TGViewer
مقاله | کنفرانس | همایش | سمینار مقاله | کنفرانس | همایش | سمینار @confpaper · 1.6K subscribers
Post #1346 79
🔹 آزمون لگ‌رنک؛ وقتی دو منحنی بقا متفاوت به نظر می‌رسند، چگونه تفاوت را آزمون کنیم؟

در نمودار کاپلان مایر ممکن است دو منحنی از یکدیگر فاصله داشته باشند، اما مشاهده ظاهری نمودار برای نتیجه‌گیری کافی نیست.

برای مقایسه کلی تجربه بقا بین دو یا چند گروه، یکی از آزمون‌های رایج «لگ‌رنک» است.

══════════════

🧠 آزمون لگ‌رنک چه چیزی را بررسی می‌کند؟

این آزمون بررسی می‌کند آیا الگوی وقوع رویداد در طول زمان بین گروه‌ها متفاوت است یا خیر.

به زبان ساده، در هر زمان وقوع رویداد می‌پرسد:

اگر واقعاً تفاوتی بین گروه‌ها وجود نداشت، انتظار داشتیم چند رویداد در هر گروه رخ دهد؟

سپس تعداد مشاهده‌شده و مورد انتظار رویدادها را در طول زمان با یکدیگر مقایسه می‌کند.

══════════════

📌 مثال پژوهشی

فرض کنید دو گروه از دانشجویان داریم:

گروه دریافت‌کننده حمایت پژوهشی

و گروه بدون حمایت پژوهشی

منحنی کاپلان مایر نشان می‌دهد دانشجویان گروه اول مدت بیشتری بدون ترک تحصیل باقی مانده‌اند.

اگر آزمون لگ‌رنک نیز اختلاف معناداری نشان دهد، شواهدی وجود دارد که تجربه بقا در دو گروه یکسان نیست.

اما این آزمون هنوز به ما نمی‌گوید اندازه این تفاوت چقدر است.

══════════════

✍️ مقدار p چه چیزی می‌گوید؟

اگر مقدار p کوچک باشد، داده‌ها با فرض یکسان بودن منحنی‌های بقا کمتر سازگارند.

اما مانند سایر آزمون‌های آماری، مقدار p به تنهایی کافی نیست.

باید در کنار آن به مواردی مانند:

فاصله منحنی‌ها،

تعداد رویدادها،

نسبت مخاطره،

و فاصله اطمینان

نیز توجه شود.

══════════════

📌 تفاوت لگ‌رنک با نسبت مخاطره چیست؟

آزمون لگ‌رنک یک آزمون کلی برای مقایسه منحنی‌های بقاست.

اما نسبت مخاطره اندازه‌ای از شدت تفاوت نرخ وقوع رویداد بین گروه‌ها ارائه می‌دهد.

برای مثال ممکن است آزمون لگ‌رنک معنادار باشد و مدل کاکس نیز:

HR = ۰٫۶۵

گزارش کند.

در این صورت، آزمون اول وجود تفاوت را بررسی می‌کند و نسبت مخاطره اندازه و جهت آن را توصیف می‌کند.

══════════════

⚠️ خطای مهم: عبور منحنی‌های بقا

اگر دو منحنی بقا یکدیگر را قطع کنند، تفسیر آزمون لگ‌رنک دشوارتر می‌شود.

مثلاً ممکن است در ماه‌های ابتدایی گروه اول عملکرد بهتری داشته باشد، اما در ماه‌های بعد وضعیت برعکس شود.

در چنین شرایطی یک آزمون کلی ممکن است تفاوت زمانی اثر را به خوبی نشان ندهد.

باید شکل منحنی‌ها و احتمال تغییر اثر در طول زمان مستقیماً بررسی شود.

══════════════

📌 همه زمان‌ها وزن یکسانی ندارند؟

در آزمون استاندارد لگ‌رنک، رویدادهای زمان‌های مختلف بر اساس ساختار افراد در معرض خطر وارد محاسبه می‌شوند.

اما در برخی پژوهش‌ها ممکن است تفاوت‌های ابتدای پیگیری یا انتهای پیگیری اهمیت بیشتری داشته باشند.

در چنین شرایطی آزمون‌های وزن‌دار دیگری نیز وجود دارند.

بنابراین انتخاب آزمون باید با الگوی مورد انتظار تفاوت‌ها هماهنگ باشد.

══════════════

🎯 چه چیزی باید همراه آزمون لگ‌رنک گزارش شود؟

بهتر است فقط جمله «تفاوت معنادار بود» نوشته نشود.

گزارش کامل‌تر می‌تواند شامل این موارد باشد:

منحنی کاپلان مایر،

تعداد افراد در معرض خطر،

تعداد رویدادها،

مقدار آزمون و p،

و یک شاخص اندازه اثر مانند نسبت مخاطره همراه با فاصله اطمینان.

══════════════

✅ جمع‌بندی

آزمون لگ‌رنک برای مقایسه کلی منحنی‌های بقا استفاده می‌شود.

اما این آزمون به تنهایی نمی‌گوید:

تفاوت چقدر بزرگ است،

در چه زمانی بیشتر است،

یا آیا نسبت خطر در طول زمان ثابت مانده است.

پس در تحلیل بقا، آزمون لگ‌رنک بهتر است همراه با نمودار کاپلان مایر و شاخص‌های اندازه اثر تفسیر شود.

📚 @confpaper
More from @confpaper
  1. Sep 29, 2026🔹 مدل‌های شکنندگی در تحلیل بقا؛ چگونه تفاوت‌های پنهان بین افراد یا خوشه‌ها را در نظر بگیر…
  2. Sep 28, 2026🔹 رویدادهای تکرارشونده در تحلیل بقا؛ وقتی هر فرد ممکن است بیش از یک بار رویداد را تجربه ک…
  3. Sep 28, 2026🔹 مدل خطر اختصاصی علت و مدل فاین گری؛ در خطرهای رقابتی کدام سؤال را می‌خواهیم پاسخ دهیم؟…
  4. Sep 28, 2026🔹 خطرهای رقابتی در تحلیل بقا؛ وقتی یک رویداد مانع وقوع رویداد اصلی می‌شود در برخی مطالعات…
  5. Sep 28, 2026🔹 متغیر وابسته به زمان در تحلیل بقا؛ وقتی مقدار یک پیش‌بین در طول مطالعه تغییر می‌کند در…
  6. Sep 27, 2026🔹 نقض فرض مخاطرات متناسب؛ وقتی اثر یک متغیر در طول زمان ثابت نمی‌ماند در مدل استاندارد کا…
Threads Profile ViewerView any public Threads profile without an account.Open ThreadLook →Writing with AI? Make it sound human.Metric37 rewrites AI drafts so they read naturally. Free AI detector, 1,500 words free.Try Metric37 →