सांख्यिकीमधील अस्तित्व विश्लेषण

सांख्यिकीमधील अस्तित्व विश्लेषण

सर्व्हायव्हल ॲनालिसिस ही सांख्यिकीची एक शाखा आहे, जी एखादी घटना घडेपर्यंत लागणाऱ्या वेळेचे मॉडेलिंग आणि विश्लेषण करण्यावर लक्ष केंद्रित करते. ही घटना रुग्णाचा मृत्यू, रोगाचा पुन्हा उद्भव, यंत्राच्या घटकातील बिघाड, ग्राहक गमावणे किंवा नोकरी शोधणाऱ्याला नोकरी मिळेपर्यंत लागणारा वेळ असू शकते. इतर सांख्यिकीय तंत्रांच्या तुलनेत सर्व्हायव्हल ॲनालिसिसचा मुख्य फायदा हा सेन्सॉरिंगमुळे निर्माण होणारा अपूर्ण डेटा हाताळण्याच्या क्षमतेमध्ये आहे. सेन्सॉरिंग म्हणजे जेव्हा एखादी घटना निरीक्षण कालावधीच्या शेवटपर्यंत घडत नाही किंवा तिचे पूर्णपणे निरीक्षण केले जात नाही.

वैद्यकीय संशोधनात, जगण्याच्या कालावधीच्या आधारावर उपचारांच्या परिणामकारकतेची तुलना करण्यासाठी; अभियांत्रिकीमध्ये, घटकांच्या आयुर्मानाचा अंदाज घेण्यासाठी; आणि व्यवसायात, ग्राहक टिकवून ठेवण्याचा अंदाज लावण्यासाठी सर्व्हायव्हल ॲनालिसिसचा वापर अनेकदा केला जातो. संभाव्यता, नॉनपॅरामीट्रिक एस्टिमेशन आणि रिग्रेशन मॉडेल्सच्या संकल्पना एकत्र करून, सर्व्हायव्हल ॲनालिसिस हे डेटा-आधारित निर्णय प्रक्रियेमध्ये एक महत्त्वपूर्ण साधन बनते.

मूलभूत संकल्पना : घटनेची वेळ आणि सेन्सॉरिंग

सर्व्हायव्हल ॲनालिसिसच्या केंद्रस्थानी एक रँडम व्हेरिएबल \(T\) असतो, जो एखादी घटना घडेपर्यंतचा वेळ दर्शवतो. उदाहरणार्थ, \(T\) म्हणजे थेरपीनंतर रुग्णाला आजाराचा पुन्हा झटका येईपर्यंतच्या दिवसांची संख्या असू शकते. तथापि, संशोधक अनेकदा \(T\) चे संपूर्णपणे निरीक्षण करत नाहीत. सेन्सॉरिंगचे अनेक सामान्य प्रकार आहेत:

१. राईट सेन्सॉरिंग: हे बहुतेकदा तेव्हा घडते, उदाहरणार्थ, जेव्हा अभ्यासाच्या अखेरीस रुग्णाला एखादी घटना अनुभवलेली नसते, किंवा जेव्हा रुग्ण अभ्यासातून बाहेर पडतो. आपल्याला फक्त एवढेच माहीत असते की \(T\) हे शेवटच्या निरीक्षित वेळेपेक्षा जास्त आहे.
२. लेफ्ट सेन्सॉरिंग (लेफ्ट सेन्सर): घटना निरीक्षणाच्या सुरुवातीपूर्वी घडली, परंतु नेमकी वेळ अज्ञात आहे.
3. सेन्सॉरिंग मध्यांतर: दोन निरीक्षण वेळेच्या दरम्यान घटना घडली आहे हे ज्ञात असते (उदा., रुग्णाची मासिक तपासणी केली जाते आणि दुसऱ्या आणि तिसऱ्या महिन्याच्या दरम्यान घटना घडली आहे हे ज्ञात असते).

बहुतेक लोकप्रिय मूलभूत पद्धती (जसे की कॅपलान-मेयर आणि कॉक्स मॉडेल) उजव्या बाजूच्या सेन्सॉरिंगच्या प्रकरणावर लक्ष केंद्रित करतात.

