بخشی از پاورپوینت
اسلاید 1 :
بسم الله الرحمن الرحیم
اسلاید 2 :
سمینار مدل های خطی
اسلاید 3 :
آنالیز بقا و محاسبه طول عمر
Survival Analysis)
(با استفاده از نرم افزار spss)
اسلاید 4 :
مقدمه
يكي از انواع داده ها كه مورد علاقه ي شديد محققين و سرمایه گذاران است اهميت دادن به فاصله زماني تا وقوع بعضي حوادث مانند مرگ ومير و. مي باشد.سوالاتی جذاب و بسیار حساس و پر اهمیت مانند:
طول عمر یک انسان سالم چقدر است؟در صورتی که دچار بیماری خاصی شود یا تحت شرایط خاصی قرار بگیرد طول عمر او چقدر خواهد بود؟
عمر مفید یک محصول چقدر است؟خطر استهلاک در چه زمانی از طول عمر محصول افزایش می یابد؟در صورتی که محصول دچار تغییری مانند تغییر در فرایند تولید گردد چه تاثیری در طول عمر آن خواهد گذاشت؟
اسلاید 5 :
سه نمونه از زمینه های کاری و بازار کار فردی که فقط بتواند به سوالات اسلاید قبل پاسخ دهد!!!!
بیمه های عمر و سرمایه
بیمارستان ها و مراکز درمانی جهت ارائه تاثیر بیماری های مختلف در طول عمر و .
در بخش صنعت (تعیین مدت زمان گارانتی محصولات)
اسلاید 6 :
شكست يا حادثه ي مورد نظر مي تواند حداكثر يك بار براي هر فرد اتفاق افتد.از جمله مواردي كه مي تواند مصداق شكست يا واقعه ي مورد نظر باشد:
طول عمر يك ماشين صنعتي
اولين زمان مراجعه ي يك اتومبيل نو به تعمير گاه
زمان بقای یک بیمار پس از درمان یا انجام یک عمل جراحی
زمان طلاق یک زوج پس از ازدواج و.مثال هايي از اين قبيل هستند.
از آن جايي كه اين روش ها در ابتدا غالباً براي مطالعات مرگ و مير به كار برده مي شد به همين جهت نام ”تجزيه و تحليل زمان بقا ”بر آن نهاده شده است.
اسلاید 7 :
با توجه به مطالب ذکر شده چه روشی برای انجام چنین تحلیلی مناسب است؟
رگرسیون ؟
رگرسیون یک تکنیک آماری است که ارتباط بین یک متغیر وابسته و یک یا چندمتغیر مستقل را بررسی و مدل سازی می کند.برای مثال ارتباط میان وزن که پارامتری نیست که لزوما تغییر نمی کند به عنوان متغیروابسته و فشارخون به عنوان متغیر مستقل
مدلی که رگرسیون ارائه می دهد تا وقتی معتبر است که گذشت زمان تاثیری در متغیر پاسخ ایجاد نکند برای مثال مدل وزن نوزاد
بنابرین رگرسیون روش مناسبی نیست.
رگرسیون
اسلاید 8 :
سری های زمانی ؟
در بحث سری های زمانی بر خلاف اینکه موضوع زمان به صورت یک پارامتر اصلی در نظر گرفته می شود در محاسبه و تخمین طول عمر مدل مناسبی ارائه نخواهد داد چرا که در این مدل با توجه به فرض مانایی سری زمانی پارامتر مهمی که در طول عمر مطرح است و آن بحث استهلاک یا پیری می باشد در نظر گرفته نمی شود
بنابرین روش سری های زمانی در مواردی مانند پیش بینی قیمت سهام، طلا و. کاربرد دارد.
سری های زمانی
اسلاید 9 :
تحلیل بقا از نظر علم آمار مجموعه ای از روش های مختلف آماری در تحلیل متغیر های تصادفی نامنفی است که مقدار آن می تواند زمان شکست یک مولفه فیزیکی یا زمان مرگ یک واحد زنده باشد.
پيشينه ي تحليل بقا كارهایي است که در گذشته در مورد جداول عمر انجام شده که در قرن 17 میلادی شخصی به نام grount اولین فهرست هفتگی مرگ ومیر را در لندن منتشر کرد.
روش صحیحی که جهت انجام چنین تحلیلی مناسب است ؟؟؟
اسلاید 10 :
قابلیت اطمینان یک سیستم عبارت است از احتمال کارکرد سالم و بدون عیب برای مدت زمان مشخص طبق شرایط موجود و از پیش تعیین شده.
قابلیت اطمینان با گذشت زمان تغییر می کند.
از آنجاکه تابع قابلیت اطمینان احتمال عدم از کار افتادگی را بیان می دارد به تابع بقا معروف می باشد. زیرا در واقع تعیین کننده احتمال عمرباقیمانده دستگاه ها است.
