Ошибка выжившего википедия: HTTP 429 — too many requests, слишком много запросов

Содержание

Что такое «ошибка выжившего»: примеры из жизни и бизнеса

Истории чужого успеха вселяют уверенность: если получилось у одного, получится и у других. За этой убежденностью скрывается систематическая «ошибка выжившего». Рассказываем, что это такое и как избежать этой ловушки

Что такое ошибка выжившего

Систематическая ошибка выжившего — это тип смещения выборки, возникающий, если при принятии решения человек опирается только на примеры «выживших» (тех, кто добился успеха), но не учитывает статистику по «погибшим» (тех, у кого не получилось прийти к такому же результату), поскольку данных по ним мало или они отсутствуют.

Подобные ошибки замечали еще древние греки. В трактате «О природе богов» Марк Туллий Цицерон (106 год до н. э. — 43 год до н. э.) рассказывает историю о философе и знаменитом «безбожнике» Диагоре Мелосском. Друг привел Диагора в храм на эгейском острове Самофракия и задал вопрос: «Вот ты счи­та­ешь, что боги пре­не­бре­га­ют людь­ми. Но раз­ве ты не обра­тил вни­ма­ния, как мно­го [в хра­ме] таб­ли­чек с изо­бра­же­ни­я­ми и с над­пи­ся­ми, из кото­рых сле­ду­ет, что они были пожерт­во­ва­ны по обе­ту людь­ми, счаст­ли­во избе­жав­ши­ми гибе­ли во вре­мя бури на море и бла­го­по­луч­но при­быв­ши­ми в гавань?»

«Так-то оно так, — отве­тил Диа­гор, — толь­ко здесь нет изо­бра­же­ний тех, чьи кораб­ли буря пото­пи­ла, и они сами погиб­ли в море».

Как ошибка выжившего искажает восприятие

Ошибка выжившего — это распространенное когнитивное искажение, в основе которого лежит непонимание причины и следствия. Человек находит закономерность в наборе данных, но не учитывает вероятность простого совпадения. Например, то, что некоторые основатели известных компаний бросили учебу в университете и стали успешны, является совпадением, поскольку не обязательно этот факт привел их к такому результату.

Самира Анохина, клинический психолог высшей категории, действительный член Российского психологического общества:

«С точки зрения психологии, когда мы говорим о феномене «ошибки выжившего», речь идет о двух процессах: перцепции (восприятии) и когниции (осмыслении, оценке, переработке) информации. Если анализировать перцептивный контекст, можно увидеть, что тот, кто совершает такую ошибку, воспринимает только часть ситуации или часть информации, имеющей отношение к этой ситуации.

В качестве примера можно привести двойные картинки, на которых можно последовательно видеть вазу и два профиля, утку либо кролика, портрет молодой девушки либо старухи. Причем увидеть оба изображения одновременно невозможно, как ни старайся. Для того чтобы видеть то или иное «закодированное» изображение, нужно переключать внимание на разные детали картинок. Этот процесс можно сравнить с работой прожектора, который, поворачиваясь, освещает разные участки местности.

Примерно то же происходит и на уровне когнитивной оценки ситуации, когда предположения и выводы делаются на основе информации, отражающей лишь определенную сторону события, при этом та часть информации, которая находится за пределами «когнитивного прожектора», не воспринимается».

Где мы с этим сталкиваемся: примеры в жизни и бизнесе

Люди подвергаются этому когнитивному искажению в разных ситуациях: при принятии решений в повседневной жизни, финансовом планировании, в научных исследованиях, бизнесе.

Как все начиналось: сбитые самолеты Второй мировой войны

Хрестоматийным примером «ошибки выжившего» является открытие математика Абрахама Вальда во время Второй мировой войны. Американская армия теряла много самолетов в боях. Чтобы решить проблему и уменьшить потери, командование поставило перед Вальдом задачу: придумать, как укрепить конструкцию. Полностью забронировать машины было нельзя, иначе они бы просто не полетели, поэтому нужно было определить самые уязвимые места.

Военные инженеры изучили повреждения машин, вернувшихся с поля боя, и предположили, что нужно укреплять наиболее поврежденные части. Однако Абрахам Вальд отметил, что если самолет смог вернуться на базу, то попадания в эти части не критические. Важнее обратить внимание на те повреждения, с которыми самолеты не возвращались. То есть бронировать нужно те места, где у «выживших» машин не было пробоин. Это помогло снизить потери американской авиации и сохранить жизни многих летчиков.

