Zusammenfassung
Die Survival-Analyse modelliert Überlebenszeiten (Hosmer Jr, Lemeshow & May, 2008; Klein & Moeschberger, 2003). Diese geben allgemein an, wieviel Zeit bis zum Eintreten eines bestimmten Ereignisses verstrichen ist und sollen hier deshalb gleichbedeutend mit Ereigniszeiten sein. Es kann sich dabei etwa um die Zeitdauer handeln, die ein Patient nach einer Behandlung weiter am Leben ist, um die verstrichene Zeit, bis ein bestimmtes Bauteil im Gebrauch einen Defekt aufweist, oder um die Dauer, die ein Kleinkind benötigt, um ein vordefiniertes Entwicklungsziel zu erreichen – z. B. einen Mindestwortschatz besitzt.
Access this chapter
Tax calculation will be finalised at checkout
Purchases are for personal use only
Notes
- 1.
\(f(t) = \lim _{\Delta _{t} \rightarrow 0^{+}} \frac{P(t \le T < t + \Delta _{t})}{\Delta _{t}}\) in Abhängigkeit von der Zeit t und der Intervallbreite \(\Delta _{t}\).
- 2.
\(\# \text {Personen} \, | \, \text {Ereignis} \ge t\) ist die Größe des risk set bzw. die Anzahl der Beobachtungsobjekte at risk zum Zeitpunkt t.
- 3.
Für Intervall-zensierte Daten vgl. ?Surv. Vergleiche Abschn. 9.2.2 für zeitabhängige Prädiktoren und Fälle, in denen mehrere Ereignisse pro Beobachtungsobjekt möglich sind.
- 4.
Bei nicht wiederkehrenden Ereignissen ist die Einteilung der Gesamtbeobachtungszeit in einzelne, bündig aneinander anschließende Intervalle beliebig: Die einzelne Beobachtung im -Format (10, TRUE) ist sowohl äquivalent zu den zwei Beobachtungen in Zählprozess-Darstellung (0, 4, FALSE), (4, 10, TRUE) als auch zu den drei Beobachtungen (0, 2, FALSE), (2, 6, FALSE), (6, 10, TRUE).
- 5.
Für eine exakte Alternative vgl. logrank_test() aus dem Paket coin (Hothorn, Hornik et al. 2008).
- 6.
Aus diesem Grund ist der Aussagebereich eines angepassten Cox PH-Modells auch auf die in der Stichprobe tatsächlich vorliegenden Überlebenszeiten begrenzt, eine Extrapolation über die maximal beobachtete Überlebenszeit hinaus also unzulässig.
- 7.
Details zur Berechnung und zum Zusammenhang mit Somers’ d, insbesondere bei Bindungen und zensierten Beobachtungen erläutert vignette("concordance", package="survival").
- 8.
Verzichtet man auf die Annahme proportionaler hazards, kommen auch weitere Verteilungen für T in Betracht, über die ?survreg Auskunft gibt.
- 9.
Für die \(\hat{\beta }_{j}\) ergibt sich 0.51 (X), \(-0.41\) (IVB) und 0.63 (IVC) – also Schätzungen, die hier denen des Cox PH-Modells sehr ähnlich sind (s. Abschn. 9.4).
- 10.
Abschn. 9.4.2 demonstriert die analoge Verwendung von newdata in survfit().
Author information
Authors and Affiliations
Corresponding author
Rights and permissions
Copyright information
© 2020 Springer-Verlag GmbH Deutschland, ein Teil von Springer Nature
About this chapter
Cite this chapter
Wollschläger, D. (2020). Survival-Analyse. In: Grundlagen der Datenanalyse mit R. Statistik und ihre Anwendungen. Springer Spektrum, Berlin, Heidelberg. https://doi.org/10.1007/978-3-662-61736-6_9
Download citation
DOI: https://doi.org/10.1007/978-3-662-61736-6_9
Published:
Publisher Name: Springer Spektrum, Berlin, Heidelberg
Print ISBN: 978-3-662-61735-9
Online ISBN: 978-3-662-61736-6
eBook Packages: Life Science and Basic Disciplines (German Language)