نرخ خطر یعنی دستگاه با گذشت زمان در معرض از کارافتادگی بیشتری قرار می گیرد.
اسلاید 11 :
قابلیت اطمینان یا تحلیل بقا به روش پارامتری (روشی که به دانستن توزیع متغیر نیازمند است و محاسبه احتمالات طولانی!!!)
آیا در واقعیت و کاربرد روش بالا قابل استفاده است؟؟؟
با توجه به اینکه در روش بالا برای به دست آوردن توزیع ها نیاز به انجام آزمایش که ممکن است چندین سال به طول بیانجامد دارید آیا مدیری شما را با این شرایط استخدام خواهد نمود؟؟؟؟
اسلاید 12 :
قابلیت اطمینان یا تحلیل بقا به روش ناپارامتری
داده ها ی طول عمر را با تابع احتمال طول عمر و تابع نرخ خطر خلاصه نمایند و نیز برآورد شاخص های مرکزی چون میانه و صدک ها رایج می باشد.از آنجایی که برای استفاده از این روشها نیازبه پیش فرض خاصی در مورد توزیع داده ها نیست،این روش ها را روش های توزیع آزاد یا غیر پارامتری گویند.
اسلاید 13 :
این روش در مقایسه با روش قبلی بسیار ساده تر و قابل اجرا می باشد. همچنین با توجه به پایگاه داده های موجود در سازمان ها (بیمارستان ، کارخانه و .) قابل انجام است. البته در این روش ورود هر متغیر دیگری که در طول عمر اثر خواهد گذاشت امکان پذیر نخواهد بود و فقط بحث طول عمر مد نظر قرار می گیرد.
اسلاید 14 :
برای شروع تحلیل و جمع آوری داده ابتدا می بایست سه مولفه:
1) مبدا زمان
2 ) مقیاس و واحد اندازه گیری گذشت زمان
3) مفهوم شکست یا وقوع حادثه
به طور واضح و دقیق تعریف شود و هیچ گونه ابهامی برای آنها وجود نداشته باشد.
اسلاید 15 :
توزیع های بقا
در مطالعات بقا،توزیع های مختلفی برای زمان وقوع حادثه به کار برده می شود که مورد توجه و علاقه ی شدید محققین می باشد از آن جمله می توان از تابع بقا،تابع خطر،تابع توزیع تجمعی و تابع چگالی احتمال نام برد که در زیر به اختصار به آنها اشاره خواهد شد.
اسلاید 16 :
تابع بقا را با s(t)نشان میدهیم و با احتمالی که یک فرد یا مؤلفه بیشتراز t واحد زمانی زنده بماند؛در مورد توزیعهای گسسته و پیوسته به صورت زیر تعریف میشود:S(t)=pr(T>t) 0≤t<∞
s(0)=1 s(∞)=0
واضح است که s(t) یک تابع غیر صعودی و از چپ پیوسته است.
s(t) نرخ بقا را نیز نشان میدهد به طور مثال اگر زمانها بر حسب سال باشند، s(t) ، نرخ بقای دو ساله را نشان میدهد.
تابع بقا
اسلاید 17 :
تابع بقا میتواند به عنوان یک منحنی هموار به صورت زیر باشد.
اسلاید 18 :
ولی در عمل وقتی از داده ها ی واقعی استفاده می کنیم شکل تابع بقا به صورت پله ای خواهد بود:
اسلاید 19 :
تابع احتمال بقا
با استفاده از نمونه ای ازافراد و از یک مجموعه زمان های بقای مشاهده شده می توان نسبتی از جامعه که در طول یک دوره معین و تحت همان شرایط زنده می مانند برآورد کرد.مثلا با استفاده از اطلاعات مربوط به بیماران سرطانی می توان احتمال زنده ماندن یک بیمار جدید در طول یک فاصله زمانی را برآورد نمود.
همان گونه که یک دوره ی زمانی مشخص را می توان به چند فاصله زمانی کوتاه تر تقسیم کرد،احتمال بقا و زنده ماندن در آن دوره ی زمانی مشخص را نیز می توان بر اساس حاصل ضرب احتمال فواصل کوتاه تر محاسبه کرد.مثلا احتمال این که شخصی در مدت دو هفته زنده بماند را می توان با حاصل ضرب (احتمال زنده ماندن در هفته اول)*(احتمال زنده ماندن در هفته دوم به شرط زنده ماندن در هفته اول)بدست آورد.
اسلاید 20 :
احتمال بقا را می توان با دو روش زیر محاسبه و برآورد نمود.
1) روش کاپلان-مه یر(KM)1
2) روش طول عمر
1.kaplan-meier
