Phân tích sống sót khác gì so với hồi quy tuyến tính hay hồi quy logistic?

Khác với hồi quy thông thường, phân tích sống sót theo dõi đồng thời cả hai yếu tố là trạng thái xảy ra biến cố và khoảng thời gian chờ, đặc biệt xử lý được dữ liệu kiểm duyệt khi đối tượng chưa gặp biến cố tại thời điểm kết thúc nghiên cứu.

Ước lượng Kaplan-Meier hoạt động như thế nào?

Kaplan-Meier là phương pháp phi tham số ước lượng xác suất sống sót tích lũy theo từng bước nhảy tại các mốc thời gian xảy ra biến cố, dựa trên tỷ lệ giữa số ca biến cố và số cá thể còn nguy cơ tại mốc thời gian đó.

Mô hình rủi ro tỷ lệ Cox có ưu điểm gì nổi bật?

Mô hình Cox là mô hình bán tham số cho phép đánh giá tác động của nhiều hiệp biến lên tỷ lệ rủi ro mà không cần giả định quy luật phân phối cụ thể của thời gian sống sót nền.

Phân tích sống sót: Khái niệm, mô hình và ứng dụng

Phân tích sống sót là một phân ngành quan trọng của thống kê toán học chuyên nghiên cứu và mô hình hóa khoảng thời gian từ một mốc xác định cho đến khi một sự kiện quan tâm xảy ra, đồng thời xử lý đặc tính dữ liệu bị kiểm duyệt do quá trình theo dõi không trọn vẹn. Phương pháp này đóng vai trò nền tảng trong nghiên cứu y sinh học, dịch tễ học lâm sàng, kỹ thuật độ tin cậy công nghiệp, kinh tế lượng và khoa học xã hội. Mục từ này phân tích toàn diện các nền tảng giải tích của hàm sống sót và hàm rủi ro, phương pháp ước lượng phi tham số Kaplan-Meier, mô hình hồi quy bán tham số rủi ro tỷ lệ Cox, mô hình nguy cơ cạnh tranh Fine-Gray, các bước tiến mở rộng sang học máy và các cạm bẫy phương pháp luận cần kiểm soát.

Bản chất toán học và các khái niệm nền tảng

Điểm khác biệt cốt lõi giữa phân tích sống sót và các kỹ thuật hồi quy cổ điển là sự hiện diện bắt buộc của biến thời gian liên tục không âm kết hợp với hiện tượng dữ liệu bị kiểm duyệt (censoring). Giả sử thời gian từ thời điểm bắt đầu quan sát cho đến khi xuất hiện biến cố của một cá thể là biến ngẫu nhiên liên tục $T \ge 0$ .

Hiện tượng dữ liệu bị kiểm duyệt

Dữ liệu kiểm duyệt phát sinh khi thông tin về thời điểm xảy ra sự kiện của đối tượng quan sát chỉ được ghi nhận một phần:

Kiểm duyệt phải (Right censoring): Dạng kiểm duyệt phổ biến nhất trong thực tế, xuất hiện khi thời gian nghiên cứu kết thúc trước khi cá thể gặp biến cố, hoặc đối tượng mất liên lạc trong quá trình theo dõi. Ta chỉ biết rằng thời gian sống sót thực tế lớn hơn thời gian quan sát ghi nhận.
Kiểm duyệt trái (Left censoring): Xuất hiện khi biến cố đã xảy ra tại một thời điểm không xác định trước khi đối tượng bước vào quy trình theo dõi.
Kiểm duyệt khoảng (Interval censoring): Biến cố được ghi nhận là đã diễn ra trong một khoảng thời gian xác định giữa hai lần thăm khám liên tiếp, nhưng mốc thời gian chính xác không được biết.

