Panorama general sobre análisis de supervivencia y análisis de datos de vida

He escuchado sobre análisis de supervivencia y análisis de datos de vida, pero no entiendo el panorama general.

Me preguntaba qué temas están cubriendo.

¿Es pura estadística, o simplemente la aplicación de estadísticas en un área específica?

¿Es el análisis de la fecha de vida parte del análisis de supervivencia?

¡Gracias y saludos!

El concepto de censura es la clave para el análisis de supervivencia y el análisis de datos de vida. Este problema también se puede ingresar a través de estadísticas industriales. Al monitorear el tiempo que tarda una muestra de unidades en fallar, puede tener

• Datos completos: se conoce el momento exacto en que falla una unidad
• Censurado a la derecha: el tiempo de falla de una unidad está más allá del tiempo de ejecución actual
• Censurado a la izquierda: el tiempo conocido es posterior al momento en que falla una unidad

Otros problemas que entran en la mezcla de datos son

• Censurado individualmente: todas las unidades no fallidas tienen un tiempo de ejecución común
• Censurado múltiple: las unidades no fallidas tienen diferentes tiempos de ejecución
• Intervalo censurado: se sabe que el tiempo de falla es entre un conjunto particular de tiempos.
• Tiempo censurado: el tiempo de censura es fijo
• Error censurado: una prueba se detiene cuando falla un número fijo de unidades
• Modos de falla competitivos: las unidades de muestra fallan por diferentes razones

Las distribuciones comunes capaces de manejar estas situaciones son: lognormal, Weibull y valor extremo. Los problemas se vuelven interesantes porque existen procedimientos gráficos para manejar el análisis, así como los métodos MLE y Method of Moments.

La confiabilidad de los sistemas es una muestra de este tema que se involucra con los métodos bayesianos, la teoría de la renovación y las pruebas de vida aceleradas. Wayne Nelson y Bill Meeker tienen varios buenos libros sobre los temas.

Sobre el análisis de supervivencia

En el análisis de supervivencia, o el análisis del tiempo hasta el evento, la variable o el interés mide el tiempo desde un punto de partida hasta un punto de interés como la muerte debido a alguna enfermedad. Entonces la variable de respuesta es una variable positiva que en la mayoría de los casos está sesgada. Como consecuencia, el supuesto habitual de normalidad falla y, por ejemplo, las técnicas de regresión clásicas no son aplicables. (Sin embargo, tenga en cuenta que a veces una transformación de la variable podría mejorar la situación). Pero la principal diferencia es la censura : una característica muy común cuando se trata de datos de tiempo hasta el evento. En su forma más común (censura correcta), no conoce el tiempo exacto para un individuo determinado, pero sí sabe que es mayor que algún valor . Por ejemplo, suponga que sigue a un paciente hasta la muerte. En el momento$t^{\star}$$t=10$ días, él está vivo. En el tiempo días, todavía está vivo, pero luego se pierde durante el seguimiento. Entonces no sabe la hora exacta de la muerte, pero sí sabe que . Ignorar la censura claramente no es la mejor idea para hacer; en su lugar, puede registrar como una observación censurada. Las técnicas de análisis de supervivencia (por ejemplo, estimador de Kaplan-Meier, regresión de Cox, ...) están especialmente diseñadas para tratar la censura.$t=30$$t > 30$$t^{\star} = 30$

Desde mi punto de vista, Modelar datos de supervivencia en investigación médica es una muy buena elección como primer libro en análisis de supervivencia ... pero hay muchos otros.

5, 10, 12+, 14, 17, 18+, 20+

Una primera descripción aproximada del análisis de supervivencia: análisis de datos donde la variable dependiente tiene (1) valores precisos (las observaciones completas) y (2) los valores saben que están por encima de un umbral dado (las observaciones censuradas). Lo anterior puede ser una muestra de datos de supervivencia, los valores sin +se conocen con precisión; +Se sabe que los valores con son más, pero no cuánto más. (Y hay muchas extensiones).

$T$

Por lo tanto, puede ser más apropiado llamarlo análisis de censura de regresión o censura, en lugar de análisis de supervivencia, supongo.