Метод Каплана — Мейера

Метод Каплана — Мейера — это непараметрический статистический метод оценки функции выживаемости по данным с цензурированием, используемый в анализе времени до наступления события. Метод позволяет построить эмпирическую кривую выживаемости, которая показывает вероятность того, что объект (пациент, устройство, участник исследования) не испытает интересующее событие (смерть, отказ, рецидив) в течение заданного времени. Метод был предложен Эдвардом Капланом и Полом Мейером в 1958 году и является одним из ключевых инструментов в медицинской статистике, эпидемиологии, демографии и технической надёжности.

История

Метод Каплана — Мейера был впервые опубликован в 1958 году в статье «Nonparametric Estimation from Incomplete Observations» в журнале Journal of the American Statistical Association. Эдвард Каплан, работавший в то время в Bell Labs, и Пол Мейер, сотрудник Национального института рака (США), независимо друг от друга разработали подход к оценке выживаемости при наличии цензурированных данных — ситуаций, когда точное время события неизвестно (например, пациент выбыл из исследования или не дожил до его окончания). До появления этого метода исследователи часто исключали цензурированные наблюдения, что приводило к смещению оценок. Метод Каплана — Мейера стал первым практическим непараметрическим решением этой проблемы и быстро завоевал популярность в клинических испытаниях, особенно в онкологии.

Основные понятия

Время до события

Время до события (англ. time-to-event) — это случайная величина, представляющая время от начала наблюдения до наступления интересующего события. Типичные примеры: время жизни пациента после постановки диагноза, время до отказа механического устройства, время до рецидива заболевания.

Цензурирование

Цензурирование (англ. censoring) — это ситуация, когда точное время события не наблюдается. Различают несколько типов:

• Правостороннее цензурирование: событие не произошло к моменту окончания исследования или объект выбыл из наблюдения. Это наиболее распространённый тип в медицинских испытаниях.
• Левостороннее цензурирование: известно, что событие произошло до некоторого момента, но точное время неизвестно.
• Интервальное цензурирование: известно, что событие произошло в некотором временном интервале.

Метод Каплана — Мейера корректно учитывает только правостороннее цензурирование, что является его основным ограничением.

Функция выживаемости

Функция выживаемости \( S(t) \) определяется как вероятность того, что объект не испытает событие к моменту времени \( t \): \( S(t) = P(T > t) \), где \( T \) — время до события. Метод Каплана — Мейера даёт её ступенчатую оценку.

Математическая формулировка

Оценка Каплана — Мейера для функции выживаемости вычисляется по формуле:

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

где:

• \( t_i \) — моменты времени, в которые произошли события (например, смерти),
• \( d_i \) — число событий в момент \( t_i \),
• \( n_i \) — число объектов, находящихся под риском непосредственно перед моментом \( t_i \) (то есть ещё не испытавших событие и не цензурированных).

Если цензурирование отсутствует, оценка сводится к эмпирической функции выживаемости \( \hat{S}(t) = \frac{\text{число объектов, переживших время } t}{\text{общее число объектов}} \).

Пример расчёта

Рассмотрим гипотетическое исследование с 5 пациентами, временем жизни (в месяцах): 3, 5, 6+, 8, 10+. Символ «+» обозначает цензурирование (пациент выбыл или жив к концу исследования). Расчёт:

• В момент \( t=3 \): \( n=5 \), \( d=1 \), \( \hat{S}(3) = 1 - 1/5 = 0.8 \).
• В момент \( t=5 \): \( n=4 \) (один пациент умер, один цензурирован после 6, но до 5 ещё не цензурирован), \( d=1 \), \( \hat{S}(5) = 0.8 \times (1 - 1/4) = 0.6 \).
• В момент \( t=8 \): \( n=2 \) (после 5 один пациент цензурирован в 6, осталось 3, из них один умер в 5, один цензурирован в 10 — до 8 ещё не цензурирован), \( d=1 \), \( \hat{S}(8) = 0.6 \times (1 - 1/2) = 0.3 \).

Функция остаётся постоянной между моментами событий.

Свойства метода

Преимущества

• Непараметричность: не требует предположений о распределении времени до события (например, экспоненциальном или Вейбулла).
• Учёт цензурирования: позволяет использовать все доступные данные, включая неполные наблюдения.
• Простота интерпретации: кривая выживаемости интуитивно понятна и легко визуализируется.
• Широкая применимость: используется в медицине, инженерии, социологии, страховании.

Недостатки

• Неэффективность при малых выборках: оценка может быть нестабильной при малом числе событий.
• Только правостороннее цензурирование: не применим для левостороннего или интервального цензурирования без модификаций.
• Ступенчатый характер: функция не является гладкой, что может затруднять оценку в непрерывных процессах.
• Чувствительность к выбросам: редкие события в начале наблюдения могут сильно исказить кривую.

