外觀
Statistics › 存活分析 › 核心概念與設限
核心概念與設限 (Core Concepts & Censoring)
最常見的錯誤:把存活資料當一般二元結果分析,完全忽略時間與設限,結果不只不準,連方向都可能錯。實驗設計的名詞(因子、實驗單位、干擾)見 實驗設計核心概念。
兩個核心變數:(T, δ)
| 變數 | 說明 | 例子 |
|---|---|---|
| 時間 T (time / duration) | 從起點到事件或設限的時間 | 診斷後 14.5 個月 |
| 事件 δ (event indicator) | 1 = 觀察到事件、0 = 設限 | 1 = 死亡、0 = 研究結束時仍存活 |
「存活」只是歷史名稱,事件可以是任何定義清楚、不重複的事件:流失、故障、違約、轉換、復發。
起點 (time origin) 必須明確且對所有人一致:診斷日、手術日、隨機分派日、治療開始日。
設限 (Censoring)
只知道存活時間的一部分:知道受試者至少活到某時間,但不知道事件何時(或是否)發生。
設限不是缺失資料,而是部分資訊。刪除設限觀測會丟掉真實資訊,並讓估計偏向較短的存活時間。
| 類型 | 說明 | 例子 |
|---|---|---|
| 右設限 (right) | 觀察結束時事件尚未發生(最常見) | 研究結束時病人仍存活 |
| 行政設限 (administrative) | 研究在固定日期結束 | 所有人在資料截止日設限 |
| 失去追蹤 (loss to follow-up) | 受試者退出、搬家、失聯 | 病人不再回診 |
| Type I 設限 | 研究到預定時間停止 | 5 年試驗結束時存活者設限 |
| Type II 設限 | 研究到預定事件數停止 | 10 台機器測到 5 台故障為止 |
| 左設限 (left) | 事件在觀察開始前就已發生,確切時間不明 | 第一次抽血時已感染 |
| 區間設限 (interval) | 事件發生在兩個已知時間點之間 | 例行掃描時發現腫瘤復發 |
text
受試者 1: |────────● 事件 (t = 10)
受試者 2: |──────────────────○ 設限,研究結束 (t = 20)
受試者 3: |─────────────○ 失去追蹤 (t = 14)
受試者 4: |────● 事件 (t = 5)
時間: 0 10 20非資訊性設限 (non-informative censoring) 假設:設限的原因與事件風險無關。若高風險者更容易退出研究(例如病重轉院),估計會有偏誤。
KM 與 Cox 原生處理右設限;左設限與區間設限需要專門方法(Turnbull 估計量、以概似為基礎的 參數模型)。
Python 資料結構
lifelines 需要整潔格式:每位受試者一列,至少有時間與事件欄。
python
import numpy as np
import pandas as pd
data = pd.DataFrame({
"time": [10, 20, 14, 5, 26, 8, 18, 3],
"event": [1, 0, 0, 1, 0, 1, 1, 1],
"treatment": ["A", "A", "B", "B", "A", "B", "A", "B"],
"age": [55, 62, 48, 71, 59, 44, 67, 53],
})
data["event"].mean() # 事件比例 62.5%,設限比例 37.5%
# 分析前的健全性檢查
assert (data["time"] > 0).all() # 時間必須 > 0
assert data["event"].isin([0, 1]).all()
assert data["time"].notna().all()
# 從日期計算時間
# df["time"] = (df["end_date"] - df["start_date"]).dt.days
# df["event"] = df["death_date"].notna().astype(int)
# 模擬:Weibull 事件時間 + 隨機失去追蹤 + 行政設限
def simulate_survival(n=300, scale=18, shape=1.2, admin=36, seed=42):
rng = np.random.default_rng(seed)
t_true = scale * rng.weibull(shape, n)
t_ltfu = rng.uniform(0, admin * 1.5, n)
t_obs = np.minimum.reduce([t_true, t_ltfu, np.full(n, admin)])
return pd.DataFrame({"time": t_obs.round(2), "event": (t_obs == t_true).astype(int)})常見錯誤
| 錯誤 | 為什麼錯 | 修正 |
|---|---|---|
| 刪除設限觀測 | 偏向較短的存活時間、丟失資訊 | 保留全部,用存活方法 |
| 把設限當成「沒發生事件」做邏輯斯迴歸 | 追蹤時間不同的人被當成一樣 | 用 KM / Cox |
| 把存活時間當一般迴歸的結果 | 忽略設限 | KM、Cox、參數存活模型 |
| 時間 = 0 | 數值問題 | 確保 T > 0(例如當天事件記為 0.5 天) |
| 事件定義模糊或中途改變 | 結果無法解讀 | 蒐集資料前就定義清楚 |
| 不朽時間偏誤 (immortal time bias) | 把「開始治療前」的存活時間算給治療組(要先活到開始治療才會被歸為治療組),治療看起來有效 | 把治療當時間相依共變數,或用 landmark analysis |
| 忽略競爭風險 | 會高估累積發生率 | 用競爭風險方法(見下) |
競爭風險 (Competing Risks)
有多種事件、發生其中一種就不可能再發生另一種時(死於癌症 vs 死於心臟病),把競爭事件當設限會高估目標事件的累積發生率(1 − KM 不再是有意義的機率)。
| 問題 | 方法 |
|---|---|
| 各事件的累積發生率 | 累積發生函數 (cumulative incidence function, CIF),Aalen-Johansen 估計量(lifelines.AalenJohansenFitter) |
| 共變數對事件發生率的影響(病因探討) | 原因別風險 (cause-specific hazard):其他事件當設限的 Cox |
| 共變數對累積發生率的影響(預測) | Fine-Gray 子分配風險模型 (subdistribution hazard) |
競爭風險在醫學資料中非常常見(例如老年族群的癌症特異死亡)。