Drug Analytics — Phân tích dược
Phân tích sống sót chuẩn cho dữ liệu có người rời theo dõi giữa chừng. Bỏ qua kiểm duyệt là sai lầm khiến kết quả lệch mạnh, và Kaplan–Meier tồn tại chính vì lý do đó.
Khoảng tin cậy 95% dựng theo công thức Greenwood. Nó loe rộng dần về cuối vì số người còn trong theo dõi giảm — phần đuôi của mọi đường cong sống sót đều mỏng manh hơn vẻ ngoài của nó.
Là mốc mà đường cong lần đầu cắt xuống 50%. Chưa đạt nghĩa là hơn nửa số quan sát vẫn còn sống ở cuối kỳ, và khi đó không được ngoại suy tiếp đường cong.
Kiểm duyệt cao không tự nó làm hỏng kết quả, nhưng nó khuếch đại hậu quả nếu lý do rời theo dõi có liên quan tới kết cục — bệnh nhân nặng bỏ tái khám là ví dụ điển hình.
Ở biến cố cuối chỉ còn 1 quan sát trong theo dõi. Khi con số đó về 1 và biến cố xảy ra, đường cong rơi thẳng xuống 0 và khoảng Greenwood co lại thành một điểm — đó là hiện vật của công thức chứ không phải bằng chứng rằng không ai sống.
Sức mạnh thống kê của phân tích sống sót đến từ SỐ BIẾN CỐ, không phải số người tham gia. Dưới vài chục biến cố thì mọi so sánh nhóm sau này đều thiếu lực.
| t = 6 | S = 0.9333 [0.807, 1.000] · còn 15 · 1 biến cố |
| t = 8 | S = 0.8667 [0.695, 1.000] · còn 14 · 1 biến cố |
| t = 12 | S = 0.7944 [0.587, 1.000] · còn 12 · 1 biến cố |
| t = 14 | S = 0.7222 [0.490, 0.954] · còn 11 · 1 biến cố |
| t = 18 | S = 0.6420 [0.388, 0.896] · còn 9 · 1 biến cố |
| t = 20 | S = 0.5617 [0.295, 0.828] · còn 8 · 1 biến cố |
| t = 25 | S = 0.4681 [0.190, 0.746] · còn 6 · 1 biến cố |
| t = 28 | S = 0.3745 [0.098, 0.651] · còn 5 · 1 biến cố |
| t = 33 | S = 0.2497 [0.000, 0.522] · còn 3 · 1 biến cố |
| t = 40 | S = 0.0000 [0.000, 0.000] · còn 1 · 1 biến cố |
| Số quan sát | 15 |
| Thời gian theo dõi dài nhất | 40.00 |
| Lưu ý | Đây là phân tích mô tả, không phải so sánh nhóm — muốn so sánh cần log-rank test và điều chỉnh yếu tố gây nhiễu |
Khoảng tin cậy 95% dựng theo công thức Greenwood. Nó loe rộng dần về cuối vì số người còn trong theo dõi giảm — phần đuôi của mọi đường cong sống sót đều mỏng manh hơn vẻ ngoài của nó.
Đây là mẫu số của mỗi bước nhảy. Khi nó rơi xuống một chữ số thì mỗi biến cố kéo đường cong xuống rất mạnh, và bậc thang đó gần như không có ý nghĩa thống kê.
