Skip to content
This article is for educational purposes. We encourage you to verify with official sources.

Imagina que estás en un hospital en Ciudad de México y los médicos quieren saber cuánto tiempo tardarán los pacientes en recuperarse después de un nuevo tratamiento. ¿Cómo lo calcularías? Aquí es donde el análisis de supervivencia entra en juego, como un detective que sigue el rastro del tiempo.

¿Qué es el Análisis de Supervivencia?

El análisis de supervivencia es una rama de la estadística que se enfoca en analizar el tiempo hasta que ocurre un evento de interés. Este evento puede ser cualquier cosa, desde la falla de una máquina hasta la recuperación de un paciente.

Definition: El análisis de supervivencia es un conjunto de métodos estadísticos para analizar datos donde la variable de interés es el tiempo hasta que ocurre un evento.

Conceptos Clave

Antes de sumergirnos en los ejercicios, es crucial entender algunos conceptos básicos:

La Función de Supervivencia

La función de supervivencia, denotada como ( S(t) ), es la probabilidad de que el tiempo de falla sea mayor que algún tiempo ( t ).

Formula: $$ S(t) = P(T > t) $$

Donde ( T ) es el tiempo de falla.

Ejercicio 1: Cálculo de la Función de Supervivencia

Vamos a calcular la función de supervivencia para un conjunto de datos simple. Supongamos que tenemos los siguientes tiempos de supervivencia (en meses) para 5 pacientes:

Paciente Tiempo de Supervivencia (meses) Censura
1 6 No
2 3
3 8 No
4 5 No
5 7
  1. Ordena los tiempos de supervivencia.
  2. Calcula la función de supervivencia para cada tiempo.

Método de Kaplan-Meier

El método de Kaplan-Meier es una de las técnicas más utilizadas para estimar la función de supervivencia. Es un método no paramétrico, lo que significa que no asume una distribución específica para los tiempos de supervivencia.

Key point: El estimador de Kaplan-Meier es una herramienta poderosa para analizar datos de supervivencia, especialmente cuando hay datos censurados.

Ejercicio 2: Estimador de Kaplan-Meier

Usando los mismos datos del Ejercicio 1, vamos a aplicar el método de Kaplan-Meier:

  1. Ordena los tiempos de supervivencia.
  2. Para cada tiempo, calcula el número de eventos y el número de censuras.
  3. Usa la fórmula del estimador de Kaplan-Meier para calcular la función de supervivencia.

Formula: $$ \hat{S}(t) = \prod_{t_i \leq t} \left(1 - \frac{d_i}{n_i}\right) $$

Donde ( d_i ) es el número de eventos en el tiempo ( t_i ) y ( n_i ) es el número de individuos en riesgo justo antes de ( t_i ).

Errores Comunes

Al realizar un análisis de supervivencia, es fácil cometer errores. Aquí hay algunos que debes evitar:

Warning: > - No ignorar los datos censurados.

- No asumir una distribución específica sin verificar.

- No confundir el tiempo de supervivencia con el tiempo de seguimiento.

Ejercicio 3: Interpretación de Resultados

Imagina que has calculado la función de supervivencia para dos grupos de pacientes: uno que recibió un tratamiento nuevo y otro que recibió un tratamiento estándar. Los resultados son los siguientes:

Tiempo (meses) Tratamiento Nuevo Tratamiento Estándar
0 1.0 1.0
3 0.9 0.8
6 0.7 0.5
9 0.5 0.3
12 0.3 0.1
  1. Grafica las funciones de supervivencia para ambos grupos.
  2. Interpreta los resultados. ¿Qué tratamiento parece más efectivo?

Resumen

Free resources. Explore more courses, quizzes, exercises and revision sheets — Browse all content for your country.

Free content — sharing allowed with credit to ORBITECH AI Academy.