Иллюстрация картины критических и некритических повреждений на бомбардировщике по Абрахаму Вальду

«Ошибка выжившего» сегодня: как проявляется в повседневной жизни

  • Если где-то произошло крушение самолета или врачи совершили ошибку, которая привела к летальному исходу, то в СМИ появляется статья об этом. Хотя, по статистике, большинство самолетов успешно приземляется, а врачи чаще совершают правильные действия, инфоповодами становятся в основном негативные сюжеты. Из-за такого перекоса у некоторых людей складывается впечатление, что летать опасно, а все врачи некомпетентны.
  • Убеждение в том, что дельфины спасают людей, — еще один пример «ошибки выжившего». Известны случаи, когда они действительно помогали тонущим добраться до берега. Такие истории попадают в СМИ и создают впечатление, что дельфины — спасатели. На самом деле эти млекопитающие могут проявлять агрессивное поведение по отношению к людям, наносить серьезные травмы и даже топить. Те, кому повезло, рассказывают о чудесном спасении, а те, кто стал жертвой дельфинов, по очевидным причинам не расскажут ничего.
  • «Ошибка выжившего» обнаруживается и в медицинских исследованиях. Например, когда ученые определяют показатели выживаемости для какого-либо заболевания, в статистику попадают только те пациенты, которым успели поставить диагноз. Те пациенты, которые умирают до постановки диагноза, не попадают в выборку. Это приводит к искажению реальных результатов.
  • В условиях пандемии COVID-19 показательный пример «ошибки выжившего» — ковид-диссиденты.

Дмитрий Ковпак, врач-психотерапевт, к. м. н., доцент кафедры психотерапии, медицинской психологии и сексологии Северо-Западного государственного медицинского университета им. И. И. Мечникова, президент Ассоциации когнитивно-поведенческой психотерапии:

«Пандемия ярко показывает, как «ошибка выжившего» искажает восприятие и к чему она приводит. Люди верили в заговоры правительств и транснациональных корпораций, выдвигали конспирологические теории происходящего, а в некоторых странах все доходило до абсурда: граждане, отрицавшие существование нового коронавируса, приводящего к заболеванию COVID-19, демонстративно лизали дверные ручки, лишь бы показать, что этого вируса не существует. И если они не заразились после этого, то преподносили это как доказательство своей теории.

Другие люди смотрели на все это и верили в то, что вируса действительно не существует. А потом оказывались в больницах.

В этом случае «ошибка выжившего» — это опасно и больно. Потому что когда человек верит в отсутствие проблемы, а потом сталкивается с ней лицом к лицу, это становится двойным ударом. Помимо того, что он оказывается в тяжелой жизненной ситуации, он еще поражен тем, что случилось то, чего в его картине мира быть просто не могло. Такие серьезные кризисы могут формировать посттравматические расстройства, кризис доверия себе и миру, выученную беспомощность и депрессию».

«Ошибка выжившего» в бизнесе: как она влияет на принятие решений

«Ошибка выжившего» часто встречается в сфере бизнеса. Никто не говорит о компаниях, которые потерпели неудачу на ранней стадии и больше не существуют, зато успехи нескольких десятков компаний, которые «выстрелили», превозносятся десятилетиями. Это искажает статистику и убеждает многих, что положительный исход более вероятен, чем есть на самом деле. Например, несмотря на то, что по статистике 90% стартапов терпят неудачу, начинающие предприниматели уверены, что они смогут попасть в число победителей.

Истории чужого успеха и карьерная стратегия

Яркий пример «ошибки выжившего» — культ историй успеха. Многие черпают вдохновение из рассказов о предпринимателях-миллиардерах и при этом неверно понимают причины и следствие. Например: «Стив Джобс бросил колледж и стал миллионером. Значит, секрет успеха — это уйти из университета и посвятить все время своей идее». На деле это не работает, и миллиардеры без высшего образования встречаются реже, чем кажется: из 362 самых богатых людей Америки только 12,2% бросили университет.

Те, кто стремится повторить историю успеха компании или конкретного человека, часто игнорируют роль времени, удачи, связей и социально-экономического фона. Многие из известных предпринимателей добились успеха, несмотря на свой необычный выбор, а не благодаря ему.

