Tento článek byl publikován jako součást vědeckých Dat Blogathon.
Úvod
Analýza Přežití
Mnozí z nás mají vždy otázky v mysli, jak dlouho bude trvat, než se událost stane. Stejně jako selhání mechanického systému, lidské tělo, které je postiženo jakýmkoli druhem onemocnění, kolik času bude trvat na vyléčení nemocí., Kolik přežije konkrétní po provedení lékařské diagnózy, jakou rychlostí zemře nebo selže? Je možné vzít v úvahu více příčin smrti nebo selhání, které se berou v širším pohledu? Abychom odpověděli na všechny tyto otázky, studujeme analýzu přežití.
analýza přežití je důležitým odvětvím statistik, které se bere v úvahu při zodpovězení všech těchto otázek.
studie pro analýzu přežití musí definovat časový rámec, ve kterém se tato studie provádí., Stejně jako v mnoha případech je možné, že dané časové období pro událost je stejné jako navzájem. Analýza přežití zahrnuje modelování času na data událostí. Musíme tedy definovat kontext analýzy přežití ve studii jako čas jako „událost“ v souvislosti s analýzou přežití.
existují různé způsoby, jak provádíme analýzu přežití. Provádí se několika způsoby, jako když definujeme skupinu. Některé z nich jsou křivky Kaplan Meier, regresní modely Cox, funkce nebezpečnosti, funkce přežití atd.,
Když se provede analýza přežití, aby se porovnala analýza přežití dvou různých skupin. Tam provádíme test Log-Rank.
když analýza přežití chtěli popsat kategorické a kvantitativní proměnné na přežití rádi děláme Cox proporcionální nebezpečí regrese, parametrické modely přežití, atd.
v analýze přežití musíme definovat určité pojmy, než jeden postupuje, jako je událost, čas, Cenzura, funkce přežití atd.,
v Případě, když budeme mluvit o tom, je činnost, která se děje nebo se bude dít v přežití analýzy, studie jako Smrt Člověka z konkrétního onemocnění, je čas se léčit pomocí lékařské diagnostice, čas, aby si vyléčil pomocí vakcín, čas výskytu selhání strojů ve výrobní dílně, čas na výskyt onemocnění, apod.
v přežití analýzy případové studie je čas od začátku analýza přežití pozorování na předmět až do doby, kdy událost nastane., Jako v případě Mechanického Stroje k selhání potřebujeme vědět,
(a) čas, událost, kdy se stroj začne
(b), když stroj selže
(c) ztráty stroje nebo odstavení stroje z přežití analýzy studie.
Cenzurovat/ Cenzorovaných Pozorování
Tato terminologie je definována jako když předmět, na kterém jsme dělali studii analýza přežití nedostane ovlivněna definované události obor, pak jsou popsány jako cenzurované. Cenzurovaný subjekt také nemusí mít událost po skončení pozorování analýzy přežití., Předmět se nazývá cenzurovaný v tom smyslu, že po době cenzury nebylo z předmětu nic pozorováno.
cenzurní pozorování jsou také 3 typy –
1. Správné cenzurované
správné cenzurování se používá v mnoha problémech. Stává se to, když si nejsme jisti, co se stalo s lidmi po určitém časovém okamžiku.
To nastane, když skutečné události, čas je větší než cenzurované době, kdy c < t. To se stane, pokud se buď někteří lidé nemohou být dodrženy po celou dobu, protože zemřeli nebo se ztratili sledovat, nebo stáhl ze studie.,
2. Levé cenzurované
levé cenzurování je, když si nejsme jisti, co se stalo s lidmi před nějakým časem. Levé cenzurování je opak, vyskytující se, když je skutečný čas události menší než cenzurovaný čas, kdy C > t.
3. Interval cenzurovaný
intervalové cenzurování je, když víme, že se něco stalo v intervalu (ne před zahájením času a ne po ukončení doby studie), ale nevíme přesně, kdy v intervalu se to stalo.,
Interval cenzurovat je spojením levé a pravé cenzurovat, když čas je známo, že došlo mezi dvěma časovými body,
Funkce Přežití S (t): je To pravděpodobnost, že funkce, která závisí na době studie. Předmět přežije více než čas t. Přeživší funkce udává pravděpodobnost, že náhodná veličina T překročí zadaný čas „t“.
Tady, budeme diskutovat o Kaplan-Meier Odhad.
