Допустимая доля цензурированных наблюдений в анализе выживаемости, а что если 100%? Опции

[nokh]

Идеальные данные для анализа выживаемости - когда точно известно сколько человек прожил, например, после операции и когда умер. В этом случае цензурированных наблюдений нет. Другой крайний случай - когда все наблюдения цензурированные и дальнейшая судьба пациентов неизвестна. Например один прожил больше года, другой - больше трех. В этом случае может оказаться, что больше года - это 5, а больше трех - это 4. Поэтому, насколько я понимаю, сравнить выживаемость в двух группах где все наблюдения цензурированные невозможно в принципе. А какова допустимая доля цензурированных наблюдений в выборке? Существуют ли какие-то обоснованные или негласные правила? Полазил в и-нете, заглянул в книжки - пока ответа не нашел, хотя везде рассматриваются примеры где полные данные заметно преобладают над цензурированными. Или может считать цензурированными только точно живых на момент анализа, а всех потерявшихся считать умершими в интервале между двумя осмотрами, как прочитал в одной статье?

[nokh]

Спасибо за ответы и интересную дискуссию. Использовать много альтернативных переменных не позволяет объем выборки. Как это оценить количественно я не знаю, но исключительно интуитивно полагаю, что для 100 человек больше 3-5 предикторов рассматривать одновременно не следует. Также мне пока не ясно как влияет на модель многократная дихотомизация одной переменной типа вместо 1, 2, 3, 4, 5 - 1 vs 2+3+4+5, 1+2 vs 3+4+5 и т.п. В этом случае при вычислении средних значений предикторов многократно используются одни и те же данные. Не приводит ли это к сильному смещению оценок? Возможность использования полученных коэффициентов для построения модельных кривых выживаемости впечатляет. Это уже не вывеска, а именно доказательная медицина.

[плав]

Спасибо за ответы и интересную дискуссию. Использовать много альтернативных переменных не позволяет объем выборки. Как это оценить количественно я не знаю, но исключительно интуитивно полагаю, что для 100 человек больше 3-5 предикторов рассматривать одновременно не следует. Также мне пока не ясно как влияет на модель многократная дихотомизация одной переменной типа вместо 1, 2, 3, 4, 5 - 1 vs 2+3+4+5, 1+2 vs 3+4+5 и т.п. В этом случае при вычислении средних значений предикторов многократно используются одни и те же данные. Не приводит ли это к сильному смещению оценок? Возможность использования полученных коэффициентов для построения модельных кривых выживаемости впечатляет. Это уже не вывеска, а именно доказательная медицина.

Никак не влияет (это стандартный подход, использующийся уже лет 30). Это же так или иначе не количественная переменная. Тем более, что при построении модели используются иные правила, чем при тестировании гипотез.