|
|
Estimación de la función de supervivencia (método de Kaplan-Meier).
Es un método no paramétrico (no asume ninguna
función de probabilidad) y por máxima verosimilitud, es decir se basa en maximizar
la función de verosimilitud de la muestra. Una muestra aleatoria de tamaño n,
extraída de una población, estará formada por k (k £
n) tiempos t1
< t2< …< tk en los que se observan eventos. En cada tiempo ti
existen ni "individuos en riesgo" (elementos de la
muestra para los que el evento puede ocurrir, o que T ³
ti) y se observan di eventos. Además en el
intervalo [ti, ti+1) se producen
mi pérdidas.
Se puede demostrar que la función de verosimilitud
para toda la muestra es:
Para construir esta función se ha asumido que la
información contenida en las pérdidas es que, para cada una de ellas, el evento
ocurre en un tiempo mayor que el tiempo en que se observa la pérdida. Maximizando
esta función se encuentra que el estimador de la función de riesgo es
y para la función de
supervivencia, el denominado estimador producto límite o de Kaplan-Meier:
Ejemplo 1
Se sigue en el tiempo a 12 individuos con una
prótesis cardíaca y se encuentran los siguientes tiempos de supervivencia en
años: 6*, 6, 6, 6, 10, 12*, 12, 15, 15*, 17, 22, 22, donde el asterisco indica
pérdida; es decir se perdieron 3 individuos en los tiempos 6, 12 y 15. La
manera más cómoda de calcular los estimadores anteriores es disponer los datos en una tabla como la
que sigue:
tiempo
|
ind.
en riesgo |
eventos
|
F.
riesgo |
F.
supervivencia |
6
|
12
|
3
|
3/12=0,25
|
1
|
10
|
8
|
1
|
1/8=0,125
|
0,750
|
12
|
7
|
1
|
1/7=0,143
|
0,656
|
15
|
5
|
1
|
1/5=0,2
|
0,562
|
17
|
3
|
1
|
1/3=0,333
|
0,450
|
22
|
2
|
2
|
2/2=1
|
0,300
|
Para
analizar estos datos con un paquete estadístico, por ejemplo el SPSS,
hay que introducir dos variables: el tiempo y el “status” con un código
que indique si en ese tiempo se ha producido el evento o es una perdida.
La “salida” es:
Survival Analysis for TIEMPO
Time |
Status |
Cumulative
Survival |
Standard
Error |
Cumulative
Events |
Number
Remaining |
6 |
1 |
|
|
1 |
11 |
6 |
1 |
|
|
2 |
10 |
6 |
1 |
,7500 |
,1250 |
3 |
9 |
6 |
0 |
|
|
3 |
8 |
10 |
1 |
,6563 |
,1402 |
4 |
7 |
12 |
1 |
,5625 |
,1482 |
5 |
6 |
12 |
0 |
|
|
5 |
5 |
15 |
1 |
,4500 |
,1555 |
6 |
4 |
15 |
0 |
|
|
6 |
3 |
17 |
1 |
,3000 |
,1605 |
7 |
2 |
22 |
1 |
|
|
8 |
1 |
22 |
1 |
,0000 |
,0000 |
9 |
0 |
Number of Cases: 12
Censored: 3 ( 25,00%) Events: 9
En la tercera columna (“Cumulative Survival”) aparece la
función de supervivencia (S(t)) en todos los tiempos en los que ocurren
eventos. Esta función se suele representar en una gráfica como
El SPSS también calcula y representa la
gráfica de la función de riesgo acumulada (que en su versión en español denomina
“Impacto”).
|
|
|