît e, - Weibull: metirsî dikare zêde bibe an kêm bibe, - Log-normal û Log-lojîstîk: ji bo qalibên metirsiyê yên ne-monotonîk bikêr in. Modelên parametrîk di van mijaran de serketî ne: - pêşbîniya demdirêj, - texmîna mîqdarên wekî navîniya domandinê (dema ku tê destnîşankirin), - karîgerî heke texmînên belavkirinê rast bin. Lêbelê, heke texmînên belavkirinê xelet bin, encam dikarin alîgir bin. Ji ber vê yekê, hilbijartina modelê hewce dike ku teşhîs, AIC/BIC, û lihevhatina xêzê li ber çavan bigire.
Serlêdanên pratîkî di warên cûrbecûr de 1. Tendurustî û epidemiolojî: dema mirinê, dubarebûna penceşêrê, dema başbûn an dubarebûnê, nirxandina dermankirinê. 2. Endezyarî û pêbawerî: dema têkçûna pêkhateyan, analîza garantiyê, plansaziya lênêrînê. 3. Karsazî û kirrûbirra: dema windabûna xerîdar, dema kirîna ji nû ve, ragirtina bikarhênerê serîlêdanê. 4. Civakî û aborî: dema bêkariyê, dema zewacê, dema xwendinê heta mezûnbûnê. Bi daneyên rast, analîza zindîmanê alîkariya rêxistinan dike ku dînamîkên berxwedana pergalê û faktorên ku bûyerên lez dikin an hêdî dikin fam bikin. Xalên girîng di pratîka analîza zindîmanê de Ji bo analîzek rast û pêbawer divê çend tişt werin hesibandin: - Bûyerê bi zelalî pênase bikin: mînakî, "têkçûn" divê domdar be (gelo zirarên piçûk jî dihewîne?). - Çavkaniya demê diyar bikin: mînakî, ji teşhîsê, ji destpêka dermankirinê, an ji sazkirina pêkhateyan. - Sansûr divê ne-agahdar be: bi îdeal, îhtîmala sansûrkirinê piştî kontrolkirina hevguherbaran serbixwe ye ji xetera bûyerê. Ger sansûr agahdar be, nêzîkatiyek taybetî hewce ye. - Kalîteya daneyan û şopandin: windabûna daneyên şopandinê dikare bandorê li ser encaman bike. - Tesbîtkirina modelê: texmîna xetereyên rêjeyî ji bo Cox an jî lihevhatina belavkirinê ji bo modelên parametrîk kontrol bikin. Encam Analîza saxmanan rêbazek statîstîkî ya bihêz e ji bo lêkolîna dema bûyerê, nemaze dema ku daneyên sansurê dihewînin. Bi karanîna amûrên wekî testa Kaplan-Meier, testa log-rank, modela xetereyên rêjeyî ya Cox, û modelên parametrîk, lêkolîner dikarin îhtîmalên saxmanan texmîn bikin, koman bidin ber hev, û bandora hevguherînan li ser xetera bûyerek binirxînin. Fêmkirina têgehên saxmanan û xetereyê, digel nirxandina baldar a texmînên modelê û kalîteya daneyan, ji bo misogerkirina encamên analîza saxmanan ên pêbawer ên ku ji bo biryardanê di warên cûrbecûr de bikêr in, girîng in. Ger hûn bixwazin, ez dikarim guhertoyek akademîktir a vê gotarê peyda bikim (bi referansan), an jî mînakên hesaban û nîgarên xêzên Kaplan-Meier û şîrovekirina rêjeyên xetereyê tê de bikim.
