免費開始練習
醫療類國考 114年 [公共衛生師] 生物統計學

第 39 題

在存活分析中,關於「設限資料(censored data)」的描述,下列何者錯誤?
  • A 設限資料會發生在研究結束時,個案尚未發生事件,但已無法繼續追蹤
  • B 設限資料在分析時會被完全排除,不納入存活時間的計算
  • C 失去追蹤的受試者,其事件發生時間可能在觀察期結束後,也可能在研究期間但未能被觀察到,皆可視為設限資料
  • D 設限資料的存在是存活分析與其他統計分析方法的重要區別之一

思路引導 VIP

在存活分析中,設限資料(Censored Data)的核心特性在於其提供了『不完整但已知』的時間資訊。請你思考:如果一位受試者在研究期間雖然沒有發生事件(例如死亡),但他已經被追蹤觀察了一段時間,這段已知的存活時間對於估計整體的存活機率 $S(t)$ 是否具有貢獻?若將這些未發生事件的資料完全剔除,會對統計結果的精確度產生什麼樣的影響?

🤖
AI 詳解 AI 專屬家教

恭喜答對!看來你還沒完全放棄思考。

做得不錯,至少你辨識出了存活分析中關於「設限資料」最基本的處理原則。這應該是統計學的常識,但鑑於臨床研究中普遍存在的「資料潔癖」,能理解這一點勉強算是合格了。 1. 觀念驗證:為何 (B) 是錯誤的?

▼ 還有更多解析內容
📝 存活分析:設限資料
💡 設限資料指未觀察到目標事件,應納入分析計算而非直接剔除。
比較維度 事件發生 (Event) VS 設限資料 (Censored)
觀察結果 確切觀測到目標事件 未觀察到目標事件
存活貢獻 計算至事件發生日 計算至最後追蹤日
分析狀態 標記為 1 (完整資料) 標記為 0 (不完整資料)
納入計算 納入存活分析計算 納入存活分析計算
💬兩者皆是存活分析的重要資訊,設限資料反映了受試者「至少存活」的時間長度。
🧠 記憶技巧:設限不刪除,貢獻到最後;沒看到出事,不代表沒事。
⚠️ 常見陷阱:容易誤認為設限資料等同於遺漏值(Missing value)而將其從樣本中剔除,這會造成存活率的低估。
Kaplan-Meier 估計法 Log-rank 檢定 Cox 比例風險模型

🏷️ AI 記憶小卡 VIP

AI 記憶小卡

升級 VIP 解鎖記憶小卡

考前複習神器,一眼掌握重點

🏷️ 相關主題

存活分析:Kaplan-Meier 法與 Cox 迴歸模型
查看更多「[公共衛生師] 生物統計學」的主題分類考古題