Análise de Sobrevivência para Modelagem de Tempo até Evento

Resumo Executivo

Este estudo mostra como a modelagem de tempo até evento permite estimar risco ao longo do tempo, comparar grupos e tratar observações censuradas sem reduzir o problema a uma classificação em janela fixa.

Pergunta de Negócio

Quais grupos apresentam maior risco de evento ao longo do tempo e quando uma intervenção ou acompanhamento deve ser priorizado?

Pergunta Estatística / Hipótese

A análise testa se curvas de sobrevivência ou taxas de risco diferem entre grupos após considerar censura e covariáveis relevantes.

Dados

A base é pública e inclui datas de início, indicadores de evento, tempos até evento ou censura e covariáveis de grupo. Registos sem evento observado são mantidos como observações censuradas.

Metodologia

Curvas Kaplan-Meier são usadas para comparação não paramétrica entre grupos. Modelos Cox Proportional Hazards estimam hazard ratios ajustados por covariáveis, com diagnóstico dos pressupostos de proporcionalidade.

Implementação

Python e R são usados para preparar janelas de evento, calcular curvas de sobrevivência, ajustar modelos Cox, verificar pressupostos e resumir diferenças de risco para públicos não técnicos.

Resultados

A análise reporta sobrevivência mediana quando estimável, probabilidade de sobrevivência em horizontes relevantes para decisão e hazard ratios com intervalos de incerteza.

Limitações

As limitações incluem censura informativa, confundidores não observados, hazards não proporcionais e risco de interpretação quando as definições de evento não são consistentes.

Recomendação Executiva

Usar o risco dependente do tempo para priorizar ações mais cedo em grupos de maior risco e evitar decisões em janela fixa que ignoram censura.

Ferramentas Utilizadas

Python e R.

Links

Notebook, repositório GitHub e PDF executivo em breve.