Análise de sobrevivência no campo: o que Kaplan-Meier revela sobre seus ensaios
Nem todo evento agronômico é um número médio. Quando o que importa é quando algo acontece — e quantos chegam até lá — a análise de sobrevivência conta uma história que a média esconde.
Quando avaliamos um ensaio, é tentador resumir tudo em uma média: produtividade média, tempo médio até a emergência, incidência média de uma doença. Mas a média esconde o tempo — e no campo o tempo costuma ser a variável mais importante.
O que é análise de sobrevivência
A análise de sobrevivência estuda o tempo até um evento: a emergência de uma planta, a primeira ocorrência de uma praga, a falha de um tratamento. Sua força está em lidar com dados censurados — observações em que o evento ainda não aconteceu até o fim do experimento.
Ignorar a censura (descartando essas observações ou tratando-as como "não aconteceu") enviesa qualquer conclusão. Kaplan-Meier foi feito justamente para isso.
A curva de Kaplan-Meier
O estimador de Kaplan-Meier constrói uma curva de sobrevivência que mostra, a cada instante, a fração da população que ainda não viveu o evento:
library(survival)
library(survminer)
fit <- survfit(Surv(tempo, evento) ~ tratamento, data = ensaio)
ggsurvplot(fit, conf.int = TRUE, pval = TRUE)
O pval testa, via log-rank, se as curvas dos tratamentos diferem de forma significativa —
respondendo à pergunta prática: este manejo realmente adia a ocorrência do problema?
Por que isso muda decisões
- Dois tratamentos podem ter a mesma média e curvas completamente diferentes.
- A censura é tratada corretamente, sem jogar fora informação cara de coletar.
- O resultado é interpretável por quem está no campo: "70% das parcelas seguem sadias aos 60 dias".
Foi exatamente esse tipo de leitura que expandimos no projeto de Análise de Sobrevivência do portfólio — levando um método clássico da bioestatística para a rotina do ensaio agronômico.