| Thời điểm | Còn theo dõi | Biến cố | S(t) | Cận dưới 95% | Cận trên 95% |
|---|---|---|---|---|---|
| 6 | 15 | 1 | 0.9333 | 0.8071 | 1.0000 |
| 8 | 14 | 1 | 0.8667 | 0.6946 | 1.0000 |
| 12 | 12 | 1 | 0.7944 | 0.5865 | 1.0000 |
| 14 | 11 | 1 | 0.7222 | 0.4900 | 0.9545 |
| 18 | 9 | 1 | 0.6420 | 0.3878 | 0.8962 |
| 20 | 8 | 1 | 0.5617 | 0.2951 | 0.8284 |
| 25 | 6 | 1 | 0.4681 | 0.1898 | 0.7464 |
| 28 | 5 | 1 | 0.3745 | 0.0979 | 0.6511 |
| 33 | 3 | 1 | 0.2497 | 0.0000 | 0.5215 |
| 40 | 1 | 1 | 0.0000 | 0.0000 | 0.0000 |
| t = 6 | S = 0.9333 [0.807, 1.000] · còn 15 · 1 biến cố |
| t = 8 | S = 0.8667 [0.695, 1.000] · còn 14 · 1 biến cố |
| t = 12 | S = 0.7944 [0.587, 1.000] · còn 12 · 1 biến cố |
| t = 14 | S = 0.7222 [0.490, 0.954] · còn 11 · 1 biến cố |
| t = 18 | S = 0.6420 [0.388, 0.896] · còn 9 · 1 biến cố |
| t = 20 | S = 0.5617 [0.295, 0.828] · còn 8 · 1 biến cố |
| t = 25 | S = 0.4681 [0.190, 0.746] · còn 6 · 1 biến cố |
| t = 28 | S = 0.3745 [0.098, 0.651] · còn 5 · 1 biến cố |
| t = 33 | S = 0.2497 [0.000, 0.522] · còn 3 · 1 biến cố |
| t = 40 | S = 0.0000 [0.000, 0.000] · còn 1 · 1 biến cố |
| Số quan sát | 15 |
| Thời gian theo dõi dài nhất | 40.00 |
| Lưu ý | Đây là phân tích mô tả, không phải so sánh nhóm — muốn so sánh cần log-rank test và điều chỉnh yếu tố gây nhiễu |
1.234.567 lẫn 1.234,56.Phân tích dữ liệu dược gồm hai nhánh: đánh giá hiệu quả và an toàn từ dữ liệu thực tế (real-world evidence), và tối ưu chuỗi cung ứng thuốc. Nhánh thứ nhất là bài toán nhân quả, không phải bài toán dự báo.
| Hazard ratio / risk ratio | thước đo hiệu quả |
| E-value | mức nhiễu chưa đo cần có để lật ngược kết luận |
| Tỷ lệ hết hạn | chỉ số vận hành của chuỗi cung ứng thuốc |
Phần quan trọng nhất của trang này. Một phương pháp được mô tả mà không nói chỗ nó hỏng là phiên bản quảng cáo của phương pháp đó.
Chưa có mô hình nào gắn riêng cho chủ đề này. Đây là những mô hình của cả ngành — liên quan ở cấp ngành, không phải cấp chủ đề.
Phân tích dữ liệu dược gồm hai nhánh: đánh giá hiệu quả và an toàn từ dữ liệu thực tế (real-world evidence), và tối ưu chuỗi cung ứng thuốc. Nhánh thứ nhất là bài toán nhân quả, không phải bài toán dự báo.
1. Với câu hỏi hiệu quả: xác định rõ ràng nhóm so sánh và thời điểm bắt đầu theo dõi. 2. Điều chỉnh yếu tố gây nhiễu bằng propensity score hoặc biến công cụ. 3. Phân tích độ nhạy: kết luận có đổi khi thay giả định không. 4. Với chuỗi cung ứng: dự báo nhu cầu có tính hạn dùng và điều kiện bảo quản.
Confounding by indication: bệnh nhân nặng hơn được kê thuốc mạnh hơn, nên thuốc mạnh 'gắn' với kết cục xấu. Immortal time bias khi định nghĩa nhóm phơi nhiễm sai thời điểm.
Hazard ratio / risk ratio — thước đo hiệu quả; E-value — mức nhiễu chưa đo cần có để lật ngược kết luận; Tỷ lệ hết hạn — chỉ số vận hành của chuỗi cung ứng thuốc.
Chưa xây dựng. Mục này hiện là điều hướng và tài liệu tham chiếu; chúng tôi không gắn nhãn 'live' cho thứ chưa chạy.