जगण्याची आणि धोक्याची कार्ये

सर्व्हायव्हल ॲनालिसिस दोन मुख्य कार्ये वापरते:

१) जगण्याची कार्यप्रणाली
सर्व्हायव्हल फंक्शनची व्याख्या खालीलप्रमाणे केली जाते:
\[
S(t) = P(T > t)
\]
म्हणजेच, \(S(t)\) ही संभाव्यता आहे की एखादी व्यक्ती/वस्तू \(t\) वेळेनंतरही जिवंत राहील. उदाहरणार्थ, \(S(12)=0{,}80\) याचा अर्थ असा लावला जाऊ शकतो की 12 महिन्यांपर्यंत 80% व्यक्तींनी ती घटना अनुभवलेली नसेल अशी अपेक्षा आहे.

२) धोका कार्य
धोका फलन (धोक्याचा दर) हे, जर व्यक्ती त्या वेळेपर्यंत जिवंत राहिली तर, 'आता' एखादी घटना घडण्याचा धोका दर्शवते:
\[
h(t) = \lim_{\Delta t \to 0} \frac{P(t \le T < t+\Delta t \mid T \ge t)}{\Delta t}
\]
धोका ही संभाव्यता नसून एक दर आहे. वैद्यकीय संदर्भात, जास्त धोका याचा अर्थ असा होतो की, वाचलेल्या व्यक्तींसाठी त्या वेळी ती घटना घडण्याची जोखीम जास्त असते.

या दोन संकल्पना एकमेकांशी या प्रकारे संबंधित आहेत:
\[
S(t)=\exp\left(-\int_0^th(u)\,du\right)
\]
हा संबंध महत्त्वाचा आहे कारण काही मॉडेल्स धोक्यावर लक्ष केंद्रित करतात, नंतर जगण्याची शक्यता कमी करतात, किंवा याउलट करतात.

नॉनपॅरामीट्रिक अंदाज: कॅपलान-मेयर

सर्व्हायव्हल ॲनालिसिसमधील सर्वात सुप्रसिद्ध पद्धतींपैकी एक म्हणजे कॅपलान-मेयर एस्टिमेटर, जे कोणत्याही विशिष्ट वितरणाची गृहितक न धरता सर्व्हायव्हल फंक्शनचा एक नॉन-पॅरामीट्रिक अंदाज आहे. हा एस्टिमेटर प्रत्येक इव्हेंट टाइमवरील सर्व्हायव्हल संभाव्यतांचा गुणाकार करून एक सर्व्हायव्हल कर्व्ह तयार करतो.

संकल्पनात्मकदृष्ट्या, कॅपलान-मेयर खालील गोष्टींची गणना करते:
– प्रत्येक घटना वेळ \(t_i\) ला,
– \(d_i\) = \(t_i\) मधील घटनांची संख्या,
– \(n_i\) = \(t_i\) च्या ठीक आधी “धोक्यात” असलेल्या व्यक्तींची संख्या,

तर:
\[
\hat{S}(t) = \prod_{t_i \le t}\left(1 – \frac{d_i}{n_i}\right)
\]

कॅपलान-मेयरचे फायदे खालीलप्रमाणे आहेत:
– सर्व्हायव्हल कर्व्हच्या माध्यमातून सहजपणे अर्थ लावता येतो,
– योग्य सेन्सॉरशिप हाताळू शकते,
– डेटाचे विश्लेषण आणि गटांची तुलना करण्यासाठी उपयुक्त.

तथापि, कॅपलान-मेयर पद्धत प्रामुख्याने वर्णनात्मक आहे. दोन सर्व्हायव्हल कर्व्ह लक्षणीयरीत्या भिन्न आहेत की नाही हे तपासण्यासाठी, लॉग-रँक चाचणीचा अनेकदा वापर केला जातो.

गट तुलना: लॉग-रँक चाचणी

लॉग-रँक चाचणीचा उपयोग दोन (किंवा अधिक) गटांमधील जगण्याच्या दरात फरक आहे की नाही या गृहितकाची चाचणी करण्यासाठी केला जातो, उदाहरणार्थ उपचार गट A विरुद्ध उपचार गट B. ही चाचणी, अजूनही धोक्यात असलेल्या व्यक्तींची संख्या विचारात घेऊन, प्रत्येक घटनेच्या वेळी 'निरीक्षित' घटनांच्या संख्येची 'अपेक्षित' घटनांच्या संख्येशी तुलना करते.