Как не стать жертвой ошибки выжившего

Дмитрий Ковпак:

«Когнитивным искажениям подвержены в той или иной степени все люди. Это систематические отклонения в восприятии, мышлении и поведении, тесно связанные с предубеждениями или так называемыми ограничивающими убеждениями, ошибочными стереотипами. Чаще всего они не осознаются самим носителем и требуют специальных навыков для их обнаружения и коррекции. Если человек думает, что никакого из когнитивных искажений у него нет, то это тоже своего рода когнитивное искажение.

Что касается «ошибки выжившего», то больше всего им подвержены люди, которые живут и действуют на автомате, не задумываются, что из их мыслей, предположений и ожиданий верно, а что нет, не анализируют и не проверяют факты, то есть редко пользуются критическим мышлением, логикой и анализом опыта».

Когда человек знает об «ошибке выжившего», ему гораздо проще не попасться в эту когнитивную ловушку. Кроме этого, избежать последствий влияния этой ошибки можно, если подходить к принятию решения критически.

Копайте глубже

Не доверяйте поверхностным суждениям и скоропалительным выводам, убедитесь, что у вас достаточно информации для принятия решения. Задавайте вопросы, которые помогут увидеть картину целиком. Например:

  • Откуда я это знаю?
  • Вся ли это информация по теме?
  • Какие данные подтверждают эту версию/гипотезу?
  • При каких условиях были собраны данные?
  • Могу ли я отделить факты от субъективного мнения и впечатлений?
  • Та информация, которая есть, составляет полную картину или только ее часть?

Изучайте разные точки зрения

Воспринимайте любую историю успеха как одну из версий развития событий, а не как истину в последней инстанции. Найдите неудачную статистику или истории провала и посмотрите, что в них пошло не так.

Дмитрий Ковпак:

«Многие любят публичные выступления людей, которые преодолели превратности судьбы и выжили всему вопреки. Книги наподобие «Секретов успеха от Джона Смита» также страдают «ошибкой выжившего»: это значит лишь то, что дело Джона Смита не разорилось. Куда полезнее было бы узнать, какие ошибки допустили его разорившиеся конкуренты.

Если вам пришла идея открыть ресторан в своем городе исходя из факта, что здесь много прибыльных ресторанов, вы проигнорировали то, что видите только уцелевшие и ставшие успешными точки общепита, победившие в конкурентной борьбе. Может быть, 90% всех открытых заведений в вашем городе разорились за первые два года. Но вы этого не знаете, потому что для вас они не существуют. Как писал Нассим Талеб в своей книге «Черный лебедь», на кладбище закрытых ресторанов очень тихо».

Систематическая ошибка выжившего: что это, примеры, как работает

С систематической ошибкой выжившего мы сталкиваемся повсеместно: от социальных сетей и рабочих отчетов до событий мирового значения, в которые трудно поверить. Это когнитивное искажение, которое вынуждает делать неправильные выводы на основе, казалось бы, вполне объективных и верных фактов. Как не стать жертвой самозаблуждения — в материале Forbes Life

Что такое систематическая ошибка выжившего

Ложные выводы, построенные только на известных фактах, называют ошибкой выжившего. Она не имеет ничего общего с советами, как выживать в тех или иных условиях. Такое заблуждение возникает тогда, когда учитывается очевидное, но пренебрегается неизвестным. Мозг человека устроен таким образом, что в условиях избытка информации или ее недостатка, а также при необходимости принимать быстрые решения реагирует на задачи наиболее энергоемким образом. То есть систематическая ошибка выжившего не связана с интеллектом и эрудицией, это побочный эффект психических процессов.

Феномен получил такое название после случая, который произошел во время Второй мировой войны. Американские военные решили выяснить, как уменьшить потери авиации. Покрыть весь самолет броней было невозможно, поскольку он стал бы тяжелым. Поэтому военным предстояло определить, какие части техники нужно защитить в первую очередь. Специальная комиссия проанализировала пробоины на вернувшихся с рейдов самолетов и решила, что покрыть броней нужно крылья, так как по статистическим данным они получили большее количество повреждений.

Венгерский математик Абрахам Вальд не согласился с таким выводом. Он был уверен, что, поскольку исследуемые самолеты смогли вернуться, их поврежденные части являются сильными местами. Он настаивал на бронировании двигателя, где повреждений не было вообще. Вальд был уверен, что из-за отсутствия пробоин в двигателе эти самолеты смогли прилететь на базу. То есть математик учитывал не только успешный опыт «выживших», вернувшихся самолетов, но и неудачный, который оставался для исследовательской группы скрытым. Такое когнитивное искажение в теории Абрахама Вальда получило термин «ошибки выжившего».