Hầu hết các kỹ thuật ước lượng chuẩn yêu cầu giả định kiểm duyệt không mang tính cung cấp thông tin (non-informative censoring), nghĩa là xác suất một cá thể bị kiểm duyệt tại thời điểm bất kỳ không phụ thuộc vào nguy cơ tiềm ẩn gặp biến cố của chính cá thể đó.

Các hàm toán học cốt lõi

Phân phối xác suất của biến thời gian sống sót $T$ được mô tả hoàn chỉnh thông qua ba hàm giải tích liên hệ mật thiết với nhau:

1. Hàm phân phối tích lũy và hàm sống sót: Gọi $f(t)$ là hàm mật độ xác suất của thời gian sống sót. Hàm phân phối tích lũy $F(t)$ đo lường xác suất biến cố xảy ra trước hoặc tại thời điểm $t$ :

F(t) = P(T \le t) = \int_0^t f(u) du

Hàm sống sót (survival function), ký hiệu là $S(t)$ , biểu diễn xác suất một cá thể duy trì trạng thái sống sót vượt qua mốc thời gian $t$ :

S(t) = P(T > t) = 1 - F(t) = \int_t^\infty f(u) du

Hàm sống sót có các tính chất giải tích căn bản: là hàm đơn điệu giảm trên miền thời gian không âm, thỏa mãn $S(0) = 1$ và giới hạn $\lim_{t \to \infty} S(t) = 0$ .

2. Hàm tỷ lệ rủi ro (Hazard function): Ký hiệu là $\lambda(t)$ , hàm tỷ lệ rủi ro đo lường cường độ hoặc tốc độ xảy ra biến cố tức thời trên mỗi đơn vị thời gian tại thời điểm $t$ , với điều kiện cá thể đã sống sót tới thời điểm $t$ :

\lambda(t) = \lim_{\Delta t \to 0} \frac{P(t \le T < t + \Delta t \mid T \ge t)}{\Delta t} = \frac{f(t)}{S(t)} = -\frac{d \ln S(t)}{dt}

3. Hàm rủi ro tích lũy (Cumulative hazard function): Ký hiệu là $\Lambda(t)$ , biểu diễn tổng lượng rủi ro tích lũy từ thời điểm bắt đầu quan sát tới thời điểm $t$ :

\Lambda(t) = \int_0^t \lambda(u) du = -\ln S(t)

Từ mối quan hệ vi tích phân này, hàm sống sót có thể biểu diễn tường minh qua hàm rủi ro tích lũy:

S(t) = \exp(-\Lambda(t)) = \exp\left(-\int_0^t \lambda(u) du\right)

Phương pháp ước lượng phi tham số

Khi quy luật phân phối xác suất nền của thời gian sống sót không được biết trước, các phương pháp phi tham số (non-parametric methods) được ưu tiên sử dụng để ước lượng hàm sống sót trực tiếp từ dữ liệu mẫu có kiểm duyệt.

Ước lượng giới hạn tích Kaplan-Meier

Được đề xuất bởi Kaplan và Meier (1958), ước lượng giới hạn tích (product-limit estimator) là phương pháp chuẩn mực bậc nhất trong phân tích sống sót. Giả sử trong tập dữ liệu mẫu có các mốc thời gian xảy ra biến cố phân biệt được sắp xếp theo thứ tự tăng dần là $t_1 < t_2 < \dots < t_k$ . Tại mỗi thời điểm $t_i$ , gọi $d_i$ là số lượng cá thể gặp biến cố và $n_i$ là số lượng cá thể còn nguy cơ (risk set) ngay trước mốc $t_i$ . Công thức ước lượng Kaplan-Meier cho hàm sống sót tại thời điểm $t$ được tính theo tích dồn xác suất có điều kiện:

\hat{S}(t) = \prod_{t_i \le t} \left(1 - \frac{d_i}{n_i}\right)

Đường cong Kaplan-Meier là một hàm bậc thang giảm gián đoạn tại các thời điểm xảy ra biến cố. Các đối tượng bị kiểm duyệt giữa hai mốc biến cố liên tiếp không làm thay đổi trực tiếp giá trị của hàm sống sót, nhưng làm giảm số lượng cá thể thuộc tập nguy cơ $n_i$ ở các mốc thời gian tiếp sau.

