Quiero comparar dos métodos diferentes para detectar el cambio de estado en un análisis de supervivencia. Se sigue a un grupo de sujetos durante un período más largo (muchos años), y se han utilizado dos métodos de examen para examinar si se ha producido un cambio de estado; Se utilizó un método para examinar cada sujeto dos veces al año y el segundo método para examinar cada sujeto una vez al año. La pregunta es si estos dos métodos difieren sistemáticamente en su capacidad para detectar un cambio de estado.
La prueba en la que pensé es una prueba de rango logarítmico para ver si las curvas de Kaplan-Meier de los dos métodos difieren. Me pregunto si es un problema que las curvas de supervivencia estén "emparejadas" (es decir, los dos métodos se usan en los mismos sujetos) al realizar la prueba de log-rank. ¿Es una violación de la suposición en la prueba de log-rank, o tal vez es solo una prueba ineficiente ya que no tiene en cuenta que las dos curvas están relacionadas? ¿Alguien tiene una sugerencia para un análisis alternativo que tenga en cuenta la dependencia dentro de las observaciones?
Tal vez esto no sea un problema, tal vez haya terminado de pensar.
Bueno, no sé el momento real del cambio de estado, solo los puntos de tiempo cuando los métodos han detectado un cambio de estado. Un pensamiento que tuve fue establecer el tiempo de supervivencia en el punto medio del intervalo de tiempo entre el último examen cuando no se detectó el cambio de estado y el examen cuando se detectó el cambio de estado. Eso podría compensar la desventaja del método que se usa para examinar a los sujetos solo una vez al año en contraste con el método que se usa dos veces al año. Y luego construya las curvas de supervivencia a partir de estos datos.