تحليل البقاء: كابلان-ماير وانحدار كوكس والمخاطر المتنافسة

تحليل البقاء بيتعامل مع نتائج بيهم فيها هل الحدث حصل وإمتى حصل، وبعض المشاركين لسه من غير حدث لما الملاحظة تنتهي.

والمجموعة الأخيرة دي مرقوبة. هما مش فشلًا ولا نجاحًا؛ هما مشاركون بنعرف عنهم إن الحدث ماحصلش لهم لحد وقت معيّن. وحذفهم، أو معاملتهم كأنهم من غير حدث للأبد، بيرمي المعلومة اللي متابعتهم بتشيلها.

قراءة منحنى كابلان-ماير

المنحنى بيقدّر احتمال الاستمرار من غير حدث عبر الزمن، وبينزل درجة عند كل حدث وبيحسب الرقابة بين الدرجات.

وفيه حاجتان الناس بتتخطاهم.

أعداد المعرّضين، المطبوعة تحت المحور. الذيل الأيمن للمنحنى غالبًا بيتقدّر من حفنة مشاركين، وبيبان واثقًا وهو قاعد على لا شيء تقريبًا.

وهل المنحنيات بتتقاطع أو بتتقارب. اختبار الرتب اللوغاريتمي بيقارن المنحنيات عبر المتابعة كلها وقوته ضعيفة لما الآثار تنعكس، فالنتيجة غير الدالة مع منحنيات متقاطعة غالبًا معناها «الأثر اتغير مع الوقت» مش «مفيش أثر».

انحدار كوكس بيفترض إيه

نسبة مخاطرة ثابتة عبر المتابعة: تناسب المخاطر.

افحصه — ببواقي شونفيلد المقيسة، أو مخططات لوغ-ناقص-لوغ — وانشر إنك فحصته. وحيثما يفشل، نسبة المخاطرة المنشورة بتبقى متوسطًا لأثر بيتغير، ومعناها بيعتمد على وقت متابعة الناس.

وحيثما يفشل بشكل جوهري، الخيارات معامل متغير بالزمن، أو تقسيم طبقي على المتغير المسبب، أو ملخص مختلف زي متوسط البقاء المقيّد.

المخاطر المتنافسة

لو المريض مات من حاجة غير النتيجة اللي بتدرسها، فمبقاش ممكن يتعرّض ليها. ومعاملة الوفاة دي كرقابة بتفترض إنه كان لسه ممكن يحصله الحدث، وده غلط.

وتقديرات كابلان-ماير وقتها بتبقى متحيّزة لأعلى، وأحيانًا بشكل كبير، في المجتمعات الأكبر سنًا أو المتابعة الطويلة اللي فيها وفيات منافسة عالية.

استخدم دالة الحدوث التراكمي للخطر المطلق، ونموذج سبب-محدد أو توزيع-فرعي حسب السؤال: المخاطر السبب-محددة للمسببات، والتوزيع الفرعي للتنبؤ والخطر المطلق.

تنشر إيه

وسيط المتابعة وإزاي اتحسب، وأعداد المعرّضين على كل شكل، وفحص تناسب المخاطر، وإزاي اتعاملت مع الأحداث المتنافسة، والمخاطر المطلقة جنب نسبة المخاطرة.