생존 분석은 관심 있는 사건이 발생할 때까지의 시간을 연구하기 위한 생물통계학의 중요한 도구입니다. Kaplan-Meier 분석, Cox 비례 위험 모델, 매개변수 생존 모델 등을 포함하여 이벤트 발생 시간 데이터를 분석하는 데 사용되는 다양한 유형의 생존 분석 기술이 있습니다. 각 기술은 생물통계학 및 생존 분석에 고유한 장점과 응용 분야를 가지고 있습니다.
카플란-마이어 분석
Kaplan-Meier 분석은 특히 중도절단 관측치가 있는 경우 사건 발생 시간 데이터로부터 생존 함수를 추정하는 데 사용되는 비모수적 방법입니다. 임상시험이나 관찰연구에서 환자의 생존 경험을 분석하는 데 널리 사용됩니다.
Cox 비례 위험 모델
Cox 비례 위험 모델은 생존 분석에 사용되는 인기 있는 반모수적 회귀 모델입니다. 이는 공변량의 다양한 수준에 대한 위험률이 비례한다고 가정하면서 시간이 지남에 따라 발생하는 사건의 위험 또는 위험에 대한 다중 공변량의 효과를 추정할 수 있게 해줍니다.
모수적 생존 모델
모수적 생존 모델은 생존 시간에 대해 지수 분포, Weibull 분포 또는 로그 정규 분포와 같은 특정 분포를 가정합니다. 이러한 모델은 비모수적 방법에 대한 대안을 제공하며 분포 가정이 데이터에 대해 참일 때 보다 효율적인 추정을 제공할 수 있습니다.
가속 고장 시간 모델
AFT(가속 고장 시간) 모델은 공변량을 기반으로 생존 시간의 가속 또는 감속에 초점을 맞춘 또 다른 종류의 매개변수 생존 모델입니다. 이러한 모델은 생존 데이터의 시간 척도에 대한 공변량의 영향에 대한 통찰력을 제공합니다.
취약성 모델
노쇠 모델에는 관찰되지 않은 이질성 또는 생존 데이터 내 클러스터링이 포함되어 있으며 이는 표준 생존 모델로는 설명되지 않을 수 있습니다. 이러한 모델은 생존 결과에 영향을 미칠 수 있는 측정되지 않거나 관찰되지 않은 요인이 있을 때 유용합니다.
시간 의존 공변량
시간 종속 공변량을 사용하면 분석에 시간이 지남에 따라 변하는 변수를 포함할 수 있으므로 생존 결과에 미치는 영향을 보다 동적으로 평가할 수 있습니다. 이 접근법은 종단적 연구에서나 연구 과정에서 공변량의 효과가 변하는 경우에 특히 유용합니다.
경쟁 위험 분석
경쟁 위험 분석은 개인이 상호 배타적인 여러 사건을 경험할 수 있고 한 사건의 발생으로 인해 다른 사건의 발생이 불가능해지는 시나리오를 다룹니다. 이 기술은 이러한 경쟁 이벤트를 설명하고 다양한 유형의 이벤트 결과에 대한 포괄적인 이해를 제공합니다.
조각별 지수 모델
조각별 지수 모델은 추적 시간을 별개의 간격으로 나누고 각 간격 내에서 서로 다른 위험률을 허용합니다. 이를 통해 시간에 따른 위험률의 변화를 감지할 수 있으며 생존 데이터 모델링에 대한 보다 유연한 접근 방식을 제공합니다.
베이지안 생존 분석
베이지안 방법은 생존 분석에 대한 확률론적 접근 방식을 제공하므로 사전 지식, 복잡한 상호 작용 및 불확실성을 생존 확률 및 모델 매개변수 추정에 통합할 수 있습니다.