Mermillh Redueed lUlode!

atau Furll lUlodeF

f--r tr
I
I
lK.l
\P' Tujuan Bab l0
i{

Setelah mempefajari Bab 10, diharapkan pembaca marnpu

men!elasl<an dan melakukan perbanciingan kualitas hasil anaiisis full
model dan kualitds hasil analisis reduced mode!"
 Kasus:

dua cara, yaitu secara klinis dan secara statistik.

l. Pemilihan model secara klinis

Secara klinis, pertimbangan utamanya adalah pada manfaat dan
kepraktisan penggunaan model untuk kepentingan l<linis.Apabila
secara klinis lebih bermanfaat untuk menilai survival berdasarkan
kelompok laki-laki dan perempuan, maka reduced modellah model
yang tepat. Akan tetapi, bila secara klinis kita ingin melihat seberapa
besar pengaruh jenis kelamin terhadap survival, makafullmodellah
model yang tepat.

2. Pemilihan model secara statistik

Pemilihan model secara statistik dilakukan dengan uii likelihood
rotio (uji LR). Uji LR dilakukan dengan cara menghitung selisih
likelihood rotio (LR) antara kedua model kemudian dilihat apakah
selisihnya bermakna pada degree of freedom (df) yang sesuai. Secara
matematis, uji LR adalah sebagai berikut.

MRldf=
LRf -L/v
P(k - r)

ALR/df = selisih LR untuk setiap degree of freedom

ARf = LR full model
LRr = LR reduced model
P(k-l) = degree offreedom
p = Jumlah variable interaksi pada full model
K = Jumlah strata pada reduced model
Ho = Reduced model dapat diterima
Ho ditolak bila nilai ALR/df > 3,8

rq6by,::::,:,:,.:'::::.::"':,::.o::*::,:::,:;::
 Untu'k mengetahui berapa besar LR untuk masing-masing
model,l<ita dapat melihatnya pada output Stata dari prosedur yang
telah dilal<ukan pada Bab 8 dan Bab 9. Nilai LR pada full model dan
reduced model disajikan pada gambar l0 dan 10.

No. of subjects 500 Number of obs : 500

uo. of failures
-time at risk
370
472L
rn chi 2 (3) : 1,27 .68
Log likelihood -2087 .0295 prob > chi2 : 0. OOOO

_t I Haz. Ratio std. Err. z P>lzl 195% conf. Intervall

_Iobat_1 | 3.443507 .451-9175 9.42 0.000 2.662662 4.453341
_tstadium_1 | 1.8191"73 .211236 5.15 0.000 L.44889 2.284087
_rsexobat_l | .5546609 .0742096 -4.4I 0.000 .42672 .72096L6

Gqmbor 10.1 Output dori full model. Niloi LR dori full model odoloh
sebesor 127,68

No. of subjects = 500 Number of obs 500

No. of failures =
-t'i me at risk
370
4721
LR chi 2 (2) 93.30
rog likelihood = -1856.8818 prob > chi2 0.0000

_t I Haz. Ratio Std. rrr. z P>lzl 195% conf. rntervall

_robat_l | 2.260014 .2s1"8086 7.32 0.000 1,.8L6649 2.811-584
-Istadium 1- I I.780237 .2OGL22I 4.98 0.000 1.418804 2.233741,

Gqmbor 1O.2. Oulpuf dori reduced model. Niloi LR dori reduced model
odoloh sebesor 93,30

Berdasarkan gambar I dan 10.2, l<ita memperoleh informasi

10.
bahwa LR ful modeladalah 127,68 sementara LR reduced model
adalah 93,30. Berdasarkan hasil analisis pada Bab 8, jumlah variabel
interaksi padafull model adalah satu variabel yaitu interaksi antara
jenis kelamin dengan stadium. Sementara itu, berdasarkan analisis
Bab 9, jumlah strata ada dua yaitu laki-laki dan perempuan. Dengan
informasi tersebdrt, kita sudah dapat menghitung perbedaan LR
untuk setiap df.
tRf-tRr
LLRr df'- P(k-r)

Memilih Model Reduced atau Fu,. Moderi@re

 ALR/df = selisih LR untuk setiap degree of freedom
LRf = LR flull model= 127,68
LRr = LR reduced model= 93,30
P(k-l) = degree offreedom
P - Jumlah variable interaksi padafull model=l
K - Jumlah strata pada reduced model= 2
1 27' 68 - 93' 30 = 34,38
AtR / df - r(2 - r)

Karena nilai ALR/df > 3,8, maka Ho ditolak. Ho ditolak berarti

reduced modeltidak dapat diterima sehingga yang dapat diterima
adalah full model. Dengan demikian, secara statistik, ful/ model lebih
baik daripada reduced model.