Применение

Медицина и эпидемиология

Метод Каплана — Мейера является стандартом в клинических испытаниях для оценки выживаемости пациентов, времени до рецидива, времени до прогрессирования заболевания. Например, в онкологии кривые Каплана — Мейера используются для сравнения эффективности лечения (химиотерапия, иммунотерапия) с помощью лог-рангового теста. В России метод активно применяется в исследованиях, проводимых Национальным медицинским исследовательским центром онкологии имени Н. Н. Блохина и другими учреждениями.

Техническая надёжность

В инженерии метод используется для оценки надёжности оборудования, времени до отказа компонентов, анализа данных о ремонтах. Например, производители автомобилей применяют его для прогнозирования гарантийных случаев.

Демография и социология

В демографии метод оценивает продолжительность жизни, время до брака, развода или миграции. В социологии — время до повторного трудоустройства или совершения преступления.

Страхование и финансы

В актуарной математике метод используется для оценки рисков смерти, инвалидности или других страховых событий.

Сравнение с другими методами

Параметрические методы

Параметрические методы (например, модель Вейбулла, экспоненциальная модель) предполагают конкретное распределение времени до события и могут быть более точными при правильном выборе модели, но менее гибкими. Метод Каплана — Мейера не требует таких предположений, что делает его предпочтительным при отсутствии априорной информации.

Модель пропорциональных рисков Кокса

Модель Кокса (регрессия Кокса) является полупараметрическим расширением, позволяющим учитывать ковариаты (возраст, пол, лечение). Метод Каплана — Мейера используется для оценки базовой функции выживаемости в модели Кокса, а также для визуализации результатов.

Анализ таблиц смертности

Классические таблицы смертности (актуарный метод) также оценивают выживаемость, но предполагают равномерное распределение событий внутри интервалов. Метод Каплана — Мейера более точен при наличии точных времён событий.

Визуализация

Кривая Каплана — Мейера представляет собой ступенчатую линию, где по оси X отложено время, а по оси Y — вероятность выживаемости. На каждом шаге (моменте события) кривая снижается пропорционально доле событий. Цензурированные наблюдения обычно отмечаются на кривой вертикальными чёрточками. Для сравнения нескольких групп (например, контрольная и экспериментальная) кривые строятся на одном графике, а статистическая значимость различий оценивается с помощью лог-рангового теста или теста Гехана — Бреслоу.

Программная реализация

Метод Каплана — Мейера реализован во всех основных статистических пакетах:

• R: функции survfit() из пакета survival (разработчик — Терри Терно, США).
• Python: метод KaplanMeierFitter из библиотеки lifelines (разработчик — Кэмерон Дэвидсон-Пилон, Канада).
• SPSS: модуль «Анализ выживаемости» (IBM, США).
• SAS: процедура PROC LIFETEST (SAS Institute, США).
• Stata: команда stset и sts list (StataCorp, США).

В России метод широко используется в научных исследованиях, но собственных специализированных пакетов не разработано.

Критика и ограничения

Основная критика метода Каплана — Мейера связана с его предположением о независимости цензурирования и времени события (т. н. «неинформативное цензурирование»). Если цензурирование связано с риском события (например, пациенты с тяжёлым состоянием чаще выбывают из исследования), оценка может быть смещённой. Кроме того, метод не позволяет напрямую учитывать конкурирующие риски (например, смерть от другой причины), хотя существуют модификации (например, метод Аалена — Йохансена). При малых выборках доверительные интервалы для кривой часто строятся с помощью формулы Гринвуда или логарифмического преобразования.

Интересные факты

• Статья Каплана и Мейера 1958 года является одной из наиболее цитируемых в статистической литературе (более 50 000 цитирований по данным Google Scholar на 2025 год).
• Эдвард Каплан, будучи сотрудником Bell Labs, занимался не только статистикой, но и теорией графов и программированием.
• Пол Мейер внёс вклад в развитие методов анализа выживаемости, но его имя менее известно, чем Каплана, из-за того, что Каплан активно популяризировал метод.
• В русскоязычной литературе метод часто называют «оценкой Каплана — Мейера» или «кривыми Каплана — Мейера», хотя корректным является термин «метод Каплана — Мейера».

Источники

• Kaplan, E. L., & Meier, P. (1958). Nonparametric Estimation from Incomplete Observations. Journal of the American Statistical Association, 53(282), 457–481.
• Collett, D. (2015). Modelling Survival Data in Medical Research (3rd ed.). CRC Press.
• Klein, J. P., & Moeschberger, M. L. (2003). Survival Analysis: Techniques for Censored and Truncated Data (2nd ed.). Springer.
• Therneau, T. M., & Grambsch, P. M. (2000). Modeling Survival Data: Extending the Cox Model. Springer.
• Hosmer, D. W., Lemeshow, S., & May, S. (2008). Applied Survival Analysis: Regression Modeling of Time-to-Event Data (2nd ed.). Wiley.