วันนี้ขอเกริ่นหลักการของเรื่อง Survival Analysis ไว้คร่าวๆ ก่อนครับ
ใครที่ไม่เคยรู้เรื่องสถิติมาก่อน ก็มักจะคิดว่า Survival Analysis คือการดูอัตราการอยู่รอดของคนที่เป็นโรคใช่ไหมครับ คำตอบนั้นคือ ใช่ครับ แต่ก็ไม่ถูกต้องไปทั้งหมดเสียทีเดียว ก่อนอื่นเราต้องมาทำความเข้าใจกับการวิเคราะห์ข้อมูลกันครับ
โดยปกติแล้วในการศึกษาวิจัยที่ง่ายๆ มักจะมีการกำหนด "ระยะเวลา" ที่จะวัดผลไว้อย่างชัดเจน เช่น การศึกษาการให้ยาแอสไพรินในคนปกติ แล้วมาวัดอัตราตายที่ 3 เดือนว่ากลุ่มที่ให้หรือไม่ให้แอสไพริน กลุ่มไหนมี % ตายมากกว่ากัน
แต่การวัดแบบนี้ไม่ได้เอาเวลาเข้ามาคิดเลยครับ เราจะไม่มีทางทราบเลยว่าก่อนหน้า 3 เดือน หรือหลังจาก 3 เดือนนั้นเป็นอย่างไร กลุ่มไหนมีอัตราตายเร่งอย่างไรกันบ้าง อันนี้เลยจึงเป็นที่มาของการเอา "ระยะเวลา" เข้ามาวิเคราะห์ร่วมกับ "ผลลัพธ์" (ในที่นี้คืออัตราตาย -- แต่จริงๆ แล้วผลลัพธ์นี้อาจจะเป็นอย่างอื่นที่ไม่ตายก็ได้ เช่น การเป็นเบาหวาน การเป็นโรคอัมพาต) หรือในทางระบาดวิทยานั้นเรียกการวิเคราะห์แบบนี้ว่า time-to-event (ระยะเวลาจนกว่าจะเกิดผลลัพธ์) นั่นเองครับ
เราจะเห็นได้ว่าการศึกษาที่สามารถวิเคราะห์แบบนี้ได้ จำเป็นต้องเก็บข้อมูล "ระยะเวลา" ด้วย จากที่ผมเคยเขียนเอาไว้ในบล็อกก่อนๆ คงจะจำกันได้ว่ารูปแบบที่มีระยะเวลาด้วยนั้นก็คือรูปแบบของ Randomized Controlled Trial และ Cohort (ซึ่งก็เป็นได้ทั้ง Retrospective หรือ Prospective เพราะต่างก็เก็บเวลาด้วยกันทั้งคู่) นั่นเองครับ การศึกษาแบบ Cross-sectional นั้นเป็นการศึกษาที่ "จุดหนึ่งของเวลา" ทำให้ไม่สามารถเก็บข้อมูลของระยะเวลาจนเกิดเหตุการณ์นั้นๆ ได้ครับ
ข้อดีของการศึกษาแบบนี้อีกอย่างนั่นก็คือ คนที่จนจบ Study แล้วยังไม่เกิดผลลัพธ์ใดๆ เลย หรือคนที่ติดตามมาอยู่ระยะเวลาหนึ่งแล้วดัน loss follow up ไปซะก่อนนั้นก็ยังมีส่วนอยู่ในการศึกษา ไม่ต้องเอาคนเหล่านี้ออก เพราะเขาก็ยังให้ข้อมูลระยะเวลาส่วนหนึ่งที่เขาไม่เกิดเหตุการณ์ครับ
ตอนต่อไปผมจะมาอธิบายต่อเกี่ยวกับเรื่องนี้นะครับ :D
