Анализ данных типа времени жизни, некоторые практические вопросы Опции

[Игорь]

При анализе данных типа времени жизни возникает необходимость расчета дисперсии функции выживания. Она необходима для расчета ДИ.

На с. 238 книги "Эпидемиология" Власов приводит результаты, рассчитанные программой STATISTICA. Результаты вызывают сомнение (почему стандартная ошибка так растет к концу интервала - это не подтверждают расчеты). К тому же Власов дает ссылку на свою же формулу, представляющую собой просто дисперсию доли. Расчет именно по данной формуле практически не имеет ничего общего с приведенным листингом.

С другой стороны, Кокс в книге "Анализ данных типа времени жизни" на с. 53 дает формулу Гринвуда, расчет по которой просто не получается. По другой из формул (4.6, там же) результат выглядит правдоподобным, но отличается от результатов Власова.

Во-вторых, для ДИ Кокс приводит формулу, в которой фигурирует стандартное отклонение, а не стандартная ошибка. Если произвести вычисление по данной формуле, ДИ просто не получаются разумными.

Итак, вопрос. Как считать дисперсию и ДИ функции выживания?

[DrgLena]

Я не очень поняла вопроса. Хи квадр, не значит Присона. По второму слайду, например
Overall Comparisons
Log Rank (Mantel-Cox) Chi-Square=66,250
Breslow (Generalized Wilcoxon) Chi-Square=65,563
Tarone-Ware Chi-Square=67,372 (Это SPSS)
Т.е. При больших выборках практически одинаковые значения критериев.

При сравнении двух выборок программа Statistica предлагает 5 тестов.
Кое что про них известно,

Gehan?s Wilcoxon наиболее часто используют, рекомендуют в тех случаях, когда различия в кривых наиболее выражены в начальный период наблюдения, а также, когда нарушается модель пропорциональных рисков.
Cox?s используют при экспоненциально распределенных выборках. Этот критерий особенно чувствителен к различиям на концах распределений.
Log-Rank Test рекомендуют, когда наблюдаемое число смертей мало.

Я предпочитаю Cox?s и Log-Rank Test просто потому, что в зарубежных публикациях по этой патологии чаще их используют, это наиболее мощные критерии, но риск у меня не пропорциональный, а с хвостами распределения, я не всегда знаю как поступать.