1 / 16

Analisis Survival

Analisis Survival . Abdul Kudus, Ph.D. E-mail : akudus69@unisba.ac.id Blog : abdulkudus.staff.unisba.ac.id. Kontrak Kuliah. Setelah mengikuti kuliah ini mahasiswa akan dapat:. Menjelaskan jenis-jenis masalah yang dapat dianalisis dengan analisis survival Memahami data tersensor

nyoko
Download Presentation

Analisis Survival

An Image/Link below is provided (as is) to download presentation Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author. Content is provided to you AS IS for your information and personal use only. Download presentation by click this link. While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server. During download, if you can't get a presentation, the file might be deleted by the publisher.

E N D

Presentation Transcript

  1. Analisis Survival Abdul Kudus, Ph.D. E-mail : akudus69@unisba.ac.id Blog : abdulkudus.staff.unisba.ac.id

  2. Kontrak Kuliah Setelah mengikuti kuliah ini mahasiswa akan dapat: • Menjelaskan jenis-jenis masalah yang dapat dianalisis dengan analisis survival • Memahami data tersensor • Menjelaskan beberapa statistik yang digunakan dalam analisis survival • Memahami beberapa metode dalam analisis survival: • Data sampel tunggal • Dua sampel atau lebih • Regresi Cox Proportional Hazard (PH) • Memeriksa pemenuhan asumsi model regresi Cox PH • Memahami metode Cox berstrata sebagai alternatif Cox PH jika asumsi tidak terpenuhi • Model Cox PH lanjutan untuk menangani data survival yang bergantung terhadap waktu • Model regresi parametrik

  3. Silabus Kontrak kuliah dan Pendahuluan Ukuran deskriptif dan model dalam analisis survival Plot dan interpretasi kurva Survival (S) Kaplan Meier (KM) Uji logrank, uji alternatif Selang Kepercayaan bagi kurva KM dan median,Tugas 1 Model Cox PH, Penaksiran Kemungkinan Maksimum dan Rasio hazard Penaksiran selang, Kurva S berdasarkan model Cox PH, Makna asumsi PH, Penurunan Kemungkinan PH

  4. Silabus (lanjutan) Pemeriksaan asumsi PH dengan pendekatan grafik Pendekatan goodness of fit dan menggunakan kovariat bergantung thd waktu Model Cox berstrata Model Cox berstrata lanjutan, Tugas 2 Variabel bebas bergantung waktu Presentasi tugas 2 Model parametrik

  5. Buku Teks: Judul: Survival Analysis: a-self learning text 3rd edition Karangan: David G. Kleinbaum dan Mitchel Klein Penerbit: Springer Tahun: 2012 Komponen Nilai Akhir: Tugas 1 (10%) Tugas 2 (20%) UTS (30%) UAS (40%)

  6. Pendahuluan • Analisis data, dimanadatanyaadalah "lamanyawaktu" yang dimulaidarisuatu "titikasal" sampaiterjadinyasuatu "kejadian" atautitikakhir. • Kajianinidisebutdengananalisisreliabilitasdalamilmuteknik, analisisdurasidalamilmuekonomidananalisissejarahkejadian (event history) dalamilmusosial. • Variabelresponnyaseringdisebutsbg: waktumasahidup (survival time), waktukerusakan (failure time) atauwaktusampaiterjadinyakejadian (time-to-event): Apakah analisis survival itu? cth., waktusampaimeninggal waktusampaisuatuonderdilmesinrusak waktusampaisidangsarjana

  7. Supayakitabisamendefinisikanvariabelacakini, kitamemerlukan: • titikasal yang jelas • contohpermulaanpercobaan, pembelianmobil • satuanwaktu • contohwakturiil (hari, tahun), kilometer darimobil • definisidarikejadiannya • contohmeninggal, turunmesin

  8. Sifatkhasdari data survival • Pengamatannya non-negatif • Tidakberdistribusi Normal, melainkan miring kekanan (right skewed). • Adaindividu yang datanyatidakdapatditentukan. • Contoh: Bagibeberapaindividu, kitatahuwaktusurvivalnyasekurang-kurangnyaadalaht (pengamatantidaklengkap). Sedangkan, bagi yang lainnya, kitatahuwaktusurvivalnyadenganpersis. • Responpengamatan yang tidaklengkapdisebuttersensor (Waktusurvivalnyalebihkecildari yang sebenarnya, tetapikitatidaktahu yang sebenarnyatsb). • Biasanyatidaksemuaindividumasukkedalampenelitianpadasaatygsama. Adapasien yang masukbelakangan.

  9. Penyensoran • Sensor Kanan: waktusurvivalnyalebih lama daripadawaktu sensor • Pasientsbbelummengalamikejadianygditelitisaatpenelitianberakhir • Pasientidakmengontaklagi (lost to follow-up) selamamasapenelitian • Pasienkeluardaripenelitian

  10. Sensor kiri: waktu survival lebihkecildaripadawaktu sensor Contoh, Penelitianttglamanyawaktusampaiseseorangmenjadipositif HIV, dimanakitaakanmencatatkejadiantsbmanakaladiadinyatakanpositifketikadilakukan test pertama kali. Akantetapikitatidaktahusecarapersiskapansebenarnyadiaterjangkit virus tsb, sehinggawaktukejadiannyatidakdiketahui. Hal inimenggambarkan sensor kiri, karenawaktusurvivalnyaadalahsampaiterjangkit HIV yglebihpendekdibandingkandenganwaktuteramatinya, yang barudiketahuisaatdilakukan test.

  11. Sensor Interval: Waktukejadianberadapadasebuah interval. Seringterjadiketikapengamatannyadilakukansecaraperiodik. • Misalsuatuindividumengalamikejadianantaraumur 8 sampai 10 tahun (waktupersisnyatidakdiketahui). Individuinitersensor interval (yakni, 8 < t < 10).

  12. Contoh data survival: • Contoh 1: UjimasahidupIntegrated circuit (IC) (Escobar & Meeker, 1998) • Ada n = 4156 IC ygdiujiselama 1370 jam. Ada25 yang rusakdalam 100 jam pertama, tigalainnyaantara 100 sampai 600 jam, dantakadalagiygrusaksampai 1370 jam, ketikaujidihentikan. • Saatujidihentikanpada 1370 jam,masihada4128lagi yang tidakrusak.

  13. Contoh 2: Lama Penyembuhandariujiklinisbagipasienleukemia akut (Klein & Moeschberger, 2003) • Adaduakelompok: 6-mercaptopurine (6-MP) dan placebo dengan total 42 anakpengidap leukemia akut. Pasentsbdiamatisampaileukemianyakambuhatausampaiberhentinyapenelitian (dalambulan). • + Pengamatantersensor

  14. Contoh 3: Waktusampaimeninggalnyapasienkanker Laryngeal Pria (Klein & Moeschberger, 2003) • Ada 90 priaygdidiagnosa kanker Larynx. Waktusurvivalnyaadalainterval (dlmtahun) antarapengobatanpertamasampaimeninggalatauberhentinyapenelitian. Dalampenelitianinijugadicatatumurpasienpadasaatdidiagnosa, danstadiumdarikankernya. DimanaStadium I (33 pasien), Stadium II (17 pasien), Stadium III (27 pasien), danStadium IV (13 pasien). Stadium tersebutdiurutkandari yang ringansampai yang paling parah..

  15. * 0 = tersensor, 1 = meninggal

More Related