Я не совсем понимаю, как решить, следует ли считать время непрерывным или дискретным в анализе выживания. В частности, я хочу использовать анализ выживаемости для определения переменных на уровне детей и домохозяйств, которые имеют наибольшее расхождение в их влиянии на выживаемость мальчиков и девочек (до 5 лет). У меня есть набор данных о возрасте ребенка (в месяцах), а также показатель того, жив ли ребенок, возраст смерти (в месяцах) и другие переменные на уровне ребенка и домохозяйства.
Поскольку время записывается в месяцах и все дети моложе 5 лет, существует много связанных периодов выживания (часто с интервалом в пол года: 0 мос, 6 мс, 12 мес и т. Д.). Исходя из того, что я прочитал об анализе выживаемости, наличие множества привязанных времен выживания заставляет меня думать, что я должен относиться ко времени как к дискретному. Тем не менее, я прочитал несколько других исследований, где время выживания, например, в человеко-годах (и, конечно, есть выживающие привязанные времена) и методы непрерывного времени, такие как пропорциональные опасности Кокса, используются.
Какие критерии я должен использовать, чтобы решить, следует ли считать время непрерывным или дискретным? Что касается моих данных и вопросов, то использование некоторой модели с непрерывным временем (Кокс, Вейбулл и т. Д.) Имеет для меня интуитивный смысл, но дискретный характер моих данных и количество связанных периодов выживания, по-видимому, указывают на обратное.
Я подозреваю, что если вы используете модели с непрерывным временем, вы захотите использовать интервальную цензуру, отражающую тот факт, что вы не знаете точное время сбоя, а просто интервал, в котором произошел сбой. Если вы подходите для моделей параметрической регрессии с интервальной цензурой с использованием максимального вероятности, связанное время выживания не является проблемой IIRC.
источник
В большинстве анализов времена выживания будут связаны, но большие, четкие куски связей на определенных событиях вызывают беспокойство. Я думаю, долго и упорно о самом исследовании, как его сбора данных и т.д.
Поскольку вне некоторых методологических потребностей использовать тот или иной тип времени, то, как вы моделируете выживание, должно зависеть от того, является ли основной процесс дискретным или непрерывным в мире.
источник
Если у вас есть ковариаты, которые изменяются со временем для некоторых людей (например, доход семьи может варьироваться в вашем примере в течение жизни ребенка), модели выживания (параметрическая и модель Кокса) требуют, чтобы вы разбили данные на дискретные интервалы, определяемые как переменные ковариаты.
Этот документ лекций немецкого Родригеса мне пригодился.
источник