Phương sai của ước lượng Kaplan-Meier được tính xấp xỉ thông qua công thức Greenwood:

\widehat{\text{Var}}(\hat{S}(t)) = [\hat{S}(t)]^2 \sum_{t_i \le t} \frac{d_i}{n_i (n_i - d_i)}

Từ phương sai này, khoảng tin cậy tiệm cận của xác suất sống sót tại từng mốc thời gian được thiết lập dựa trên phân phối chuẩn.

Kiểm định Log-Rank

Để so sánh hàm sống sót giữa hai hay nhiều nhóm độc lập (ví dụ nhóm can thiệp và nhóm đối chứng), kiểm định log-rank là công cụ phi tham số phổ biến nhất. Kiểm định này kiểm tra giả thuyết vô hiệu cho rằng các đường cong sống sót của các nhóm là đồng nhất trên toàn bộ thời gian theo dõi.

Tại mỗi thời điểm biến cố $t_i$ , kiểm định thiết lập bảng ngẫu nhiên phân chia số ca biến cố thực tế quan sát được và số ca biến cố kỳ vọng theo giả thuyết vô hiệu dựa trên tỷ lệ tập nguy cơ của từng nhóm. Thống kê kiểm định có phân phối xấp xỉ Chi bình phương khi cỡ mẫu đủ lớn.

Mô hình hồi quy bán tham số rủi ro tỷ lệ Cox

Trong nghiên cứu thực nghiệm, các nhà khoa học thường cần đánh giá đồng thời tác động của nhiều biến giải thích (hiệp biến định lượng hoặc định tính) lên thời gian sống sót. Mô hình rủi ro tỷ lệ do Cox (1972) đề xuất là bước đột phá kết hợp giữa cấu trúc bán tham số linh hoạt và khả năng ước lượng hiệu quả.

Cấu trúc mô hình

Mô hình Cox giả định rằng hàm tỷ lệ rủi ro của một cá thể mang vector hiệp biến $X = (X_1, X_2, \dots, X_p)^T$ tại thời điểm $t$ có dạng tích phân tách biệt giữa thành phần thời gian và thành phần hiệp biến:

\lambda(t \mid X) = \lambda_0(t) \exp(\beta^T X) = \lambda_0(t) \exp\left(\sum_{j=1}^p \beta_j X_j\right)

Trong cấu trúc này:

$\lambda_0(t)$ là hàm rủi ro nền (baseline hazard), đại diện cho mức rủi ro tức thời của cá thể khi toàn bộ các biến hiệp biến nhận giá trị 0. Thành phần này hoàn toàn phi tham số, không đòi hỏi bất kỳ giả định nào về dạng phân phối toán học của thời gian.
$\beta = (\beta_1, \beta_2, \dots, \beta_p)^T$ là vector hệ số hồi quy tham số cần ước lượng.
$\exp(\beta^T X)$ là hàm số mũ đảm bảo tỷ lệ rủi ro luôn nhận giá trị dương.

Ý nghĩa của tỷ số nguy cơ (Hazard Ratio)

Xét hai cá thể có vector hiệp biến lần lượt là $X^*$ và $X$ . Tỷ số nguy cơ (Hazard Ratio, ký hiệu là HR) giữa hai cá thể này được xác định bởi:

HR = \frac{\lambda(t \mid X^*)}{\lambda(t \mid X)} = \frac{\lambda_0(t) \exp(\beta^T X^*)}{\lambda_0(t) \exp(\beta^T X)} = \exp(\beta^T (X^* - X))

