Bayesian Kaplan-Meier Analizi — Bayesçi Parametrik Olmayan Sağkalım Eğrisi Tahmini
Bayesian Nonparametric Kaplan-Meier Survival Analysis · Ayrıca şöyle bilinir: Bayesian survival curve estimation, Bayesian nonparametric survival analysis, Dirichlet process Kaplan-Meier, BKM
Bayesçi Kaplan-Meier analizi, sağkalım fonksiyonu üzerine bir önsel dağılım yerleştirerek ve gözlemlenen olaya-kadar-geçen-süre verileriyle güncelleyerek klasik Kaplan-Meier tahmin edicisini genişletir ve sağkalım eğrisi için tam bir sonsal dağılım elde eder. Susarla ve Van Ryzin'in 1976 tarihli Dirichlet süreci çerçevesine dayanan bu yaklaşım, güven aralıkları yerine inanılır aralıklar üretir ve önsel klinik bilginin tutarlı bir şekilde dahil edilmesini sağlar, bu da onu özellikle küçük örneklemli veya erken evre klinik ortamlarda değerli kılar.
Tam yöntemi oku
Bu bölümü okumak için ücretsiz hesapla giriş yapın.
Yöntem haritası
İlişkili yöntemlerin komşuluğu — keşfetmek için bir düğüm seçin.
Ne zaman kullanılır
Zaman-olay (sağkalım) verileriniz sağ sansürlemeli olduğunda ve önsel bilgiyi (örneğin, geçmiş kontroller, önceki denemeler) dahil etmek istediğinizde veya örneklem frekansçı Kaplan-Meier güven aralıklarının güvenilir olamayacak kadar küçük olduğunda Bayesçi Kaplan-Meier analizini kullanın. Özellikle erken evre klinik denemelerde, nadir hastalık çalışmalarında ve küçük örneklemlerin kaçınılmaz olduğu pediatrik araştırmalarda uygundur. Örneklem büyüklüklerinin büyük olduğu, önselin yetersiz gerekçelendirildiği veya analitik ekibin Bayesçi modelleme uzmanlığına sahip olmadığı durumlarda klasik Kaplan-Meier'in varsayılan bir ikamesi olarak KULLANMAYIN — bu gibi durumlarda ek karmaşıklık minimum fayda sağlar ve yorumlanabilirlik zarar görebilir. Ayrıca bilgisiz sansürleme gerektirir; sansürleme prognozla ilgiliyse, ek modelleme olmadan ne klasik ne de Bayesçi Kaplan-Meier uygundur.
Güçlü yönler & sınırlılıklar
- Sağkalım eğrisi üzerinde tam bir sonsal dağılım sağlar, bu da güven aralıklarıyla nokta tahminlerinden daha zengin bir belirsizlik ölçümü sağlar.
- İnanılır aralıklar, frekansçı güven aralıklarından daha sezgisel olan doğrudan bir olasılık yorumuna sahiptir.
- Geçmiş verilerden veya uzman bilgisinden gelen önsel bilgi resmi olarak dahil edilir, küçük örneklem ortamlarında belirsizliği azaltır.
- Grup karşılaştırmaları, karar odaklı klinik düşünceyle uyumlu olarak p-değerleri yerine sonsal olasılıklar olarak ifade edilebilir.
- Önsel iyi belirtilmişse, yoğun sansürlemeyi klasik Kaplan-Meier'den daha iyi ele alır.
- Sonuçlar önselin seçimine, özellikle yoğunluk parametresi ve taban ölçüsüne duyarlıdır; kötü seçilmiş bir önsel küçük bir veri setini domine edebilir.
- Klasik Kaplan-Meier'den hesaplama açısından daha yoğundur, tipik olarak MCMC örneklemesi ve uzman yazılımı gerektirir (R paketleri: survbayes, DPpackage veya Stan).
- Bilgisiz sansürleme varsayımı geçerli olmalıdır; yalnızca verilerden doğrulanamaz.
- Yorumlama ve raporlama, klinik kitlelerde henüz evrensel olmayan Bayesçi okuryazarlık gerektirir.
- Klasik tahmin edici gibi, kovaryetleri modellemez; kovaryet ayarlaması Bayesçi Cox veya hızlandırılmış başarısızlık süresi modeli gerektirir.
SSS
Bayesçi Kaplan-Meier, klasik Kaplan-Meier tahmin edicisinden nasıl farklıdır?
