সারভাইভাল অ্যানালাইসিস হল পরিসংখ্যানের একটি শাখা যা জৈব পরিসংখ্যানে ব্যবহৃত সময় থেকে ইভেন্ট ডেটা বিশ্লেষণ করতে ব্যবহৃত হয়। এটি আগ্রহের একটি ঘটনা ঘটতে পর্যন্ত সময় অধ্যয়ন জড়িত. যেকোনো পরিসংখ্যান পদ্ধতির মতোই, বেঁচে থাকার বিশ্লেষণ বেশ কয়েকটি মূল অনুমানের উপর ভিত্তি করে করা হয় এবং ফলাফলের নির্ভরযোগ্যতা এবং বৈধতা নিশ্চিত করার জন্য এই অনুমানগুলি পরীক্ষা করা গুরুত্বপূর্ণ।
বেঁচে থাকার বিশ্লেষণে মূল অনুমান
বেঁচে থাকার বিশ্লেষণে বেশ কিছু মূল অনুমান রয়েছে যা ফলাফলের সঠিক ব্যাখ্যার জন্য অপরিহার্য:
- অ-তথ্যমূলক সেন্সরিং: এই অনুমানটি বোঝায় যে একটি ঘটনা ঘটতে বা সেন্সর হওয়ার সম্ভাবনা সত্য ঘটনার সময়ের সাথে সম্পর্কিত নয়। অন্য কথায়, সেন্সরিং প্রক্রিয়া অনুষ্ঠানের সময় দ্বারা প্রভাবিত হওয়া উচিত নয়।
- সারভাইভাল ফাংশন: সারভাইভাল ফাংশন এমন সম্ভাবনার প্রতিনিধিত্ব করে যে একটি বিষয় একটি নির্দিষ্ট সময়ের পরে বেঁচে থাকবে। এটি ধরে নেওয়া হয় যে বেঁচে থাকার ফাংশনটি সময়ের একটি হ্রাসকারী ফাংশন, যার অর্থ সময়ের সাথে সাথে বেঁচে থাকার সম্ভাবনা হ্রাস পায়।
- সেন্সরিংয়ের স্বাধীনতা: এই ধারণাটি বলে যে সেন্সরিংয়ের সময়গুলি বেঁচে থাকার সময়ের থেকে স্বাধীন হতে হবে। অন্য কথায়, সেন্সর করার কারণ অন্তর্নিহিত বেঁচে থাকার সময়ের সাথে সম্পর্কিত হওয়া উচিত নয়।
- আনুপাতিক বিপদ: এই অনুমানটি কক্স আনুপাতিক বিপদ মডেলের জন্য নির্দিষ্ট এবং বোঝায় যে যে কোনও দুই ব্যক্তির জন্য বিপদের হার সর্বদা সমানুপাতিক। এই অনুমানটি ধরে রাখলে, কক্স আনুপাতিক বিপদের মডেলটি বেঁচে থাকার সময়ে কোভেরিয়েটগুলির প্রভাব অনুমান করতে ব্যবহার করা যেতে পারে।
মূল অনুমান পরীক্ষা করা
একবার এই মূল অনুমানগুলি তৈরি হয়ে গেলে, ডেটাসেটে সেগুলি সত্য কিনা তা যাচাই করার জন্য তাদের পরীক্ষা করা অপরিহার্য হয়ে ওঠে। এই অনুমানগুলি পরীক্ষা করার জন্য বেশ কয়েকটি পদ্ধতি ব্যবহার করা হয়:
- Kaplan-Meier কার্ভস: এগুলি একটি হ্রাসপ্রাপ্ত বেঁচে থাকার ফাংশনের অনুমানকে দৃশ্যত মূল্যায়ন করতে ব্যবহৃত হয়। Kaplan-Meier বক্ররেখা সময়ের বিপরীতে বেঁচে থাকার সম্ভাবনা প্লট করে এবং একটি হ্রাসকারী বেঁচে থাকার ফাংশন ধরে রাখে কিনা তা নির্ধারণ করতে সাহায্য করতে পারে।
- কক্স-স্নেল অবশিষ্টাংশ: এই অবশিষ্টাংশগুলি আনুপাতিক বিপদ অনুমান মূল্যায়ন করতে ব্যবহৃত হয়। কক্স-স্নেলের অবশিষ্টাংশ বনাম লগ-টাইমের একটি প্লটে সরলরেখা থেকে বিচ্যুতি আনুপাতিক বিপদ অনুমানের লঙ্ঘন নির্দেশ করবে।
- লগ-র্যাঙ্ক পরীক্ষা: এই পরীক্ষাটি বিভিন্ন গোষ্ঠীর জন্য বেঁচে থাকার বক্ররেখার সমতা মূল্যায়ন করতে ব্যবহৃত হয়। দুই বা ততোধিক গোষ্ঠীর তুলনা করার সময়, একটি উল্লেখযোগ্য ফলাফল অ-তথ্যমূলক সেন্সরিংয়ের অনুমানের লঙ্ঘন নির্দেশ করবে।
- Schoenfeld অবশিষ্টাংশ: এই অবশিষ্টাংশগুলি কক্স সমানুপাতিক বিপদ মডেলে আনুপাতিকতা অনুমান মূল্যায়ন করতে ব্যবহৃত হয়। যদি সময়ের সাথে সাথে শোয়েনফেল্ড অবশিষ্টাংশে একটি প্যাটার্ন থাকে, তবে এটি অনুপাত অনুমানের লঙ্ঘন নির্দেশ করবে।
বায়োস্ট্যাটিস্টিক্সে ব্যবহারিক অ্যাপ্লিকেশন
সারভাইভাল অ্যানালাইসিস বায়োস্ট্যাটিস্টিক্সে ব্যাপক প্রয়োগ রয়েছে, বিশেষ করে ক্লিনিকাল ট্রায়াল ডেটা বিশ্লেষণ, মহামারী সংক্রান্ত গবেষণা এবং চিকিৎসা গবেষণায়। মূল অনুমানগুলি বোঝা এবং কঠোরভাবে তাদের পরীক্ষা করে, গবেষকরা তাদের অনুসন্ধানের বৈধতা নিশ্চিত করতে পারেন এবং ইভেন্টের ফলাফলের সময় সম্পর্কে সঠিক অনুমান করতে পারেন।
উপসংহারে, বেঁচে থাকার বিশ্লেষণ বিভিন্ন মূল অনুমানের উপর নির্ভর করে এবং ফলাফলের বৈধতা নিশ্চিত করার জন্য এই অনুমানগুলি পরীক্ষা করা অত্যন্ত গুরুত্বপূর্ণ। বিভিন্ন পরিসংখ্যানগত পদ্ধতি এবং কৌশল ব্যবহার করে, গবেষকরা যাচাই করতে পারেন যদি অনুমানগুলি সত্য হয় এবং জৈব পরিসংখ্যানে জ্ঞাত সিদ্ধান্ত নেওয়ার জন্য ফলাফলগুলি প্রয়োগ করে।