जेव्हा गटांमधील गृहीत धोक्याचा फरक कालांतराने तुलनेने स्थिर असतो, तेव्हा लॉग-रँक पद्धत प्रभावी ठरते. जर धोके एकमेकांना छेदत असतील, तर विश्लेषण अधिक गुंतागुंतीचे होते आणि पर्यायी चाचण्यांचा विचार केला जाऊ शकतो.

रिग्रेशन मॉडेल: कॉक्स प्रोपोर्शनल हॅझार्ड्स

जेव्हा संशोधकांना अनेक सहचरांचा (वय, लिंग, बायोमार्कर, उपचाराचा प्रकार, इत्यादी) समावेश करायचा असतो, तेव्हा कॉक्स प्रोपोर्शनल हॅझार्ड्स मॉडेल ही सर्वात सामान्य पद्धत आहे. कॉक्स मॉडेल सहचर \(X\) सह वैयक्तिक धोका खालीलप्रमाणे व्यक्त करते:
\[
h(t \mid X) = h_0(t)\exp(\beta^\top X)
\]
di mana:
– \(h_0(t)\) हा बेसलाइन हॅझार्ड आहे (त्याचे स्वरूप निर्दिष्ट करण्याची आवश्यकता नाही),
– \(\beta\) हा अंदाजित पॅरामीटर आहे.

कॉक्सचे मुख्य विश्लेषण हॅझार्ड रेशो (HR) द्वारे केले जाते:
\[
HR = \exp(\beta)
\]
जर \(HR = 1{,}5\) असेल, तर इतर सहचर स्थिर आहेत असे गृहीत धरल्यास, एका विशिष्ट सहचरासह असलेल्या गटाचा धोका संदर्भ गटापेक्षा 1,5 पट (50% जास्त) असतो.

कॉक्स मॉडेलचे फायदे:
– लवचिक कारण त्यासाठी \(h_0(t)\) च्या विशेष वितरण स्वरूपाची आवश्यकता नसते
– यात अनेक सहचरांचा समावेश असू शकतो,
– हॅझार्ड रेशोद्वारे अर्थ लावणे तुलनेने सोपे आहे.

कॉक्स मॉडेलमधील मुख्य आव्हान म्हणजे 'प्रोपोर्शनल हॅझार्ड्स अजम्पशन' (समानुपाती धोक्यांचे गृहीतक), जे असे मानते की गटांमधील धोक्यांचे गुणोत्तर कालांतराने स्थिर राहते. हे गृहीतक खालीलप्रमाणे तपासले जाऊ शकते:
गटांमधील – log(-log(S(t))) आलेख,
– शोएनफेल्ड अवशेष,
– जेव्हा गृहीतके पूर्ण होत नाहीत तेव्हा वेळानुसार बदलणारे सहचर वापरले जातात.

पॅरामीट्रिक मॉडेल्स: एक्सपोनेंशियल, वायबुल आणि इतर

सेमीपॅरामीट्रिक कॉक्स मॉडेलच्या विपरीत, पॅरामीट्रिक मॉडेल जगण्याच्या कालावधीसाठी एका विशिष्ट वितरण स्वरूपाची गृहीत धरते, उदाहरणार्थ:
– घातीय: धोका कालांतराने स्थिर राहतो.
– वायबुल: धोका वाढू किंवा कमी होऊ शकतो.
– लॉग-नॉर्मल आणि लॉग-लॉजिस्टिक: नॉन-मोनोटोनिक हॅझार्ड पॅटर्नसाठी उपयुक्त.

पॅरामीट्रिक मॉडेल्स खालील बाबींमध्ये उत्कृष्ट आहेत:
– दीर्घकालीन भाकिते,
– सरासरी जगण्याचा कालावधी (जर परिभाषित केला असेल तर) यासारख्या प्रमाणांचा अंदाज लावणे,
– वितरणाची गृहीतके बरोबर असल्यास कार्यक्षमता.

तथापि, जर वितरणासंबंधीची गृहीतके चुकीची असतील, तर निकाल पक्षपाती असू शकतात. त्यामुळे, मॉडेल निवडताना डायग्नोस्टिक्स, AIC/BIC आणि कर्व्ह फिट यांचा विचार केला पाहिजे.