ALIS6 SURVIVAL; Dasar-Dasar kori dan Aplikasi Program Stata

 Daftar Pustaka

Kleinbaum DG. Survival analysis: a self-learning text. New

York Springer; 1996

BewickV Cheek L and Ball J. Statistics l2: Survival analysis.

Criticol Ca re 2004, 8: 3 89-3 94

ClarkTG, Bradburn MJ, Love SB,Altman DG. SurvivalAnalysis

Part l: Basic concepts and first analyses. British Journal of Cancer
(2003) 89,232-238.

ClarkTG, Bradburn Mj, Love SB,Altman DG. SurvivalAnalysis

Part ll: Multivariate data analysis - an introduction to concepts and
methods. British Journal of Cancer (2003) 89,43t - 436

ClarkTG, Bradburn MJ, Love SB,Altman DG. SurvivalAnalysis

Part lll: Multivariate data analysis - choosing a model and assessing
its adequacy and fit. British Journal Of Cancer (2003) 89, 605-
6il
ClarkTG, Bradburn MJ, Love SB,Altman DG. SurvivalAnalysis
Part lV: Further concepts and methods in survival analysis. British
Journal of Cancer (2003) 89 (5),781-786

Hosmer DW. Review of An lntroduction to SurvivalAnalysis

Using Stata.The Stata Journal (2OO2) 2, Number 4,pp.428-431

lachine l. Additional nores: Survival analysis with STATA.

2003

Stolberg HO, Norman G,Trop l. Survival Analysis.AJR:185,

july 2005, 19-22

Memilih Model Reduced atau Full Model

Lampiran

Beberapa perintah stata yang Penting untuk analisis survival

No Tujuan Perintah umum Contoh

I Mempersiapkan data
stset t, failure(fail) stset time, fai lu re(status)
untuk analisis survival

2 Kurva Kapplan Meier Sts graph, by(variabel) sts graph, by(obat)

3 Kurva -ln ln survival stphplot, by(variabel) stphplot, by(obat)

4 Global test . stcox variable, . stcox variable,

schoenfeld (schx) schoenfeld(sch*)

scaledsch(sca*) scaledsch(scax)
. stphtest . stphtest
. drop schl scal . drop schl scal

5 Cox regression meminta xi:stcox variablenumeric

xi:stcox i.obat i.stadium
hazard ratio i.variablecategoric

6 Cox regression meminta xi:stcox variablenumeric xi:stcox i.obat i.stadium,

koefisien i.variablecategoric, no hr nohr

7 Cox regression meminta xi:stcox variablenumeric

xi:stcox i.obat i.stadiu)vr.
baseline survivol i.variablecategoric,
basesurv(s0)
basesurv(s0)

I Cox regression meminta xi:stcox variablenumeric

xi:stcox i.obat i.stadium,
boseline hazard i.variablecategoric,
basechazard(s0)
basechazard(h0)

9 Membuat variabel gen variable =

Gen sexobat = sex*obat
intera.ksi variable I *variable2

t0 Cox regression reduced xi:stcox variablenumeric

xi:stcox i.obat i.stadium,
model i.variablecategoric,
strata(sex)
strata(variable)

il Menampilkan boseline

hozard pada outPut Tab time, summarize(ho) Tab time, summarize(ho)

ANALISIS SURVIVAL; Dasar-Dasar Teori danAplikasi Program Stata

t2 Menainpilkan baseline
Tab time, summarize(so) Tab time, summarize(so)
survival pada output

t3 Menampilkan bose/ine

hozard pada output Tab time variable, Tab time sex,

berdasarkan strata summarize(ho) summarize(ho)

t4 Menampilkan baseline
Tab time variable, Tab time sex,
survival pada output
summarize(so) summarize(so)
berdasarkan strata

Memilih Model Reduced atau Full Model!