统计学中的生存分析
生存分析是统计学的一个分支，专注于对事件发生的时间进行建模和分析。该事件可以是病人死亡、疾病复发、机器部件故障、客户流失，或是求职者找到工作所需的时间。与其他统计技术相比，生存分析的主要优势在于其能够处理由于删失造成的数据不完整情况，即事件在观察期结束前未发生或未被完全观察到。
在医学研究中，生存分析常用于根据生存时间比较不同疗法的疗效；在工程领域，用于估算部件的使用寿命；在商业领域，用于预测客户留存率。通过结合概率、非参数估计和回归模型等概念，生存分析已成为数据驱动决策的关键工具。
基本概念：事件发生时间和审查
生存分析的核心是一个随机变量 \(T\)，它代表事件发生的时间。例如，\(T\) 可以是患者接受治疗后到复发的天数。然而，研究人员通常无法完整地观察到 \(T\)。常见的删失形式有以下几种：
1. 右删失：这种情况最常发生在例如患者在研究结束时未发生事件，或患者退出研究时。我们只知道 \(T\) 大于最后一次观察时间。
2. 左删失（左删失）：事件发生在观察开始之前，但确切时间未知。
3. 截尾区间：已知事件发生在两个观察时间之间（例如，每月对患者进行检查，已知事件发生在第 2 个月和第 3 个月之间）。
大多数流行的基本方法（如 Kaplan-Meier 和 Cox 模型）都侧重于右删失的情况。
生存函数和风险函数
生存分析主要使用两个功能：
1）生存函数
生存函数定义为：
\[
S(t) = P(T > t)
\]
也就是说，\(S(t)\) 表示个体/物体在时间 \(t\) 之后存活的概率。例如，\(S(12)=0{,}80\) 可以解释为：预计 80% 的个体在 12 个月内不会经历该事件。
2）风险函数
风险函数（风险率）描述了在受试者存活到特定时间点之前，发生某一事件的风险：
\[
h(t) = \lim_{\Delta t \to 0} \frac{P(t \le T < t+\Delta t \mid T \ge t)}{\Delta t}
\]
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.
