W złożonych chorobach, takich jak rak, badacze polegają na statystycznych porównaniach przeżycia wolnego od choroby (DFS) pacjentów w stosunku do dopasowanych, zdrowych grup kontrolnych. To logicznie rygorystyczne podejście zasadniczo zrównuje nieokreśloną remisję z wyleczeniem. Porównanie jest zwykle dokonywane poprzez podejście estymatora Kaplana-Meiera.
Najprostszy model wskaźnika wyleczenia został opublikowany przez Josepha Berksona i Roberta P. Gage’a w 1952 roku. W tym modelu, przeżycie w każdym danym czasie jest równe tym, które są wyleczone plus te, które nie są wyleczone, ale które jeszcze nie umarły lub, w przypadku chorób, które cechują bezobjawowe remisje, nie rozwinęły jeszcze ponownie oznak i objawów choroby. Kiedy wszystkie osoby, które nie zostały wyleczone, umrą lub ponownie rozwiną chorobę, pozostaną tylko trwale wyleczeni członkowie populacji, a krzywa DFS będzie idealnie płaska. Najwcześniejszym punktem w czasie, w którym krzywa staje się płaska, jest punkt, w którym wszystkie pozostałe osoby, które przeżyły bez choroby, zostają uznane za trwale wyleczone. Jeśli krzywa nigdy nie będzie płaska, wtedy choroba jest formalnie uważana za nieuleczalną (przy istniejących sposobach leczenia).
Równanie Berksona i Gage’a to S ( t ) = p + {displaystyle S(t)=p+}
gdzie S ( t ) {displaystyle S(t)}
jest proporcją osób przeżywających w danym momencie czasu, p {displaystyle p}
to odsetek osób trwale wyleczonych, a S ∗ ( t ) {displaystyle S^{*}(t)}
jest krzywą wykładniczą, która reprezentuje przeżywalność osób nie wyleczonych.
Krzywe częstości wyleczeń mogą być wyznaczone poprzez analizę danych. Analiza pozwala statystykowi określić odsetek osób, które są trwale wyleczone dzięki danemu leczeniu, a także jak długo po leczeniu należy odczekać przed uznaniem osoby bezobjawowej za wyleczoną.
Istnieją różne modele współczynnika wyleczenia, takie jak algorytm oczekiwanej maksymalizacji i model łańcucha Markowa Monte Carlo. Możliwe jest wykorzystanie modeli wskaźnika wyleczenia do porównania skuteczności różnych metod leczenia. Ogólnie rzecz biorąc, krzywe przeżycia są dostosowane do wpływu normalnego starzenia się na śmiertelność, zwłaszcza gdy badane są choroby osób starszych.
Z perspektywy pacjenta, zwłaszcza takiego, który otrzymał nowe leczenie, model statystyczny może być frustrujący. Wiele lat może zająć zgromadzenie wystarczających informacji, aby określić punkt, w którym krzywa DFS spłaszcza się (i dlatego nie oczekuje się więcej nawrotów). Może się okazać, że niektóre choroby są technicznie nieuleczalne, ale jednocześnie wymagają leczenia tak rzadko, że nie różnią się istotnie od wyleczenia. Inne choroby mogą okazać się mieć wiele plateau, tak że to, co kiedyś było okrzyknięte „wyleczeniem”, nieoczekiwanie skutkuje bardzo późnymi nawrotami. W związku z tym pacjenci, rodzice i psychologowie rozwinęli pojęcie „wyleczenia psychologicznego”, czyli momentu, w którym pacjent decyduje, że leczenie było wystarczająco prawdopodobne, aby zostać nazwane wyleczeniem. Na przykład pacjent może uznać się za „wyleczonego” i postanowić, że zaraz po leczeniu będzie żył tak, jakby to wyleczenie zostało definitywnie potwierdzone.
