Skip to content

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)。