Analisis kelangsungan hidup di mana kovariat tidak tersedia untuk data yang disensor

Saya melihat waktu yang dibutuhkan oleh hakim untuk mencapai keputusan. Setiap hakim menilai sejumlah pelamar dan dapat menyetujui atau tidak menyetujui aplikasi. Kasus ini selesai ketika hakim menyampaikan laporannya, yang mungkin beberapa saat setelah sidang. Sejumlah kasus masih terbuka pada akhir periode penelitian.

Saya ingin memperkirakan waktu rata-rata yang diperlukan agar kasing bergerak melalui sistem. Selain itu, saya ingin melihat apakah kasus yang ditolak membutuhkan waktu lebih lama daripada kasus yang disetujui. (Hakim tampaknya menghabiskan waktu lebih lama untuk menulis laporan mereka yang akhirnya gagal disetujui, atau mencari dokumentasi tambahan).

Jelas, saya tidak tahu apakah kasus-kasus yang masih terbuka ketika penelitian berakhir akan disetujui atau tidak, sehingga kovariat (menyetujui / tidak menyetujui) disensor bersama dengan data.

Adakah yang bisa saya lakukan tentang ini?

survival

— Placidia
sumber

Apakah setiap hakim hanya memperlakukan satu pelamar? Apakah kita memiliki masalah dengan asumsi 'non-informatif sensor' dalam bertahan hidup? Apakah semua pelamar memulai proses pada saat yang sama?

— Michael M

Setiap juri memperlakukan banyak pelamar dalam masa studi (masing-masing sekitar 30 orang). Beberapa kasus diselesaikan (terima / tolak) - lainnya masih terbuka.

— Placidia

Jawaban:

@jsk memiliki kunci dalam komentar mereka untuk jawaban @Alexis. Jenis analisis survival yang tepat untuk digunakan dalam kasus ini adalah Risiko Bersaing. Anda memiliki tiga kemungkinan hasil: a) diterima, b) ditolak, dan c) disensor benar.

Kuncinya adalah bahwa yang diterima / ditolak bukanlah kovariat tunggal melainkan dua risiko yang saling bersaing. Ini cukup mudah di sebagian besar perangkat lunak statistik. Misalnya, dalam R survivalpaket, Anda hanya kode acara sebagai faktor dengan tingkat censored, accepteddan rejected. ( censoredharus menjadi level pertama, level lain diasumsikan sebagai risiko yang bersaing).

— Wayne
sumber

Terima kasih telah menjawab ini. Analisis yang mendorong pertanyaan saya telah disusul oleh berbagai peristiwa, tetapi saya baru saja diberikan satu set data baru dengan tuntutan serupa.

— Placidia

Jika saya mengerti Anda, ini adalah analisis survival standar / analisis peristiwa peristiwa yang cukup-menyensor; Kaplan-Meyer, model bahaya waktu-diskrit, dll. Semua memperkirakan "apakah dan kapan" suatu peristiwa terjadi saat menghitung penyensoran yang benar dari kejadian peristiwa (yaitu persetujuan kasus kasus Anda) dengan memasukkan penyusutan sampel yang berisiko mengalami kejadian dari waktu ke waktu karena kejadian acara dan karena sensor.

The Artikel Wikipedia memberikan intro yang layak. Dan Anda mungkin melihat Singer, JD and Willett, JB (2003). Analisis data longitudinal terapan: Perubahan pemodelan dan kejadian peristiwa . Oxford University Press, New York, NY, yang menjelaskan secara terperinci tentang model sejarah peristiwa diskrit waktu, dan memiliki bagian yang cukup layak pada model bahaya proporsional Cox.

— Alexis
sumber

Apakah Anda yakin ini sesuai untuk analisis kelangsungan hidup standar? Sepertinya ada dua peristiwa yang saling eksklusif yang bisa terjadi. Mungkin model risiko yang bersaing akan lebih tepat?

— jsk

Oh Apakah saya salah paham? Ah iya. . . Saya pikir kamu mungkin benar. Meskipun, saya bertanya-tanya apakah itu dapat dibingkai sebagai model dua tahap: sejarah acara untuk apakah / ketika "keputusan" dibuat, dan tahap kedua untuk pemodelan apa yang menerima / menolak?

— Alexis

Tidak yakin itu akan berhasil. Cepat atau lambat, setiap kasus diselesaikan dengan satu atau lain cara. Jika tidak ada hubungan antara waktu dengan penilaian dan keputusan, maka sensor tidak informatif. Tetapi jika penolakan memakan waktu lebih lama, katakanlah, jumlah kasus terbuka yang tidak proporsional akan untuk penolakan (meskipun kita tidak tahu yang mana). Saya bertanya-tanya apa yang akan terjadi jika seseorang berusaha menyalahkan hasil dari kasus-kasus terbuka.

— Placidia

Placida, itu benar-benar menarik: dapatkah Anda menguraikan aspek ketergantungan waktu ini pada pertanyaan Anda? Juga bagaimana dengan kematian, pemindahan dan pensiun: tentu saja tidak semua kasus diputuskan oleh hakim asli?

— Alexis

Saya kira suatu kasus mungkin ditransfer ke hakim lain, tetapi itu jarang terjadi. Kasus-kasus biasanya diputuskan dalam beberapa minggu. Jika kasus yang dapat ditolak membutuhkan waktu lebih lama, maka lebih banyak barang yang dapat ditolak akan disensor, karena penelitian ini akan berakhir sebelum diputuskan. Masalahnya adalah saya bisa mengamati status keputusan kasus ditutup sebelum penelitian berakhir, tetapi saya tidak bisa mengamati status itu untuk kasus yang disensor. Menggunakan hasil dari kasus ini sebagai kovariat kelihatannya cerdik bagi saya, tetapi secara tidak sengaja, data harus memberikan informasi tentang masalah itu.

— Placidia