Modele de durée kaplan meier

on

Parfois, nous avons des sujets qui deviennent une partie de l`étude plus tard, c.-à-d. un temps significatif s`est écoulé dès le début. Nous avons un temps d`observation plus court pour ces sujets et ces sujets peuvent ou ne peuvent pas éprouver l`événement dans ce court délai stipulé. Cependant, nous ne pouvons pas exclure ces sujets car sinon la taille de l`échantillon de l`étude peut devenir petite. L`estimation de Kaplan-Meier est le moyen le plus simple de calculer la survie au fil du temps, malgré toutes ces difficultés associées à des sujets ou des situations. L`estimateur de Kaplan-Meier est l`une des méthodes d`analyse de survie les plus fréquemment utilisées. L`estimation peut être utile pour examiner les taux de récupération, la probabilité de décès et l`efficacité du traitement. Il est limité dans sa capacité à estimer la survie ajustée pour les covariables; les modèles de survie paramétrique et le modèle de risques proportionnels de Cox peuvent être utiles pour estimer la survie ajustée au Covariate. La courbe de survie de Kaplan-Meier est définie comme la probabilité de survivre dans un laps de temps donné tout en considérant le temps dans de nombreux petits intervalles. [3] il existe trois hypothèses utilisées dans cette analyse.

Premièrement, nous supposons qu`à tout moment les patients qui sont censurés ont les mêmes perspectives de survie que ceux qui continuent à être suivis. Deuxièmement, nous supposons que les probabilités de survie sont les mêmes pour les sujets recrutés tôt et tard dans l`étude. Troisièmement, nous supposons que l`événement se produit à l`heure spécifiée. Cela crée un problème dans certaines conditions lorsque l`événement sera détecté lors d`un examen régulier. Tout ce que nous savons, c`est que l`événement s`est produit entre deux examens. La survie estimée peut être calculée plus précisément en effectuant un suivi des individus fréquemment à des intervalles de temps plus courts; aussi court que l`exactitude des permis d`enregistrement c.-à-d. pour un jour (maximum). L`estimation de Kaplan-Meier est également appelée «estimation de limite de produit». Il implique l`informatique des probabilités d`occurrence de l`événement à un certain moment. Nous multiplions ces probabilités successives par toutes les probabilités calculées antérieurement pour obtenir l`estimation finale.

La probabilité de survie à un moment donné est calculée par la formule ci-dessous: une parcelle de l`estimateur de Kaplan-Meier est une série de mesures horizontales en déclin qui, avec une taille d`échantillon assez importante, s`approche de la véritable fonction de survie de cette population . La valeur de la fonction de survie entre les observations échantillonnées distinctes successives («clics») est supposée être constante. À partir de ces données, MedCalc peut facilement calculer et construire la courbe de Kaplan-Meier. L`estimateur de Kaplan – Meier, [1] [2] également connu sous le nom d`estimateur de limite de produit, est une statistique non paramétrique utilisée pour estimer la fonction de survie des données à vie. Dans la recherche médicale, il est souvent utilisé pour mesurer la fraction de patients vivant pendant un certain laps de temps après le traitement. Dans d`autres domaines, les estimateurs de Kaplan-Meier peuvent être utilisés pour mesurer la durée pendant laquelle les gens demeurent au chômage après une perte d`emploi [3], le délai d`échec des pièces de la machine, ou la durée pendant laquelle les fruits charmeurs restent sur les plantes avant d`être enlevés par des frugivores. L`estimateur est nommé d`après Edward L. Kaplan et Paul Meier, qui ont chacun présenté des manuscrits similaires au Journal de l`American Statistical Association. L`éditeur de journal, John Tukey, les convainquit de combiner leur travail en un seul article, qui a été cité environ 50 000 fois depuis sa publication. 4 [5] l`estimateur de Kaplan-Meier peut être dérivé de l`estimation de probabilité maximale de la fonction de danger. [7] plus spécifiquement donné d i {displaystyle d_ {i}} comme nombre d`événements et n i {displaystyle n_ {i}} le total des personnes à risque au moment t i {displaystyle t_ {i}}, le taux de risque discret h i {displaystyle H_ {i}} peut être défini comme la probabilité d`un individuel avec un événement au moment t i {displaystyle t_ {i}}.

Ensuite, le taux de survie peut être défini comme: dans MedCalc, ces données peuvent être analysées au moyen d`une table de vie, ou courbe de Kaplan-Meier, qui est la méthode la plus courante pour décrire les caractéristiques de survie.