統計學中的存活分析
生存分析是統計學的一個分支，專注於對事件發生的時間進行建模和分析。該事件可以是病人死亡、疾病復發、機器零件故障、客戶流失，或是求職者找到工作所需的時間。與其他統計技術相比，存活分析的主要優勢在於其能夠處理因刪失造成的資料不完整情況，即事件在觀察期結束前未發生或未被完全觀察到。
在醫學研究中，存活分析常用於根據存活時間比較不同療法的療效；在工程領域，用於估算零件的使用壽命；在商業領域，用於預測客戶留存率。透過結合機率、非參數估計和迴歸模型等概念，存活分析已成為資料驅動決策的關鍵工具。
基本概念：發生時間和審查
生存分析的核心是一個隨機變數 \(T\)，它代表事件發生的時間。例如，\(T\) 可以是病人接受治療後到復發的天數。然而，研究人員通常無法完整地觀察到 \(T\)。常見的刪失形式有以下幾種：
1. 右刪失：這種情況最常發生在例如患者在研究結束時未發生事件，或患者退出研究時。我們只知道 \(T\) 大於最後一次觀察時間。
2. 左刪失（左刪失）：事件發生在觀察開始前，但確切時間未知。
3. 截尾區間：已知事件發生在兩個觀察時間之間（例如，每月對患者進行檢查，已知事件發生在第 2 個月和第 3 個月之間）。
大多數流行的基本方法（如 Kaplan-Meier 和 Cox 模型）都專注於右刪失的情況。
生存函數和風險函數
存活分析主要使用兩個功能：
1）生存函數
生存函數定義為：
\[
S(t) = P(T > t)
\]
也就是說，\(S(t)\) 表示個體/物體在時間 \(t\) 之後存活的機率。例如，\(S(12)=0{,}80\) 可以解釋為：預期 80% 的個體在 12 個月內不會經歷此事件。
2）風險函數
風險函數（風險率）描述了在受試者存活到特定時間點之前，發生某一事件的風險：
\[
h(t) = \lim_{\Delta t \to 0} \frac{P(t \le T < t+\Delta t \mid T \ge t)}{\Delta t}
\]
風險並非機率，而是比率。在醫學脈絡中，風險越高意味著倖存者在特定時間發生該事件的風險越高。
這兩個概念透過以下方式相互關聯：
\[
S(t)=\exp\left(-\int_0^th(u)\,du\right)
\]
這種關係很重要，因為有些模型著重於風險，然後降低存活率，反之亦然。
非參數估計：Kaplan-Meier
生存分析中最著名的方法之一是Kaplan-Meier估計器，它是一種非參數生存函數估計方法，無需假設特定的分佈。此估計器透過將每個事件發生時的生存機率相乘來建立生存曲線。
從概念上講，Kaplan-Meier 計算的是：
– 在每個事件時間 \(t_i\)，
– \(d_i\) = \(t_i\) 期間的事件數，
– \(n_i\) = t_i 時刻之前「處於風險中」的受試者人數，
所以：
\[
\hat{S}(t) = \prod_{t_i \le t}\left(1 – \frac{d_i}{n_i}\right)
\]
Kaplan-Meier法的優點是：
– 透過生存曲線易於解讀，
能夠應對右翼審查，
– 可用於資料探索和群體比較。
然而，Kaplan-Meier法主要用於描述存活曲線。為了檢定兩條存活曲線是否有顯著差異，通常使用對數秩檢定。
組間比較：對數秩檢定
對數秩檢定用於檢定兩個（或多個）組之間存活率是否有差異的假設，例如治療組 A 與治療組 B。此檢定比較每個事件時間點「觀察到」的事件數與「預期」的事件數，同時考慮仍處於風險中的受試者人數。
當假定的組間風險差異隨時間推移相對穩定時，對數秩檢定是有效的。如果風險交叉，則結果的解釋會變得更加複雜，此時可能需要考慮其他檢驗方法。
迴歸模型：Cox比例風險模型
當研究人員想要納入多個協變數（年齡、性別、生物標記、治療類型等）時，最常用的方法是 Cox 比例風險模型。 Cox 模型將包含協變數 \(X\) 的個別風險表示為：
\[
h(t \mid X) = h_0(t)\exp(\beta^\top X)
\]
在哪裡：
– \(h_0(t)\) 是基準風險（無需指定其形式），
– \(\beta\) 是估計參數。
Cox模型的主要解釋是透過風險比（HR）進行的：
\[
HR = \exp(\beta)
\]
如果 \(HR = 1{,}5\)，則具有特定協變數的組別的風險是參考組的 1,5 倍（高 50%），假設其他協變數保持不變。
Cox模型的優勢：
– 靈活，因為它不需要 \(h_0(t)\) 的特殊分佈形式，
– 可以包含許多協變量，
透過風險比進行解釋相對容易。
Cox模型的主要挑戰在於其比例風險假設，該假設假定各組之間的風險比隨時間保持不變。可以透過以下方法檢驗這個假設：
– 組間 log(-log(S(t))) 圖，
– Schoenfeld殘渣，
– 當假設不成立時，採用時變協變數法。
參數模型：指數模型、威布爾模型及其他
與半參數 Cox 模型相比，參數模型假設存活時間服從某種分佈形式，例如：
指數型：風險隨時間不變，
威布爾分佈：風險可能增加也可能減少，
– 對數常態分佈與對數邏輯分佈：適用於非單調風險模式。
參數模型在以下方面表現優異：
——長期預測，
– 估算諸如平均存活率（如果已定義）之類的量，
– 如果分佈假設正確，則效率很高。
然而，如果分佈假設不正確，結果可能會出現偏差。因此，模型選擇應考慮診斷結果、AIC/BIC 以及曲線適合度。
在各領域的實際應用
1. 健康與流行病學：死亡時間、癌症復發時間、恢復或復發時間、治療評估。
2. 工程及可靠性：零件故障時間、保固分析、維修計畫。
3. 商業和行銷：客戶流失時間、重複購買時間、應用程式使用者留存率。
4. 社會和經濟因素：失業持續時間、結婚所需時間、畢業所需學習時間。
借助正確的數據，存活分析可以幫助組織了解系統「韌性」的動態，以及加速或減緩事件發生的因素。
生存分析實踐中的重要事項
為了確保分析的準確性和可靠性，需要考慮以下幾個方面：
– 明確定義事件：例如，「故障」的定義應該一致（是否包括輕微損壞？）。
– 確定時間起點：例如，自診斷以來、自治療開始以來或自組件安裝以來。
– 刪失資料應不包含資訊：理想情況下，在控制協變數後，刪失機率與事件風險無關。如果刪失資料包含訊息，則需要採用特殊方法。
– 資料品質與後續工作：缺失後續資料可能會影響結論。
– 模型診斷：檢查 Cox 模型的比例風險假設或參數模型的分佈適合度。
結論
生存分析是一種強大的統計方法，用於研究事件發生的時間，特別適用於資料包含刪失資料的情況。研究者可以利用Kaplan-Meier檢定、對數秩檢定、Cox比例風險模型和參數模型等工具，估計存活機率、比較不同組別，並評估協變量對事件風險的影響。理解生存和風險的概念，並仔細關注模型假設和數據質量，是確保生存分析結果可靠並能應用於各領域決策的關鍵。
如果您願意，我可以撰寫一篇更學術化的文章（附參考文獻），或加入卡普蘭-邁耶曲線的計算範例和圖示以及風險比的解釋。
