XLSTAT: Análisis de Tablas de Vida en Excel

 

Datos para el análisis

Los datos han sido obtenidos en [Lee E.T. (1992). Statistical Methods for Survival Data Analysis, Second Edition, John Wiley & Sons, New York] and represent the evolution of the number of patients with angina pectoris, during a 15 year period (Jan 1,1927 - Dec 31,1941). El tiempo de supervivencia se mide en años tras el momento del diagnóstico. Las frecuencias corresponden a eventos (número de pacientes que murieron durante un intervalo de tiempo) y a retiradas (número de pacientes cuyo seguimiento se ha perdido).

Objetivo

Nuestro objetivo se centra en mostrar la tabla de vida, analizar la mediana del tiempo medio residual (o mediana del tiempo de supervivencia), y graficar la estimación no paramétrica de la función de distribución de supervivencia.

Configuración

Tras abrir XLSTAT, seleccione el comando XLSTAT / Análisis de supervivencia / Tablas de supervivencia .

Tras haber hecho clic en el botón, aparece el cuadro de diálogo Tabla de supervivencia. Seleccione los datos en la hoja de Excel. El campo Datos de tiempo corresponde a los momentos finales del intervalo.

Puesto que los datos son frecuencias, marque la opción Datos ponderados , y luego seleccione los datos “Died” en el campo Indicador de estado , y los datos “Censored” en el campo Indicador censurado .

Los cálculos comienzan una vez hayamos hecho clic en OK. Los resultados se muestran a continuación.

Interpretación de los resultados

La primera tabla muestra un resumen de los datos. La siguiente tabla corresponde a la “Tabla actuarial”. Contiene los resultados del análisis de la tabla de vida, incluyendo algunos indicadores clave tales como la mediana del tiempo de supervivencia.

La tercera tabla aisla la mediana del tiempo de supervivencia y su desviación estándar. A partir de estos valores, podemos concluir que la mediana del tiempo de vida residual para la angina de pecho es 5.3 años. En otras palabras, de 100 pacientes, 50 podrían morir 5.3 años después de haber contraido la enfermedad.

Por último, podemos visualizar varias curvas, incluyendo la función de distribución de supervivencia (SDF, Survival Distribution Function), y la curva -Log(SDF). A partir de esta última, vemos que la función está próxima a un modelo exponencial.