La supervivencia de sesgo se produce en los estudios retrospectivos donde la inclusión es, en cierto sentido, el resultado dependiente (a través de resultados o sus moderadores) pero es tratada como representante de una población en riesgo en la línea de base. Su descripción no dar detalles de lo que sugiere la supervivencia de sesgo es un problema aquí.
La censura lleva a un tipo diferente de sesgo, la censura de sesgo, cuando no son adecuadamente tenidos en cuenta. Su plan analítico de la utilización de un modelo de Cox no tener debidamente en cuenta la censura por lo tanto la eliminación de la censura de sesgo. A pesar de que la censura no reducir la potencia de un análisis. Supongamos que el monitor de 5.000 personas, pero sólo 10 de la experiencia de un resultado (muerte o de otro tipo), el modelo de Cox no permitirse mucho más poder que un análisis de supervivencia de sólo 10 personas.
Su descripción de la exposición no es exactamente claro para mí. Suena como participantes son elegibles para participar en el estudio sólo si aún no han comenzado una terapia determinada. Después de un período de auto-determinado tiempo, de comenzar una terapia. Usted, a continuación, siga los participantes de un resultado (en el momento de que pueden ser ya sea en o fuera de esta terapia).
Este es un análisis que debe hacerse utilizando variables de tiempo de las covariables, con algunas salvedades. Cuando entro en el estudio, independientemente del tiempo de calendario o de la edad, mi supervivencia "reloj" es en el tiempo 0. Si debo iniciar la terapia en el día 10, y luego morir en el día 20 me contribuir dos correlación de las observaciones de la muestra: la primera que yo vivo de 0 a 10 días sin tratamiento y estoy censurado en vez de 10, la segunda vivo de 0 a 10 días y mueren en el tiempo 10. El reloj se reinicia cuando debo iniciar la terapia. Debilidades son el modelo de Cox equivalente de efectos aleatorios que permiten a la cuenta para el clúster observaciones en tal formato. Si la edad y/o año de calendario son importantes predictores de supervivencia en un estudio de este tipo, usted debe considerar la adición de ellos como covariables en el modelo.
La salvedad a que varían con el tiempo covariables es como sigue: la iniciación de la terapia casi siempre depende latente estado de la enfermedad. Los pacientes cuya primera hospitalización requiere de gran agudeza iniciará la terapia más rápidamente, y es probable que mueren más rápidamente, incluso si el tratamiento es beneficioso. Esto lleva a la utilización de polarización. Si usted medir los indicadores de estado de la enfermedad longitudinalmente (como la presión arterial, el funcionamiento físico, o de otro tipo), la variable latente o modelos de los modelos estructurales marginales pueden ser utilizados para reducir el sesgo.