Важно не перепутать ошибку выжившего с синдромом выжившего — комплекса вины, возникающего у тех, кто остался жив после аварии, теракта, стихийного бедствия. Особенно ярко такой синдром проявляется у людей, которые потеряли близких, но спаслись сами. Это связано с тем, что они эмоционально застревают на одной из пяти стадий переживания, которые предложила Элизабет Кюблер-Росс.

Материал по теме

Как работает ошибка выжившего: примеры

Первыми, кто заметил ошибочность выводов при невозможности учесть все, даже неочевидные факты, были древние греки. Известно, что Диагор Мелосский одним из первых усомнился в эффективности мольбы моряков к богам во время сильного шторма. Он справедливо замечал, что грекам известны лишь те случаи, когда мореплаватели взывали к богам и успешно одолевали стихию. О тех же, кто отчаянно молился, но не пережил шторм, ничего не известно. 

Сегодня с последствиями ошибки выжившего сталкиваются даже наиболее рационально мыслящие люди. Врач-психотерапевт Надежда Адрова отмечает, что это связано особенностью взаимодополняющих друг друга процессов перцепции (восприятия) и когниции (обработки, оценки): «При когнитивной оценке ситуации выводы строятся на данных, показывающих, как правило, только одну сторону.

А перцептивный процесс проводит восприятие лишь той стороны, которая имеет непосредственное отношение к текущей проблеме, что сужает видение ситуации в целом. То есть когнитивным искажениям в той или иной степени подвержен каждый из нас». 

Материал по теме

Почему не стоит верить историям успеха

Сложно найти издательство, которое возьмется опубликовать биографию погрязшего в долгах бизнесмена. Или актера, который неоднократно пытался получить роль в голливудском фильме, но так и не достиг своей цели. Истории успеха на книжных полках приводят к тому, что у читателей складывается неверное представление о количестве тех, кто достиг значимых результатов.

Здесь также возникает опасность неверно понять связь причины и следствия. Например, в ряде мотивирующих книг говорится о тех, кто не получил высшее образование, но вопреки этому стал богатым и известным. Скорее, это простое совпадение, связанное с удачным стечением обстоятельств, и это не значит, что нужно повторять такие примеры. Ведь если рассматривать опыт всех людей, пытавшихся сделать то же самое, но проигравших, их будет в сотни раз больше.

Почему же так популярны истории успеха? Потому что люди в подобных случаях склонны отбрасывать рациональные доводы, чтобы убедить себя, что невозможное реально в достижении. Успех не гарантирован, большинство тех, кто готов на серьезный риск, терпит неудачу. Единицы не останавливают своих попыток и в итоге получают достойный результат, который ложится в основу книг об успехе. Это равносильно азартной игре, где рациональных причин, сопутствующих победе, практически нет.

Почему общественное признание не всегда показатель качества

Фамилии Галилея, Лобачевского, Ампера, Курно, Менделя, Теслы, Ван Гога, Кафки, Уайльда, Вермеера, Модильяни и других деятелей, совершивших прорыв в науке или искусстве, сегодня на слуху у многих. Однако при жизни далеко не каждый из творцов был оценен по достоинству своими современниками. Психология настаивает на том, что человеческое восприятие весьма консервативно, и если оно сталкивается с чем-то новым, неизвестным, то первым делом будет это отрицать. Поэтому яркие открытия проходили часто незамеченными — научное сообщество просто не могло осознать их перспективности. То же касается и деятелей искусства, которые творили вне традиций и школ. Сегодня мы понимаем ценность их вклада в развитие культуры благодаря знаниям об искусстве разных эпох. Тот факт, что в оценке научных открытий и достижений культуры люди склонны попадаться на крючок «ошибки выжившего», подтверждают непрекращающиеся дебаты о современном искусстве. 

Лайки, репосты и комментарии в социальных сетях тоже относятся к виду общественного признания. Нельзя оценивать качество контента только лишь по показателям статистики, ведь на нее влияет огромное количество факторов. Интернет-маркетологи, например, склонны попадать в ловушку негативных комментариев при внушительном количестве лайков — комментарии оставляют немногие, ведь этот процесс требует времени. То есть маркетолог не будет знать мнения тех, кому публикация понравилась, и станет жертвой типичной
«ошибки выжившего». 

