Análisis de supervivencia: tiempo continuo frente a tiempo discreto

Question

Estoy confundido sobre cómo decidir si tratar el tiempo como continuo o discreto en el análisis de supervivencia. En concreto, quiero utilizar el análisis de supervivencia para identificar las variables a nivel de niño y de hogar que tienen la mayor discrepancia en su impacto sobre la supervivencia de los niños frente a la de las niñas (hasta los 5 años). Dispongo de un conjunto de datos de edades de niños (en meses) junto con un indicador de si el niño está vivo, la edad en el momento de la muerte (en meses) y otras variables a nivel de niño y de hogar.

Como el tiempo se registra en meses y todos los niños son menores de 5 años, hay muchos tiempos de supervivencia empatados (a menudo en intervalos de medio año: 0mos, 6mos, 12mos, etc.). Basándome en lo que he leído sobre análisis de supervivencia, el hecho de tener muchos tiempos de supervivencia ligados me hace pensar que debería tratar el tiempo como discreto. Sin embargo, he leído otros estudios en los que el tiempo de supervivencia se expresa, por ejemplo, en años-persona (por lo que seguramente hay tiempos de supervivencia ligados) y se utilizan métodos de tiempo continuo como los riesgos proporcionales de Cox.

¿Cuáles son los criterios que debo utilizar para decidir si debo tratar el tiempo como continuo o discreto? Para mis datos y mi pregunta, utilizar algún modelo de tiempo continuo (Cox, Weibull, etc.) tiene un sentido intuitivo para mí, pero la naturaleza discreta de mis datos y la cantidad de tiempos de supervivencia vinculados parecen sugerir lo contrario.

Answer 1

La elección del modelo de supervivencia debe guiarse por el fenómeno subyacente. En este caso parece ser continuo, aunque los datos se recojan de forma algo discreta. Una resolución de un mes estaría bien para un periodo de 5 años. Sin embargo, el gran número de empates a los 6 y 12 meses hace que uno se pregunte si realmente se tiene una precisión de 1 mes (los empates a 0 son de esperar, ya que se trata de un valor especial en el que se producen relativamente muchas muertes). No estoy muy seguro de qué se puede hacer al respecto, ya que lo más probable es que refleje un redondeo a posteriori y no una censura por intervalos.

Answer 2

En la mayoría de los análisis habrá tiempos de supervivencia empatados, pero es preocupante que se produzcan grandes y claros empates en determinados eventos. Yo reflexionaría mucho sobre el propio estudio, la forma de recopilar los datos, etc.

Porque, fuera de algunas necesidades metodológicas de utilizar un tipo de tiempo u otro, la forma de modelar la supervivencia debería depender de si el proceso subyacente es discreto o continuo en el mundo.

Answer 3

Sospecho que si utiliza modelos de tiempo continuo querrá utilizar la censura por intervalos, para reflejar el hecho de que no conoce el momento exacto del fallo, sino sólo el intervalo en el que se produjo. Si se ajustan modelos de regresión paramétrica con censura por intervalos utilizando el método de máxima verosimilitud, el empate de los tiempos de supervivencia no es un problema, según creo.

Answer 4

Si tiene covariables que varían con el tiempo para algunos individuos (por ejemplo, los ingresos familiares pueden variar en su ejemplo a lo largo de la vida de un niño), los modelos de supervivencia (paramétricos y el modelo de Cox) requieren que corte los datos en intervalos discretos definidos por las covariables variables.

He encontrado este pdf de apuntes de clase de German Rodriguez útil.