Kaplan Meier Estimator
Kaplan Meier Estimator se používá k odhadu funkce přežití pro celoživotní data., Jedná se o neparametrickou statistickou techniku. To je také známé jako produkt-limit estimator, a koncept spočívá v odhadu doby přežití po určitou dobu jako hlavní lékařské zkušební akce, určitý čas smrti, selhání stroje, nebo žádné významné významné události.
existuje mnoho příkladů, jako je
1. Porucha částí stroje po několika hodinách provozu.
2. Kolik času bude trvat, než vakcína COVID 19 vyléčí pacienta.
3. Kolik času je zapotřebí k získání léku z lékařské diagnózy atd.
4., Odhadnout, kolik zaměstnanců opustí společnost v určitém časovém období.
5. Kolik pacientů bude léčena na rakovinu plic
Odhadnout Kaplan Meiere Přežití musíme nejprve odhad Funkce Přežití S (t) je pravděpodobnost události čase t
(d) je počet úmrtí událostí v čase (t), a (n) je počet subjektů s rizikem smrti těsně před čase (t).
předpoklady přežití Kaplan Meier
v reálných případech nemáme představu o skutečné funkci přežití., Takže v Kaplan Meier Estimator odhadujeme a přibližujeme skutečnou funkci přežití ze studijních dat. Existují 3 předpoklady přežití Kaplan Meier
1) pravděpodobnosti přežití jsou stejné pro všechny vzorky, které se připojily pozdě ve studii, a pro ty, kteří se připojili brzy. Předpokládá se, že analýza přežití, která může ovlivnit, se nezmění.
2) výskyt události se provádí v určeném čase.
3) Cenzura studie nezávisí na výsledku. Metoda Kaplan Meier nezávisí na výsledku zájmu.,
interpretace analýzy přežití je osa Y ukazuje pravděpodobnost subjektu, který se nedostal do případové studie. Osa X ukazuje reprezentaci zájmu subjektu poté, co přežil až do času. Každý pokles funkce přežití (aproximována pomocí Kaplan-Meier odhad) je způsoben případě zájmu děje pro alespoň jedno pozorování.,
děj je často doprovázen intervaly spolehlivosti, k popisu nejistoty ohledně bodových odhadů-širší intervaly spolehlivosti vykazují vysokou nejistotu, k tomu dochází, když máme několik účastníků – dochází jak při pozorování, tak při cenzuře.
Důležité věci, aby zvážila pro Kaplan-Meier Odhad Analýzy
1) Musíme provést Log Rank Test dělat jakékoliv závěry.
2) výsledky Kaplana Meiera lze snadno zkreslit., Kaplan Meier je jednorozměrné přístup k řešení problému,
3) Odstranění Cenzorovaných Dat způsobí změnu tvaru křivky. Tím se vytvoří zkreslení v modelu fit-up
4) statistické testy a pozorování se zavádějí, pokud se provádí Dichotomizace kontinuální proměnné.
5) dichotomizací se rozumí, že k vytvoření skupin přijímáme statistická opatření, jako je median, ale to může vést k problémům v datové sadě.,
vezměme si příklad v Pythonu
Odkaz na Notebook- (https://drive.google.com/file/d/1VGKZNViDbx4rx_7lGMCA6dgU3XuMKGVU/view?usp=sharing)
Dejte nám importovat důležité knihovny potřebné pro práci v pythonu
za Prvé, dovážíme různé python knihoven pro naši práci. Tady, bereme sadu dat o rakovině plic. Po knihovnách a načtení si přečteme data pomocí knihovny pandy. Datová sada obsahuje jiné informace,
Tady vidíme Hlavu &ocas.,
Teď, Tady dovážíme python kód pro provedení Kaplan-Meier Odhad
Tady, analýzu provádíme na Karnofsky skóre je osa x zobrazuje časovou osu a osa y ukazuje skóre. Nejlepší skóre je 1 to znamená, že předmět je fit, skóre 0 znamená nejhorší skóre.
pak použijeme kód pro přežití, předchozí terapii, léčbu zde provedeme analýzu odhadu Kaplan Meier.
pak jsme se vejde do kmf1 = KaplanMeierFitter() pro montáž funkce Kaplan Meier a spustíme následující kód pro různé údaje týkající se problémů s rakovinou plic.,
Kaplan-Meier odhad po spuštění kódu ukazuje děj mezi Léčba zkušební normy &Léčba testu.
V této knize, mým hlavním cílem bylo vysvětlit Přežití Analýzy Kaplan-Meier Odhad. Věci s tím spojené a popis problému v reálném životě.,
Výhody & Dis-Výhody Kaplan-Meier Odhad
Výhody
1) nevyžaduje příliš mnoho funkcí – čas na přežití analýza případě je vyžadována pouze.
2) poskytuje průměrný přehled týkající se události.