Klasik Kaplan-Meier tahmin edicisi, her veri setini izole olarak ele alan bir maksimum olabilirlik basamak fonksiyonudur. Bayesçi Kaplan-Meier, tüm olası sağkalım fonksiyonları üzerine bir önsel dağılım (tipik olarak bir Dirichlet süreci) yerleştirir ve sonsal dağılımı elde etmek için verilerle günceller. Bu, doğrudan olasılık yorumuna sahip bir inanılır aralık üretir ve önsel bilginin dahil edilmesine izin verir — bu avantajlar en çok örneklem küçük veya yoğun sansürlü olduğunda önemlidir.
Ne tür bir önsel kullanmalıyım?
En yaygın seçim, geçmiş verilere göre kalibre edilmiş bir parametrik sağkalım modeli (örneğin, üstel veya Weibull) olarak ayarlanmış bir taban ölçüye ve önsele verilmesi gereken ağırlığı veriye göre yansıtan bir yoğunluk parametresine sahip bir Dirichlet süreci önselidir. Geçmiş veri yoksa, küçük bir yoğunluk parametresiyle zayıf bilgilendirici bir önsel, verilerin baskın olmasına izin verir. Önsel belirtimini değiştiren bir duyarlılık analizi her zaman önerilir.
İki tedavi grubunu karşılaştırmak için Bayesçi Kaplan-Meier kullanabilir miyim?
Evet. Her grup için ayrı sonsal sağkalım fonksiyonları tahmin edersiniz ve örneğin, S_A(t) > S_B(t) olasılığını klinik olarak ilgili bir t zaman noktasında veya sınırlı ortalama sağkalım süresindeki farkın sonsal dağılımını hesaplarsınız. Bu, log-rank testinin varsayımlarından kaçınır ve karar verme için doğrudan kullanışlı olasılıksal bir karşılaştırma ifadesi sağlar.
Ne tür bir yazılım kullanabilirim?
R'da DPpackage ve spBayesSurv paketleri Dirichlet süreci sağkalım modellerini uygular. Stan (rstan veya brms aracılığıyla) esnek Bayesçi sağkalım modellerini destekler. survbayes paketi klinik kullanıcılar için erişilebilir arayüzler sağlar. SAS ve Python (PyMC) da ilgili uygulamalara sahiptir. MCMC örneklemesi, klasik Kaplan-Meier'den daha uzun çalışma süreleri anlamına gelir.
Bayesçi Kaplan-Meier, FDA veya EMA gibi düzenleyiciler tarafından kabul ediliyor mu?
Klinik denemelerdeki Bayesçi yöntemler, FDA (Adaptive Designs Üzerine Rehber, 2019) ve EMA tarafından önceden belirlenmiş ve iyi gerekçelendirilmiş olduklarında açıkça kabul edilmektedir. Bayesçi sağkalım analizi, birincil frekansçı analizin yanında en yaygın olarak ikincil veya duyarlılık analizi olarak kullanılır, ancak güçlü bir önsel gerekçelendirmeyle adaptif veya nadir hastalık denemelerinde birincil yöntem olabilir.
Kaynaklar
- Susarla, V., & Van Ryzin, J. (1976). Nonparametric Bayesian estimation of survival curves from incomplete observations. Journal of the American Statistical Association, 71(356), 897–902. DOI: 10.1080/01621459.1976.10480966 ↗
- Diaconis, P., & Freedman, D. (1986). On the consistency of Bayes estimates. The Annals of Statistics, 14(1), 1–26. DOI: 10.1214/aos/1176349830 ↗
Bu sayfayı kaynak gösterin
ScholarGate. (2026, June 3). Bayesian Nonparametric Kaplan-Meier Survival Analysis. ScholarGate. https://scholargate.app/tr/epidemiology/bayesian-kaplan-meier-analysis
Hangi yöntem?
Bu yöntemi en yakın akrabalarının yanına koyup yan yana okuyun — kütüphane kitapları masaya serer; seçim sizindir.
- Bayes Cox Orantılı TehlikeEpidemiyoloji↔ karşılaştır
- Cox Orantılı TehlikelerEpidemiyoloji↔ karşılaştır
- Kaplan-Meier AnaliziEpidemiyoloji↔ karşılaştır
- Hayatta Kalma AnaliziAraştırma istatistiği↔ karşılaştır