विविध क्षेत्रांतील व्यावहारिक उपयोग

१. आरोग्य आणि साथरोगशास्त्र: मृत्यूची वेळ, कर्करोगाची पुनरावृत्ती, बरे होण्याची किंवा पुन्हा उद्भवण्याची वेळ, उपचारांचे मूल्यांकन.
२. अभियांत्रिकी आणि विश्वसनीयता: घटक निकामी होण्यास लागणारा वेळ, वॉरंटी विश्लेषण, देखभाल नियोजन.
३. व्यवसाय आणि विपणन: ग्राहक गमावण्यास लागणारा वेळ, पुन्हा खरेदी करण्यास लागणारा वेळ, ॲप वापरकर्त्यांना टिकवून ठेवणे.
४. सामाजिक आणि आर्थिक: बेरोजगारीचा कालावधी, लग्नापर्यंतचा वेळ, पदवीपर्यंतचा अभ्यासाचा कालावधी.

योग्य डेटाच्या साहाय्याने, सर्व्हायव्हल ॲनालिसिस संस्थांना प्रणालीच्या 'लवचिकते'ची गतिशीलता आणि घटनांच्या घडण्याची गती वाढवणारे किंवा कमी करणारे घटक समजून घेण्यास मदत करते.

सर्व्हायव्हल ॲनालिसिसच्या सरावातील महत्त्वाच्या गोष्टी

विश्लेषण अचूक आणि विश्वसनीय होण्यासाठी अनेक गोष्टी विचारात घेणे आवश्यक आहे:

– घटनांची स्पष्टपणे व्याख्या करा: उदाहरणार्थ, “अपयश” सुसंगत असले पाहिजे (त्यामध्ये किरकोळ नुकसानीचा समावेश आहे का?).
– वेळेचा आरंभबिंदू निश्चित करा: उदाहरणार्थ, निदान झाल्यापासून, उपचार सुरू झाल्यापासून किंवा घटक स्थापित केल्यापासून.
– सेन्सॉरिंग गैर-माहितीपूर्ण असावे: आदर्शपणे, कोव्हेरियेट्स नियंत्रित केल्यानंतर सेन्सॉर केलेली संभाव्यता ही इव्हेंटच्या जोखमीपासून स्वतंत्र असावी. जर सेन्सॉरिंग माहितीपूर्ण असेल, तर एका विशेष दृष्टिकोनाची आवश्यकता असते.
– डेटाची गुणवत्ता आणि पाठपुरावा: अनुपलब्ध पाठपुरावा डेटा निष्कर्षांवर परिणाम करू शकतो.
– मॉडेल निदान: कॉक्स मॉडेलसाठी समानुपातिक धोक्यांचे गृहीतक किंवा पॅरामीट्रिक मॉडेलसाठी वितरण जुळणी तपासा.

निष्कर्ष

सर्व्हायव्हल ॲनालिसिस (Survival analysis) ही घटना घडण्याच्या वेळेचा अभ्यास करण्यासाठी एक शक्तिशाली सांख्यिकीय पद्धत आहे, विशेषतः जेव्हा डेटामध्ये सेन्सॉरिंग (censoring) असते. कॅपलान-मेयर टेस्ट (Kaplan–Meier test), लॉग-रँक टेस्ट (log-rank test), कॉक्स प्रोपोर्शनल हॅझार्ड्स मॉडेल (Cox proportional hazards model) आणि पॅरामीट्रिक मॉडेल्स (parametric models) यांसारख्या साधनांचा वापर करून, संशोधक सर्व्हायव्हल संभाव्यतांचा अंदाज लावू शकतात, गटांची तुलना करू शकतात आणि घटनेच्या जोखमीवर कोव्हेरियेट्सच्या (covariates) प्रभावाचे मूल्यांकन करू शकतात. सर्व्हायव्हल आणि हॅझार्डच्या संकल्पना समजून घेणे, तसेच मॉडेलची गृहीतके आणि डेटाच्या गुणवत्तेकडे काळजीपूर्वक लक्ष देणे, हे विविध क्षेत्रांतील निर्णय घेण्यासाठी उपयुक्त ठरतील असे विश्वसनीय सर्व्हायव्हल ॲनालिसिसचे परिणाम सुनिश्चित करण्यासाठी महत्त्वाचे आहे.

तुमची इच्छा असल्यास, मी लेखाची अधिक अभ्यासपूर्ण आवृत्ती (संदर्भांसह) तयार करू शकेन, किंवा कॅप्लान-मेयर वक्राच्या गणनांची उदाहरणे, चित्रे आणि हॅझार्ड रेशोच्या स्पष्टीकरणाचा समावेश करू शकेन.