اینجا نشان داده میشود که میانگین به تنهایی کافی نیست. باید ببینیم در هر نقطه از زمان، چه نسبتی از بیماران زندهاند.
تحلیل بقا مجموعهای از روشهای آماری است که برای تحلیل زمان تا وقوع یک رویداد (مرگ، عود بیماری، بهبودی) استفاده میشود. مهمترین ویژگی آن این است که میتواند با افرادی که در طول مطالعه از پیگیری خارج میشوند (سانسور شده) به درستی برخورد کند.
در رگرسیون خطی، فرض میکنیم همه افراد تا پایان مطالعه رویداد را تجربه میکنند، اما در واقعیت خیلیها از مطالعه خارج میشوند (مهاجرت، قطع همکاری، یا پایان مطالعه قبل از رویداد).
توزیع زمان بقا معمولاً نرمال نیست (اغلب چوله به راست است).
تحلیل بقا به طور خاص برای این دادهها طراحی شده است.
زمان بقا (Survival time): فاصله از شروع مطالعه (یا تشخیص بیماری) تا وقوع رویداد (مثلاً مرگ).
سانسور (Censoring): وقتی فردی در طول مطالعه رویداد را تجربه نمیکند (به دلیل خارج شدن از مطالعه، یا پایان مطالعه قبل از مرگ). تحلیل بقا این افراد را تا آخرین لحظه حضور در مطالعه در محاسبات نگه میدارد.
تحلیل بقا برای دادههای «زمان تا رویداد» استفاده میشود.
مزیت اصلی آن نسبت به روشهای معمولی: برخورد صحیح با افراد سانسور شده (کسانی که تا پایان مطالعه رویداد را تجربه نکردند).
خروجیهای معروف: منحنی کاپلان-مایر، میانه بقا (زمانی که ۵۰٪ افراد رویداد را تجربه کردهاند)، و نسبت خطر (Hazard Ratio).
کاربردها: مطالعات بالینی سرطان، کارآزماییهای دارویی، اپیدمیولوژی بیماریهای مزمن، مطالعات پیگیری طولانیمدت.
آموزش / مشاوره مقاله و پایاننامه و طرح پژوهشی و آماری / ویراستاری پژوهشی / منتورینگ پژوهشی
۳.۳K
۱۷:۳۳