Estimasi Kaplan-Meier & Nelson-Aalen untuk Data Survival

Selamat Pagi Sobat sekalian sudah sholat subuh belum? menemani pagi ini semoga postingan ini dapat membantu sobat semua, setelah kemaren saya posting tentang Analisis Data Uji Hidup, nah kali ini nih saya akan berbagi cara melakukan Analisisnya mengguakan bantuan software. Sobat pernah menggunakan R ? Kalau pernah menggunakannya tentunya tidak susah untuk memulainya bukan? Kalau belum punya dan belum pernah menggunakan sebaiknya baca dulu postingan saya Cara Install R di Windows, Oke !! Nah.. misalkan kita punya data waktu sembuh pasien di sebuah rumah sakit seperti berikut:

No	waktu	jk	Obat	status	usia
1	14	0	0	1	9
2	5	0	1	1	13
3	14	1	1	1	11
4	9	1	0	1	14
5	20	1	0	0	12
6	20	1	1	0	15
7	10	1	0	1	13
8	10	1	1	1	14
9	8	0	0	1	9
10	20	0	0	0	9
11	16	0	0	1	10
12	3	0	0	1	9
13	15	0	1	1	11
14	16	1	0	1	13
15	12	0	1	1	10
16	6	1	0	1	13
17	15	1	1	1	9
18	15	1	0	1	14
19	9	1	0	1	9
20	18	0	0	1	14
21	14	1	0	1	10
22	18	1	1	1	11
23	8	1	1	1	13
24	13	0	0	1	11
25	10	0	0	1	9
26	11	1	0	1	14
27	8	1	0	1	12
28	6	1	1	1	12
29	15	1	1	1	10
30	20	1	1	0	10
31	14	1	0	1	11
32	12	1	0	1	9
33	16	1	1	1	11
34	19	1	1	0	10
35	19	0	0	0	13
36	15	0	0	1	12
37	11	0	1	1	9
38	4	0	1	1	14
39	19	0	0	0	13
40	15	0	1	1	9
41	20	1	1	0	10
42	19	1	1	0	10

Keterangan
jk	0=perempuan
	1=laki-laki
status	0=tersensor
	1=sembuh
Obat	0=A
	1=B

Dari data tersebut, kita akan menyelesaikan beberapa studi kasus, Adapun studi kasus yang akan diselesaikan adalah sebagai berikut:

1.      Lakukan estimasi Kaplan-Meier dan interpretasinya! (kalau belum tau apa itu Kaplan-Meier, bisa lihat postingan sebelumnya tentang Analisis Data Uji Hidup)

2.      Lakukan uji estimasi Kaplan-Meier pada tiap jenis obat!

3.      Apakah terdapat perbedaan dari 2 jenis obat tersebut? (gunakan uji Log Rank)

4.      Lakukan estimasi Nelson-Aalen  dan interpretasinya!

5.      Buatlah model terbaik dari data tersebut dan interpretasinya!        

Nah sobat semua, berdasarkan studi kasus di atas maka langkah-langkah untuk menyelesaikannya menggunakan program R 3.3.1 sebagai berikut:

1. Langkah awal adalah memastikan package yang digunakan telah ter-install  dengan menjalankannya seperti berikut:
            

Jika belum ter-install maka lakukan installasi secara manual namun sobat harus terkoneksi internet terlebih dahulu yah. sobat ktik install.packages("survival") pada console program R 3.3.1, lalu ikuti saja sampai installasi selesai, setelah berhasil jangan lupa teriak dan bersyukur yah (hehe) maksudnya ulangi langkah satu  yah.. sekarang ke langkah selanjutnya.

2. Memasukkan data ke jendela kerja program R seperti pada gambar berikut:

          

Error yah ??? Perlu di ingat bagaimana cara memasukkan data ke dalam program R bisa dibaca disini Cara Memasukkan Data Ke Program R. 

3.  Menuliskan script estimasi fungsi survival dengan menggunakan metode Kaplan meier untuk melakukan proses sensoring data seperti pada gambar berikut:

          

4.  Menuliskan script estimasi fungsi survival dengan menggunakan metode Kaplan meier untuk mencari peluang sembuh seperti pada gambar berikut:

          

5. Kemudian menuliskan script estimasi fungsi survival dengan menggunakan metode Kaplan-meier untuk membuat plot seperti pada script berikut:

          

6. Menuliskan script estimasi fungsi survival dengan menggunakan metode Kaplan-meier untuk melakukan analisis dengan mengunakan Log-rank seperti pada script berikut:

          

7. Menuliskan script estimasi fungsi survival dengan menggunakan metode nelson aalen untuk mencari nilai estimasi hazard dengan waktu survival-nya seperti pada gambar berikut:

          

8. Menuliskan script estimasi fungsi survival dengan menggunakan metode nelson aalen untuk melakukan proses sensoring data seperti pada gambar berikut:

          

9. Kemudian menuliskan script estimasi fungsi survival dengan menggunakan metode regresi untuk melakukan analisis regresi dengan menggunakan distribusi exponensial seperti pada gambar berikut:

          

Bagaimana ? Gampang kan? Semoga ilmu ini walaupun sedikit dapat membantu sobat semua yah.. sampai ketemu lagi pada kesempatan yang akan datang. Jangan ragu untuk komentar kalau ada kebingungan yah !! Terimakasih :D