Calculadora de análisis de supervivencia

El análisis de supervivencia estudia el tiempo hasta que ocurre un evento. Este puede ser la muerte, una recaída, una avería, la pérdida de un cliente, la recuperación o cualquier desenlace claramente definido. A diferencia de los promedios habituales, estos métodos aprovechan la información de sujetos cuyo evento no se ha observado al finalizar el seguimiento. Esas observaciones se consideran censuradas, en lugar de tratarlas como eventos o descartarlas. Esta calculadora usa el estimador producto límite de Kaplan–Meier. En cada tiempo de evento distinto, cuenta los sujetos que siguen en riesgo justo antes y los eventos ocurridos en ese momento. La probabilidad condicional de sobrevivir al intervalo es (n − d) / n, donde n es el tamaño del conjunto en riesgo y d el número de eventos. Al multiplicar ese factor por todos los anteriores se obtiene la probabilidad acumulada de supervivencia. La estimación solo cambia cuando hay eventos; una observación censurada reduce los conjuntos en riesgo posteriores, pero no disminuye directamente la supervivencia. Introduce los tiempos de supervivencia en el primer campo y los indicadores correspondientes en el segundo. Usa 1 si ocurrió el evento y 0 si la observación fue censurada. El primer tiempo corresponde al primer indicador, el segundo al segundo, y así sucesivamente. Los tiempos deben ser no negativos y pueden usar cualquier unidad coherente, como días, meses, años, horas de funcionamiento o ciclos de facturación. La salida conserva esa unidad. La tabla muestra cada tiempo observado, los sujetos en riesgo, los eventos, las observaciones censuradas y la supervivencia acumulada. Si coinciden eventos y censuras, los eventos se evalúan con el conjunto en riesgo completo de ese momento antes de retirar esas observaciones. Es un tratamiento habitual para datos agrupados. La mediana de supervivencia es el primer tiempo en que la supervivencia estimada es igual o inferior a 0.5. Si la curva nunca llega a 0.5, se indica que no se ha alcanzado la mediana, sin extrapolarla. La censura debe ser no informativa para interpretar de forma fiable una estimación simple de Kaplan–Meier. En la práctica, los sujetos censurados no deberían tener un riesgo futuro sistemáticamente distinto solo por haber sido censurados. El estimador tampoco ajusta por edad, tratamiento, exposición u otras covariables. Una comparación formal de curvas puede requerir una prueba de log-rank; para análisis ajustados suele usarse el modelo de riesgos proporcionales de Cox. Usa la tabla como una estimación descriptiva transparente, no como sustituto del diseño del estudio o del criterio clínico. Los conjuntos en riesgo pequeños al final del seguimiento producen estimaciones inestables en la cola, y esta calculadora compacta no muestra intervalos de confianza. En informes de investigación, acompaña las probabilidades con intervalos de incertidumbre, especifica las reglas de censura y el origen temporal, y usa software estadístico validado para extraer conclusiones inferenciales.