Quero comparar dois métodos diferentes para detectar alterações de status em uma análise de sobrevivência. Um grupo de sujeitos está sendo seguido por um período mais longo (muitos anos) e dois métodos de exame foram utilizados para examinar se ocorreu uma alteração de status; um método foi usado para examinar cada sujeito duas vezes por ano e o segundo método foi usado para examinar cada sujeito uma vez por ano. A questão é se esses dois métodos diferem sistematicamente em sua capacidade de detectar uma alteração de status.
O teste em que cheguei a pensar é um teste de log rank para verificar se as curvas de Kaplan-Meier dos dois métodos diferem. Eu me pergunto se é um problema que as curvas de sobrevivência sejam “pareadas” (ou seja, os dois métodos são usados nos mesmos assuntos) ao executar o teste de log-rank. É uma violação da suposição no teste de log-rank, ou talvez seja apenas um teste ineficiente, pois não explica que as duas curvas estão relacionadas? Alguém tem uma sugestão para uma análise alternativa que explique a dependência nas observações?
Talvez isso não seja um problema, talvez eu esteja pensando demais.
Bem, não sei o horário real da mudança de status, apenas os momentos em que os métodos detectaram uma alteração de status. Um pensamento que eu tinha era definir o tempo de sobrevivência no ponto médio do intervalo de tempo entre o último exame quando a mudança de status não havia sido detectada e o exame quando a mudança de status havia sido detectada. Isso poderia compensar a desvantagem do método usado para examinar os sujeitos apenas uma vez por ano, em contraste com o método usado duas vezes por ano. E então construa as curvas de sobrevivência a partir desses dados.