Överlevnadsdata

Överlevnadsdata är data som beskriver tiden tills en händelse av intresse inträffar, till exempel död, sjukdomsprogress eller maskinfel. Denna typ av data används inom överlevnadsanalys för att modellera hur sannolikheten att händelsen inte har inträffat förändras över tiden. Överlevnadsdata kan komma från kliniska prövningar, epidemiologiska studier, befolkningsregister eller reliabilitetsanalyser av produkter.

I överlevnadsdata är censurering vanligt förekommande. Censurering innebär att observationen avslutas utan att händelsen har inträffat, till exempel när studien avslutas eller en deltagare lämnar studien. Sådana observationer bidrar fortfarande med information om tidsperioden utan händelse. Varje observation kompletteras därför vanligtvis med ett tidsmått och en indikator som signalerar om händelsen observerades eller inte. Data används ofta med antaganden om att censoreringen är oberoende av händelsen.

De vanligaste metoderna är Kaplan-Meier-estimatorn för att beräkna överlevnadsfunktionen S(t) och grafiska överlevnadskurvor, samt livstabeller. Cox proportional hazards-modellen används för att bedöma hur covariater påverkar hazarden (risk per tidsenhet) och för att jämföra risker mellan grupper. Polynomiska eller parametiska modeller, såsom Weibull eller exponential, används när man vill extrapolera över tid eller anta specifika formella avvarter.

Begränsningar i överlevnadsdata inkluderar hantering av konkurrerande risker och vänstertrunkering, samt att hög censurering kan göra vissa uppskattningar mindre pålitliga. Dataskydd och etiska överväganden är viktiga vid hantering av personrelaterade uppgifter i klinisk forskning.