Материал по теме

Почему нужно проверять достоверность расхожих утверждений

По умолчанию люди привыкли верить в достоверность распространенных убеждений. Например, о том, что раньше автомобили делали на века, что здания строили более качественно, что музыку писали лучше, а народная медицина опережала по эффективности современную. Все эти принципы лишь примеры заблуждений, связанных с «ошибкой выжившего»: учитываются лишь очевидные факты.

О качестве ретроавтомобилей можно судить лишь по тем образцам, которые сохранились до наших дней. К слову, ни не ездят по бездорожью, не стоят в километровых пробках, не развивают скорость больше 50 км/ч. Это фактически музейные экспонаты, которые в свое время использовались по назначению при совершенно других условиях. Поэтому подобное сравнение некорректно.

Здания, сохранившиеся с прошлых веков, прошли своеобразный отбор временем. Это те же истории успеха, только перенесенные на архитектуру. Наименее эстетичные или плохо сконструированные здания давно исчезли с улиц городов, поэтому судить о том, как строили раньше, лишь по отдельным образцам неправильно.

Вечера классической музыки, выставки живописи, театральные постановки (не современные) — все это концентрат лучших достижений прошлых веков. Мы не видим и не слышим тех произведений, которые не стали востребованными и канули в небытие. Современная же культура доступна во всем многообразии. Лишь время сможет отобрать ее лучшие образцы. Когда-нибудь на них будут ссылаться при утверждениях, в основе которых лежит «ошибка выжившего».

Дискуссии насчет эффективности вакцин, насчет безопасности авиаперелетов, насчет смышлености дельфинов, подталкивающих утопающих к берегу, — многие даже рациональные на первый взгляд аргументы могут относиться к заблуждениям, возникшим из-за «ошибки выжившего». Это связано либо с неполнотой статистических данных, либо с тиражированием в медиа негативных событий вроде авиакатастроф, что создает неверное представление о действительности.

Как избежать систематической ошибки выжившего

Систематическая ошибка выжившего нередко влекла за собой серьезные последствия, включая аварии на крупных производствах. Чтобы не стать жертвой заблуждений, нужно прежде всего спросить себя, каких фактов не хватает. Если перед вами данные о «выживших», нужно найти также диаметрально противоположные факты. Если перед вами стоит задача принять важное решение, не делайте поспешных решений, возьмите паузу: время позволит снизить риск ошибки выжившего и тщательно рассмотреть все стороны ситуации. Еще один совет — используйте не менее трех авторитетных источников данных. Но даже при этом ищите те факты, на которые могут не обратить внимания даже профессионалы.

Психотерапевт Надежда Адрова рекомендует следующий алгоритм:

  1. Сначала постарайтесь определить, субъективное ли мнение перед вами или конкретный факт.
  2. Найдите данные, которые могут подтвердить это суждение. Чем больше источников — тем лучше. Используйте системный подход, не пренебрегайте деталями.
  3. Обратите внимание на другие точки зрения касательно этой проблемы. Поищите статистику неудачных случаев или проанализируйте, не стал ли этот успех случайным.
  4. Не повторяйте рекомендации «выживших». Разузнайте больше о неудачном опыте. Разбирая поражения других, вы сможете понять, чего делать не стоит и как избежать неудачи. 

Основы анализа выживания — Понятные руководства — Wiki


Анализ выживания соответствует набору статистических подходов, используемых для исследования времени, необходимого для возникновения интересующего события.

Анализ выживаемости используется в различных областях, таких как:

  • Исследования рака для анализа времени выживания пациентов,
  • Социология «Событийно-исторический анализ»,
  • и в Engineering для «анализа времени отказа».

В исследованиях рака типичными исследовательскими вопросами являются:

  • Как влияют определенные клинические характеристики на выживаемость пациентов
  • Какова вероятность того, что особь проживет 3 года?
  • Существуют ли различия в выживаемости между группами пациентов?

