Калькулятор выживаемости по методу Каплана–Мейера
Оцените кривую выживаемости по данным типа «время до события» с учётом цензурирования. Введите время наблюдения и статус события для каждого участника — калькулятор вернёт оценки выживаемости по Каплану–Мейеру, значение S(t) в заданной точке и медианное время выживания.
Оценка выживаемости во времени с учётом цензурированных данных
Формула оценки выживаемости по Каплану–Мейеру
Где:
- \( t_i \) — моменты времени, в которые происходили события, вплоть до момента \( t \);
- \( d_i \) — число событий в момент \( t_i \);
- \( n_i \) — число участников под риском (ещё находящихся под наблюдением и не достигших события) непосредственно перед \( t_i \);
- \( \hat{S}(t) \) — оценка вероятности того, что событие не наступит вплоть до момента, превышающего \( t \).
Оценка предела произведения перемножает условные вероятности пережить каждый момент события. Цензурированные наблюдения событиями не считаются: они просто выбывают из группы риска \( n_i \) в момент цензурирования — именно так метод справляется с неполным периодом наблюдения.
Выживаемость по Каплану–Мейеру — пример расчёта
Пример: 10 участников со временами наблюдения 3; 4; 5; 6; 6; 8; 8; 9; 11; 14 и статусами событий 1; 1; 0; 1; 0; 1; 1; 0; 1; 0 (6 событий, 4 цензурированных); выживаемость оценивается в точке \( t_0 = 6 \).
\[ \hat{S}(3) = 1 - \tfrac{1}{10} = 0.9 \quad\Rightarrow\quad \hat{S}(4) = 0.9 \left(1 - \tfrac{1}{9}\right) = 0.8 \]
\[ \hat{S}(6) = 0.8 \left(1 - \tfrac{1}{7}\right) = 0.6857 \]
\[ \hat{S}(8) = 0.6857 \left(1 - \tfrac{2}{5}\right) = 0.4114 \quad\Rightarrow\quad \hat{S}(11) = 0.4114 \left(1 - \tfrac{1}{2}\right) = 0.2057 \]
Результат: \( \hat{S}(6) = 0.6857 \) (ожидается, что 68,6 % участников останутся без события после момента 6). Кривая выживаемости впервые опускается до 0,5 или ниже в момент \( t = 8 \), поэтому медианное время выживания равно 8.
Как пользоваться калькулятором выживаемости по Каплану–Мейеру
- Введите времена наблюдения для всех участников — по одному в строке либо через точку с запятой или пробел. По всему набору данных используйте одну и ту же единицу измерения (дни, недели, месяцы).
- В том же порядке введите значения статуса события (1 = событие, 0 = цензурировано): 1 — если с участником произошло событие (смерть, рецидив, поломка оборудования…), 0 — если наблюдение завершилось без события.
- В поле Оценить выживаемость в момент времени укажите точку \( t_0 \), для которой нужна вероятность выживания \( S(t_0) \).
- Ознакомьтесь с результатами: \( S(t_0) \), медианное время выживания, количества участников, событий и цензурированных наблюдений, полная таблица оценок для каждого момента времени и интерпретация результата.
Что такое оценка Каплана–Мейера?
Оценка Каплана–Мейера (метод предела произведения) — стандартный непараметрический способ оценки функции выживаемости по данным типа «время до события». «Выживание» здесь означает любое интересующее нас событие — не только смерть, но и рецидив, выздоровление, отказ оборудования, отток клиентов и т. д. Результат — ступенчатая функция, которая начинается с 1 и снижается только в моменты наступления событий; между событиями оценка остаётся постоянной.
Главная ценность метода — работа с цензурированием. В большинстве исследований часть участников выбывает до наступления события: завершается исследование, пациент прекращает участие, машину списывают по не связанным с ней причинам. Просто считать таких участников «бессрочно пережившими» событие нельзя — их будущее неизвестно. Метод Каплана–Мейера решает эту задачу: цензурированные участники исключаются из группы риска в момент цензурирования, при этом используется информация о том, что они прожили без события как минимум до этого момента.
Если цензурирования нет вовсе, оценка сводится к простой доле участников, ещё не достигших события к каждому моменту. При наличии цензурирования она остаётся несмещённой, пока цензурирование не зависит от процесса наступления событий. Именно эту величину сравнивают между группами с помощью логрангового критерия, а значение \( S(t) \) считывается напрямую: например, \( \hat{S}(6) = 0.6857 \) означает, что, по оценке, 68,6 % участников останутся без события после момента 6.
Интерпретация результатов
Выживаемость в выбранной точке \( t_0 \): оценка вероятности остаться без события после \( t_0 \). Если к моменту \( t_0 \) или раньше не произошло ни одного события, оценка равна 1.
