Ανάλυση Επιβίωσης [Survival Analysis]

Εισαγωγή

Η Ανάλυση Επιβίωσης (Survival Analysis) χρησιμοποιείται για τη μελέτη του χρόνου που μεσολαβεί μέχρι την εμφάνιση ενός συγκεκριμένου συμβάντος. Το συμβάν αυτό δεν είναι απαραίτητα ο θάνατος· μπορεί να είναι υποτροπή νόσου, αποτυχία θεραπείας, επανεισαγωγή σε νοσοκομείο, βλάβη εξοπλισμού ή οποιοδήποτε άλλο γεγονός ενδιαφέροντος.

Βασικός στόχος είναι η εκτίμηση της πιθανότητας ένα άτομο ή μια μονάδα να παραμένει χωρίς το συμβάν μέχρι μια συγκεκριμένη χρονική στιγμή.

Συνάρτηση Επιβίωσης

Αν Τ είναι ο χρόνος μέχρι την εμφάνιση του συμβάντος, τότε η συνάρτηση επιβίωσης ορίζεται ως:

S(t) = P(T > t)

και εκφράζει την πιθανότητα το άτομο να παραμένει χωρίς το συμβάν μετά τη χρονική στιγμή t.

Η γραφική παράσταση της S(t) ως προς τον χρόνο δημιουργεί την καμπύλη επιβίωσης.

Λογοκρισία Δεδομένων [Censoring]

Ένα από τα βασικά χαρακτηριστικά της ανάλυσης επιβίωσης είναι η ύπαρξη λογοκριμένων παρατηρήσεων (censored observations).

Αυτό συμβαίνει όταν, μέχρι το τέλος της παρακολούθησης, το συμβάν δεν έχει ακόμη συμβεί ή όταν ο συμμετέχων αποχωρεί από τη μελέτη πριν καταγραφεί η τελική έκβαση.

Η δυνατότητα σωστής αξιοποίησης αυτών των παρατηρήσεων είναι ένας από τους λόγους που η Survival Analysis διαφέρει από τις κλασικές στατιστικές μεθόδους.

Μέθοδος Πίνακα Επιβίωσης

Η Life Table Method εκτιμά την επιβίωση χωρίζοντας τον χρόνο παρακολούθησης σε διαστήματα.

Για κάθε διάστημα υπολογίζεται ο αριθμός των ατόμων που παραμένουν υπό παρακολούθηση, τα συμβάντα που καταγράφονται και η αντίστοιχη πιθανότητα επιβίωσης. Το αρχικό κείμενο περιγράφει αυτή τη διαδικασία ως μία από τις βασικές μεθόδους κατασκευής καμπύλης επιβίωσης.

Η μέθοδος είναι ιδιαίτερα χρήσιμη όταν οι ακριβείς χρόνοι συμβάντος δεν είναι διαθέσιμοι ή όταν τα δεδομένα παρουσιάζονται ομαδοποιημένα.

Μέθοδος Kaplan–Meier

Η Kaplan–Meier αποτελεί μία από τις συχνότερα χρησιμοποιούμενες μη παραμετρικές μεθόδους στην ανάλυση επιβίωσης.

Σε αντίθεση με τον πίνακα επιβίωσης, χρησιμοποιεί τους ακριβείς χρόνους εμφάνισης των συμβάντων. Η εκτίμηση της πιθανότητας επιβίωσης μεταβάλλεται κάθε φορά που καταγράφεται ένα συμβάν.

Η καμπύλη Kaplan–Meier επιτρέπει να φαίνεται με σαφήνεια πώς μεταβάλλεται η πιθανότητα επιβίωσης με την πάροδο του χρόνου.

Log-Rank Test

Όταν ο ερευνητής θέλει να συγκρίνει τις καμπύλες επιβίωσης δύο ή περισσότερων ομάδων, μπορεί να χρησιμοποιήσει το Log-Rank Test.

Η μηδενική υπόθεση είναι ότι οι ομάδες έχουν την ίδια κατανομή χρόνου μέχρι το συμβάν.

Αν το p-value είναι στατιστικά σημαντικό, υπάρχουν ενδείξεις ότι οι καμπύλες επιβίωσης διαφέρουν μεταξύ των ομάδων.

Cox Proportional Hazards Model

Μια σημαντική σύγχρονη επέκταση της Survival Analysis είναι το Cox Proportional Hazards Model.

Το μοντέλο Cox επιτρέπει την ταυτόχρονη εξέταση πολλών παραγόντων που μπορεί να επηρεάζουν τον χρόνο μέχρι το συμβάν, όπως ηλικία, φύλο, θεραπεία ή κλινικά χαρακτηριστικά.

Το βασικό αποτέλεσμα εκφράζεται συνήθως ως Hazard Ratio (HR).

HR > 1 υποδηλώνει αυξημένο κίνδυνο εμφάνισης του συμβάντος, ενώ HR < 1 υποδηλώνει μειωμένο κίνδυνο.

Σύγχρονες Εφαρμογές

Η Ανάλυση Επιβίωσης χρησιμοποιείται ευρέως:

στην Ιατρική για χρόνο μέχρι θάνατο, υποτροπή ή θεραπευτική αποτυχία,

στην Ογκολογία για progression-free και overall survival,

στην Καρδιολογία για χρόνο μέχρι επανεισαγωγή ή καρδιαγγειακό συμβάν,

στην Ψυχολογία και στις Κοινωνικές Επιστήμες για χρόνο μέχρι εγκατάλειψη ή αλλαγή κατάστασης,

και στη Μηχανική για ανάλυση αξιοπιστίας και χρόνου μέχρι βλάβη.

Σύγχρονες Εξελίξεις

Σήμερα, πέρα από Kaplan–Meier και Cox regression, χρησιμοποιούνται και πιο σύνθετες τεχνικές όπως:

competing risks analysis, όταν υπάρχουν διαφορετικά ανταγωνιστικά συμβάντα,

time-dependent covariates, όταν οι μεταβλητές αλλάζουν με τον χρόνο,

και parametric survival models, όταν γίνεται συγκεκριμένη υπόθεση για την κατανομή του χρόνου επιβίωσης.

Συμπέρασμα

Η Ανάλυση Επιβίωσης είναι μια εξειδικευμένη στατιστική προσέγγιση για δεδομένα χρόνου μέχρι συμβάν.

Η Kaplan–Meier περιγράφει την πιθανότητα επιβίωσης, το Log-Rank Test συγκρίνει ομάδες και το Cox Model επιτρέπει την εκτίμηση της επίδρασης πολλών παραγόντων ταυτόχρονα.

Για τον λόγο αυτό αποτελεί βασικό εργαλείο στη σύγχρονη ιατρική, κλινική και εφαρμοσμένη έρευνα.