Overlevelsesanalyse i statistikk
Overlevelsesanalyse er en gren av statistikk som fokuserer på modellering og analyse av tiden frem til en hendelse inntreffer. Denne hendelsen kan være en pasientdød, et tilbakefall av sykdom, en maskinkomponentfeil, kundefrafall eller tiden frem til en jobbsøker finner en jobb. Overlevelsesanalysens primære fordel fremfor andre statistiske teknikker ligger i dens evne til å håndtere ufullstendige data på grunn av sensurering, som er når en hendelse ikke inntreffer før slutten av observasjonsperioden eller ikke observeres fullt ut.
I medisinsk forskning brukes overlevelsesanalyse ofte til å sammenligne effektiviteten av behandlinger basert på overlevelsestid; i ingeniørfag, til å estimere levetiden til komponenter; og i næringslivet, til å forutsi kundelojalitet. Ved å kombinere konseptene sannsynlighet, ikke-parametrisk estimering og regresjonsmodeller, blir overlevelsesanalyse et avgjørende verktøy i datadrevet beslutningstaking.
Grunnleggende konsepter: tidspunkt for hendelse og sensurering
Kjernen i overlevelsesanalysen er en tilfeldig variabel \(T\) som representerer tiden frem til en hendelse inntreffer. For eksempel kan \(T\) være antall dager etter behandling før en pasient opplever et tilbakefall. Forskere observerer imidlertid ofte ikke \(T\) i sin helhet. Det finnes flere vanlige former for sensurering:
1. Høyresensurering: Dette skjer oftest, for eksempel når en pasient ikke har opplevd en hendelse innen studiens slutt, eller når pasienten slutter i studien. Vi vet bare at \(T\) er større enn sist observert.
2. Venstresensur (venstresensor): Hendelsen inntraff før observasjonsstart, men det nøyaktige tidspunktet er ukjent.
3. Sensurintervall: Hendelsen er kjent for å ha inntruffet mellom to observasjonstidspunkter (f.eks. en pasient undersøkes månedlig og hendelsen er kjent for å ha inntruffet mellom den andre og tredje måneden).
De fleste av de populære grunnleggende metodene (som Kaplan – Meier og Cox-modellene) fokuserer på tilfellet med høyresensurering.
Overlevelses- og farefunksjoner
Overlevelsesanalyse bruker to hovedfunksjoner:
1) Overlevelsesfunksjon
Overlevelsesfunksjonen er definert som:
\[
S(t) = P(T > t)
\]
Det vil si at \(S(t)\) er sannsynligheten for at et individ/objekt overlever etter tid \(t\). For eksempel kan \(S(12)=0{,}80\) tolkes som at 80 % av forsøkspersonene forventes ikke å ha opplevd hendelsen innen 12 måneder.
2) Farefunksjon
Farefunksjonen (risikoraten) beskriver risikoen for en hendelse «nå», gitt at personen overlever frem til da:
\[
h(t) = ∫[Δt] = ∫[τ] \frac{P(t₂T < t+Δt₀T)}{Δt} \] Fare er ikke en sannsynlighet, men en rate. I en medisinsk kontekst betyr en høyere fare en høyere risiko for å oppleve en hendelse på det tidspunktet for overlevende individer. Disse to konseptene er relatert sammen av: \[ S(t) = \exp\left(-\int_0^th(u)\,du\right) \] Denne sammenhengen er viktig fordi noen modeller fokuserer på fare og deretter forringer overlevelse, eller omvendt. Ikke-parametrisk estimering: Kaplan–Meier En av de mest kjente metodene innen overlevelsesanalyse er Kaplan–Meier-estimatoren, som er et ikke-parametrisk estimat av overlevelsesfunksjonen uten å anta en spesifikk fordeling. Denne estimatoren konstruerer en overlevelseskurve som produktet av sannsynlighetene for overlevelse ved hvert hendelsestidspunkt. Konseptuelt beregner Kaplan–Meier: - ved hvert hendelsestidspunkt \(t_i\), - \(d_i\) = antall hendelser ved \(t_i\), - \(n_i\) = antall personer «i faresonen» rett før \(t_i\), deretter: \[ \hat{S}(t) = \prod_{t_i \le t}\left(1 - \frac{d_i}{n_i}\right) \] Fordelene med Kaplan–Meier er: - enkel å tolke gjennom overlevelseskurver, - kan håndtere høyresensurering, - nyttig for datautforskning og gruppesammenligninger. Kaplan–Meier er imidlertid primært beskrivende. For å teste om to overlevelseskurver er signifikant forskjellige, brukes ofte log-rank-testen. Gruppesammenligning: log-rank-test Log-rank-testen brukes til å teste hypotesen om det er forskjell i overlevelse mellom to (eller flere) grupper, for eksempel terapigruppe A vs. terapigruppe B. Denne testen sammenligner antall «observerte» hendelser med det «forventede» antallet ved hvert hendelsestidspunkt, tatt i betraktning antall personer som fortsatt er i faresonen.