Đặc điểm nổi bật của mô hình Cox là thành phần hàm rủi ro nền $\lambda_0(t)$ bị triệt tiêu hoàn toàn khi lập tỷ số. Do đó, tỷ số nguy cơ là một đại lượng không đổi theo thời gian. Nếu biến hiệp biến $X_j$ tăng thêm 1 đơn vị trong khi các biến khác giữ nguyên, tỷ số nguy cơ thay đổi theo hệ số $\exp(\beta_j)$ :

$\beta_j > 0 \implies \exp(\beta_j) > 1$ : Biến hiệp biến làm gia tăng nguy cơ biến cố (yếu tố nguy cơ).
$\beta_j < 0 \implies \exp(\beta_j) < 1$ : Biến hiệp biến làm suy giảm nguy cơ biến cố (yếu tố bảo vệ).
$\beta_j = 0 \implies \exp(\beta_j) = 1$ : Biến hiệp biến không có tác động đến tỷ lệ rủi ro.

Ước lượng hợp lý từng phần (Partial Likelihood)

Cox (1972) đã phát triển phương pháp ước lượng hợp lý từng phần (partial likelihood) cho phép ước lượng vector hệ số $\beta$ mà không cần quan tâm đến dạng hàm của $\lambda_0(t)$ . Hàm hợp lý từng phần dựa trên thông tin về thứ tự xảy ra các biến cố:

L(\beta) = \prod_{i=1}^k \frac{\exp(\beta^T X_i)}{\sum_{j \in R(t_i)} \exp(\beta^T X_j)}

với $R(t_i)$ là tập hợp các cá thể còn nguy cơ ngay trước thời điểm xảy ra biến cố $t_i$ , và $X_i$ là vector hiệp biến của cá thể gặp biến cố tại mốc thời gian đó.

Phân tích nguy cơ cạnh tranh (Competing Risks)

Trong nhiều nghiên cứu lâm sàng và dịch tễ học, đối tượng quan sát có thể gặp phải nhiều loại biến cố loại trừ lẫn nhau, trong đó sự xuất hiện của một loại biến cố sẽ ngăn chặn hoàn toàn hoặc làm thay đổi căn bản khả năng xảy ra của biến cố quan tâm chính (ví dụ: tử vong do bệnh tim mạch đóng vai trò là nguy cơ cạnh tranh đối với nghiên cứu về tử vong do ung thư).

Nếu coi các biến cố cạnh tranh đơn thuần là dữ liệu kiểm duyệt phải, ước lượng Kaplan-Meier truyền thống sẽ vi phạm giả định kiểm duyệt độc lập và dẫn đến việc thổi phồng quá mức xác suất tích lũy của biến cố quan tâm. Để khắc phục triệt để sai số này, hàm tỷ lệ mắc tích lũy (Cumulative Incidence Function - CIF) và mô hình rủi ro phân phối phụ của Fine và Gray (1999) được áp dụng.

Mô hình Fine-Gray thiết lập hồi quy trực tiếp trên hàm rủi ro phân phối phụ $\gamma_1(t \mid X)$ của biến cố quan tâm (loại 1):

\gamma_1(t \mid X) = \gamma_{0}(t) \exp(\beta^T X)

với $\gamma_{0}(t)$ là hàm rủi ro phân phối phụ nền. Mô hình này duy trì các cá thể đã gặp biến cố cạnh tranh trong tập nguy cơ hiệu chỉnh, đảm bảo ước lượng chính xác xác suất tích lũy thực tế của biến cố trong quần thể quan sát.

