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：事件發生時間與審查
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：
\[
h(t) = \lim_{\Delta t \to 0} \frac{P(t \le T < t+\Delta t \mid T \ge t)}{\Delta t}
\]
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.
