Ereigniszeitanalysen

Ereigniszeitanalysen beschäftigen sich mit statistischen Methoden zur Analyse der Zeiten bis zum Eintritt eines Ereignisses, etwa Tod, Krankheitsrezidiv, Ausfall oder Vertragsbeendigung. Ziel ist es, Verteilungen der Ereigniszeiten zu schätzen und zu untersuchen, wie verschiedene Faktoren das Risiko oder die Dauer beeinflussen. Typische Merkmale sind rechtszensierte Daten, bei denen das Ereignis für manche Beobachtungen nicht beobachtet wurde, sowie konkurrierende Ereignisse, die das primäre Ereignis verhindern oder verzögern können.

Zu den zentralen Ansätzen zählen nichtparametrische Schätzer wie der Kaplan-Meier-Estimator der Überlebensfunktion, log-rang-Tests zum Vergleich von Gruppen und semiparametrische Modelle wie das Cox-Proportional-Hazards-Modell, das Hazard-Ratios interpretiert. Alternativ oder ergänzend kommen parametrisierte Modelle (Weibull, Gompertz, Exponential) zum Einsatz, die explizite Verteilungsformen liefern. Fortgeschrittene Techniken berücksichtigen zeitabhängige Kovariaten, Multi-State-Modelle, konkurrierende Risiken und Frailty-Modelle, um komplexe Ereignisdynamiken abzubilden.

Datenstruktur ist typischerweise eine Zeit bis zum Ereignis mit Zensierung; Analysen erfordern entsprechende Annahmen über Zensierung und Proportionalität oder andere Verteilungsannahmen. Anwendungen finden sich in Medizin und Epidemiologie (Zeit bis Tod oder Rezidiv), Zuverlässigkeits- und Ingenieurwissenschaften (Ausfallzeiten), sowie Sozial- und Wirtschaftswissenschaften (Dauer bis Heirat, Migration, Kündigung).

Vorteile der Ereigniszeitanalyse sind die Nutzung des Timings und die Fähigkeit, Risikomuster über die Zeit zu untersuchen. Einschränkungen umfassen Abhängigkeiten von Modellannahmen, potenzielle Verzerrungen durch ungemessene Kovariaten und Herausforderungen bei komplexen Zensierungsformen.

Siehe auch: Hazard-Funktion, Überlebensfunktion, Kaplan-Meier-Schätzer, Cox-Modell, konkurrierende Risiken.