Vyspělé statistické metody pro efektivní vyhodnocení biomedicínských dat

Abstract

Analýza přežití zahrnuje soubor vyspělých statistických metod využívaných především k analýze dat v cenzorovaném tvaru modelujících dobu do výskytu události. Ta vznikají v situacích, kdy je informace o pozorovaném čase z náhodných příčin neúplná, např. při modelování časů přežití pacientů v medicínských studiích, při určení životnosti strojů a součástek v analýze spolehlivosti nebo doby nezaměstnanosti v analýze času trvání. Pole působnosti analýzy přežití je proto velmi široké a zahrnuje odvětví medicíny, inženýrství, ekonomie, sociologie nebo demografie. V této práci byly metody analýzy přežití využity k vyhodnocení medicínských zprava cenzorovaných dat 876 pacientů, kteří podstoupili chirurgickou operaci kolorektálního karcinomu ve Fakultní nemocnici Ostrava. Ta je prováděna pomocí dvou různých chirurgických postupů – otevřeného a laparoskopického. V práci bylo provedeno porovnání obou chirurgických postupů z hlediska rizika mortality za účelem nalezení odpovědi na otázku, zda některý z nich garantuje pacientům delší dobu přežití. Dále byly analyzovány nejistoty v souvislosti s rizikem mortality. K vypracování byly využity následující metody vycházející ze všech odvětví analýzy přežití: 1. Klasický neparametrický přístup zastoupený Kaplan-Meierovým a Nelson-Aalenovým odhadem funkce přežití ve spojení s pásmy spolehlivosti. 2. Moderní neparametrický přístup reprezentovaný neparametrickou prediktivní indukcí, která ke kvantifikaci nejistot využívá intervalový rozdíl odhadu dolní a horní pravděpodobnosti. 3. Tradiční log-rank test a neparametrické prediktivní porovnání přežití u skupin pacientů rozdělených podle zvoleného chirurgického postupu. 4. Semiparametrický Coxův proporciální hazardní model, který vyhodnocuje vliv na přežití dalších doplňkových proměnných, včetně jejich interakcí. 5. Weibullův parametrický model s tvarem základní hazardní funkce, který dokáže velmi dobře modelovat dobu přežití pacientů.

Survival analysis is a set of advanced statistical methods for the analysis of time to event data, typically consisting of observed event times and right-censoring times. This type of data may arise from various situations: the survival times of patients in medical trials, the lifetimes of machine components in industrial reliability, studies of duration of periods of unemployment in duration modeling. The possible fields of applications of those methods are therefore in medicine, engineering, economics, sociology or demography. In this thesis the methods of survival analysis have been used to evaluate medical right-censored data of 876 patients who underwent colectomy in the University Hospital of Ostrava. There are used two basic surgery techniques for the colectomy: either open or laparoscopic. The comparison of the two techniques in the context of mortality has been done in order to answer the question: is there a type of surgery technique which guarantees longer overall survival time? The next step has been the analysis of the uncertainty related to the risk of mortality. For analyses and comparison have been used following methods: 1. The nonparametric approach with the standard Kaplan-Meier and the Nelson-Aalen estimator of survival function including confidence interval for survival function. 2. The innovative nonparametric approach, represented by Nonparametric Predictive Inference, which uses lower and upper probabilities for quantifying uncertainty providing a model of predictive survival function. 3. The traditional log-rank test and the nonparametric predictive comparison of two groups of lifetime data, which have been compared to evaluate risk of mortality in the context of mentioned surgery techniques. 4. The semiparametric Cox proportional hazard model has been used for analyzing the influence of other patients characteristics. 5. The parametric Weibull model, used because of the fact that the hazard function of human life is often described as being “bathtub shaped”.