Mở rộng phương pháp với học máy

Sự phát triển mạnh mẽ của khoa học dữ liệu và y học cá thể hóa đã thúc đẩy tích hợp các thuật toán học máy hiện đại vào phân tích dữ liệu sống sót có kiểm duyệt:

Rừng sống sót ngẫu nhiên (Random Survival Forests - RSF): Được phát triển bởi Ishwaran và cs. (2008), RSF là phương pháp học máy tập hợp mở rộng thuật toán rừng ngẫu nhiên cho dữ liệu kiểm duyệt phải. Bằng việc sử dụng quy tắc phân tách nút dựa trên thống kê log-rank và tổng hợp các ước lượng hàm rủi ro tích lũy Nelson-Aalen trên từng cây quyết định, RSF tự động nắm bắt các mối tương tác bậc cao phi tuyến tính giữa các biến mà không đòi hỏi giả định rủi ro tỷ lệ.
DeepSurv: Được giới thiệu bởi Katzman và cs. (2018), DeepSurv là mạng nơ-ron sâu nhiều tầng (deep feed-forward neural network) tối ưu hóa hàm mất mát dựa trên log-partial likelihood của Cox. DeepSurv cho phép mô hình hóa hiệu quả các quan hệ phi tuyến phức tạp giữa hệ thống biến lâm sàng và tỷ lệ rủi ro, hỗ trợ đắc lực cho việc cá nhân hóa phác đồ điều trị.

Bảng tổng hợp dưới đây so sánh các phương pháp phân tích sống sót chủ yếu về mặt phương pháp luận và phạm vi áp dụng:

Phương pháp	Bản chất mô hình	Giả định phân phối rủi ro nền	Xử lý tương tác phi tuyến	Xử lý nguy cơ cạnh tranh
Kaplan-Meier	Phi tham số	Không giả định	Không áp dụng cho đa biến	Dễ thổi phồng xác suất biến cố
Hồi quy Cox	Bán tham số	Không giả định rủi ro nền	Cần chỉ định thủ công	Đòi hỏi mô hình rủi ro riêng biệt từng nguyên nhân
Mô hình Fine-Gray	Bán tham số	Không giả định	Cần chỉ định thủ công	Tối ưu hóa trực tiếp trên hàm rủi ro phân phối phụ
Random Survival Forests	Học máy phi tham số	Không giả định	Tự động nắm bắt tương tác phức tạp	Mở rộng được qua rừng ngẫu nhiên đa biến cố
DeepSurv	Mạng nơ-ron sâu	Không giả định rủi ro nền	Mô hình hóa phi tuyến vượt trội	Mở rộng được cho phân tích đa nhiệm

Các cạm bẫy phương pháp luận và điều kiện kiểm soát

Để đảm bảo tính chuẩn xác và giá trị khoa học của kết quả phân tích sống sót, các nhà nghiên cứu cần nhận diện và kiểm soát chặt chẽ các sai lệch phương pháp luận phổ biến:

Vi phạm giả định rủi ro tỷ lệ: Mô hình Cox đòi hỏi tỷ số nguy cơ giữa các nhóm không đổi theo thời gian. Cần kiểm tra định lượng giả định này bằng đồ thị và kiểm định thống kê phần dư Schoenfeld. Khi giả định bị vi phạm, nhà nghiên cứu phải chuyển sang sử dụng biến tương tác theo thời gian (time-varying covariates), phân tầng hồi quy (stratified Cox model) hoặc các mô hình thời gian thất bại tăng tốc (AFT).
Sai lệch bất tử (Immortal Time Bias): Xuất hiện khi một khoảng thời gian theo dõi mà trong đó biến cố không thể xảy ra lại được gộp nhầm vào nhóm điều trị hoặc phơi nhiễm, dẫn đến việc đánh giá sai lệch hiệu quả can thiệp. Cần kiểm soát bằng cách sử dụng hiệp biến phụ thuộc thời gian (time-dependent covariates).
Kiểm duyệt mang thông tin (Informative Censoring): Hiện tượng mất dấu theo dõi do tình trạng bệnh nhân chuyển biến nặng làm sai lệch ước lượng sống sót. Trong trường hợp này, các mô hình phân tích độ nhạy hoặc mô hình phương trình đồng thời cần được thiết lập để đánh giá mức độ ảnh hưởng của sai số kiểm duyệt.