Медианное время выживания: наименьший наблюдаемый момент, в который \( \hat{S}(t) \) опускается до 0,5 или ниже — то есть время, к которому, как ожидается, событие наступит у половины участников. Если за период наблюдения кривая так и не достигает 0,5, медиана «не достигнута»; такое нередко бывает при коротких исследованиях и малом числе событий. Это не значит, что медиана бесконечна — лишь то, что наблюдение оказалось слишком коротким для её оценки.
Таблица показывает для каждого момента времени число участников под риском, события и цензурирования, а также обновлённое значение \( \hat{S}(t) \). Обратите внимание: оценка меняется только в моменты событий; строки с одними лишь цензурированиями приводятся для наглядности и кривую не меняют.
Допущения и практические советы
- Неинформативное цензурирование: у цензурированных участников будущий риск события должен быть таким же, как у тех, кто остался под наблюдением. Цензурирование, связанное с самим событием (например, пациенты покидают исследование из-за ухудшения состояния), смещает оценку.
- Единые единицы измерения и независимость участников: все времена — в одной единице, одна строка на участника, без дубликатов и зависимых наблюдений.
- Совпадения по времени: если события и цензурирования приходятся на один и тот же момент, применяется соглашение (используемое и здесь): цензурированные выбывают из группы риска после событий этого момента — при обработке событий в тот же момент они ещё считаются участниками под риском.
- Малые выборки: при небольшом числе событий ступенчатая функция получается грубой, а \( S(t) \) — неточной; медиану нельзя оценить, пока кривая не пересечёт уровень 0,5.
- Оценка носит описательный характер в рамках одной группы. Для формального сравнения двух кривых выживаемости используйте логранговый критерий; чтобы обобщить частоту наступления события в двух группах, см. калькулятор отношения шансов и относительного риска. Если предпочтительна параметрическая модель, времена выживания часто описывают распределением Вейбулла или экспоненциальным распределением; для сравнения категориальных исходов стандартным инструментом служит калькулятор критерия хи-квадрат.
Часто задаваемые вопросы
Важен ли порядок, в котором я ввожу участников?
Нет. Перед вычислениями калькулятор сортирует все наблюдения по времени наблюдения, поэтому участников можно перечислять в любом порядке — лишь бы каждое время стояло в паре со своим статусом события на той же позиции в списке. Важно только правильное соответствие между двумя списками.
Можно ли ввести сгруппированные или суммарные данные, а не по одной строке на участника?
Нет, калькулятору нужны время наблюдения и статус для каждого отдельного участника. Сводные данные вида «12 событий в 6-м месяце» ввести напрямую нельзя. Если данные сгруппированы, придётся восстановить отдельные строки (например, ввести одно и то же время 12 раз со статусом 1), но учтите: при группировке обычно теряется информация о точных моментах событий и цензурировании.
Почему калькулятор не показывает доверительные интервалы для S(t)?
Для доверительных интервалов нужны дополнительные методы — чаще всего формула Гринвуда для стандартной ошибки \( \hat{S}(t) \), причём обычно на шкале log-minus-log, чтобы границы оставались между 0 и 1. Без интервала помните, что \( \hat{S}(t) \) — лишь точечная оценка: при малом числе событий она может быть весьма неточной, поэтому значение вроде 0,70 не следует воспринимать как точное.
Чем медианное время выживания отличается от среднего?
Медиана — это момент, в который \( \hat{S}(t) \) впервые опускается до 0,5: к этому времени, как ожидается, событие наступит у половины участников. Среднее время выживания — это площадь под кривой выживаемости, но его нельзя надёжно оценить, если наблюдение не продолжается почти до наступления события у всех участников. Поэтому в анализе выживаемости стандартной сводной характеристикой служит именно медиана.
Сколько участников или событий нужно для надёжной оценки по Каплану–Мейеру?
Жёсткого минимума нет, но точность зависит прежде всего от числа событий, а не только от числа участников. Если событий меньше примерно 10–15, кривая превращается в грубую «лестницу», а медиана может оказаться недостижимой. Как правило, стандартная ошибка \( \hat{S}(t) \) уменьшается примерно пропорционально квадратному корню из числа событий, поэтому чем больше событий, тем заметно стабильнее кривая.
Можно ли перевести результаты в другую единицу времени?
Да. Если все исходные времена указаны в одной единице, то и все результаты (выбранная точка \( t_0 \), медиана и времена в таблице) выражаются в той же единице. Чтобы перейти к другой единице, либо пересчитайте исходные времена до ввода, либо переведите итоговые значения после расчёта — например, медиана 540 дней — это 78,6 недели (540 ÷ 7). Сами вероятности выживаемости от единицы измерения не зависят и не меняются.
Какие ошибки чаще всего допускают при вводе данных о выживаемости?
Типичные ошибки: времена и статусы перечислены в разном порядке (пары должны совпадать), в качестве статуса указано что-то, отличное от ровно 0 или 1, в одном наборе данных смешаны единицы — например, дни и месяцы, — а также цензурированный участник случайно учтён как событие. Проверьте и дубликаты строк: один и тот же участник, введённый дважды, завышает группу риска и смещает \( \hat{S}(t) \) вверх.