Содержимое

  • Объективы
  • Основные понятия
    • Время выживания и тип событий в исследованиях рака
    • Цензура
    • Функции выживания и защиты от опасности
    • Оценка выживаемости Каплана-Мейера
  • Анализ выживания в R
    • Установка и загрузка необходимого пакета R
    • Примеры наборов данных
    • Расчет кривых выживания: survfit()
    • Доступ к значению, возвращаемому survfit()
    • Визуализация кривых выживания
    • Таблица смертности Каплана-Мейера: сводка кривых выживания
    • Тест Log-Rank, сравнивающий кривые выживания: survdiff()
    • Подбор сложных кривых выживания
  • Резюме
  • Ссылки
  • Информация

Цели

Целью этой главы является описание основных концепций анализа выживания. В исследованиях рака в большинстве анализов выживаемости используются следующие методы:

  • Графики Каплана-Мейера для визуализации кривых выживаемости
  • Логарифмический ранговый тест для сравнения кривых выживаемости двух или более групп
  • Регрессия пропорциональных рисков Кокса для описания влияния переменных на выживаемость. Модель Кокса обсуждается в следующей главе: Модель пропорциональных рисков Кокса.

Здесь мы начнем с объяснения основных концепций анализа выживаемости, в том числе:

  • как создавать и интерпретировать кривые выживания,
  • и как количественно определить и проверить различия в выживаемости между двумя или более группами пациентов.

Затем мы продолжим описание многомерного анализа с использованием модели пропорциональных рисков Кокса.

Основные понятия

Здесь мы начнем с определения основных терминов анализа выживания, включая:

  • Время выживания и событие
  • Цензура
  • Функция выживания и функция опасности

Время выживания и тип событий в онкологических исследованиях

Существуют различные типы событий, в том числе:

  • Рецидив
  • Прогресс
  • Смерть

Время от «ответа на лечение» (полная ремиссия) до возникновения интересующего события обычно называется временем выживания (или временем до события).

Две наиболее важные меры в исследованиях рака включают: i) время до смерти ; и ii) время безрецидивной выживаемости , которое соответствует времени между ответом на лечение и рецидивом заболевания. Он также известен как время безрецидивной выживаемости и время безрецидивной выживаемости .

Цензурирование

Как упоминалось выше, анализ выживаемости фокусируется на ожидаемой продолжительности времени до возникновения интересующего события (рецидива или смерти). Однако событие может не наблюдаться у некоторых людей в течение периода времени исследования, что приводит к так называемым цензурированным наблюдениям.

Цензура может возникать следующими способами:

  1. пациент (еще) не испытал интересующее событие, такое как рецидив или смерть, в течение периода времени исследования;
  2. пациент выбыл из-под наблюдения в течение периода исследования;
  3. пациент переживает другое событие, которое делает дальнейшее наблюдение невозможным.

Этот тип цензуры, названный правой цензурой , используется в анализе выживаемости.

Функции выживания и опасности

Для описания данных выживания используются две связанные вероятности: вероятность выживания и вероятность опасности .

вероятность выживания , также известная как функция выжившего \(S(t)\), представляет собой вероятность того, что человек выживет с момента возникновения во времени (например, диагноза рака) до определенного будущего времени t.

Опасность , обозначаемая \(h(t)\), представляет собой вероятность того, что индивидуум, находящийся под наблюдением в момент времени t, имеет событие в это время.

Обратите внимание, что в отличие от функции выжившего, которая фокусируется на отсутствии события, функция опасности фокусируется на наступлении события.

Оценка выживаемости Каплана-Мейера

Метод Каплана-Мейера (КМ) представляет собой непараметрический метод, используемый для оценки вероятности выживания на основе наблюдаемого времени выживания (Kaplan and Meier, 1958).

Вероятность выживания в момент времени \(t_i\), \(S(t_i)\) рассчитывается следующим образом:

\[S(t_i) = S(t_{i-1})(1-\frac {d_i}{n_i})\]

Где

  • \(S(t_{i-1})\) = вероятность быть живым в \(t_{i-1}\)
  • \(n_i\) = количество пациентов, живущих непосредственно перед \(t_i\)
  • \(d_i\) = количество событий в \(t_i\)
  • \(t_0\) = 0, \(S(0)\) = 1

Расчетная вероятность (\(S(t)\)) представляет собой ступенчатую функцию, значение которой изменяется только во время каждого события. Также возможно вычислить доверительные интервалы для вероятности выживания.

Кривая выживания KM, представляющая собой график зависимости вероятности выживания KM от времени, представляет собой полезную сводку данных, которые можно использовать для оценки таких показателей, как медиана времени выживания.

Анализ выживания в R

Установка и загрузка необходимого пакета R

Мы будем использовать два пакета R:

 install. packages(c("survival", "survminer")) 
  • Загрузить пакеты
 библиотека ("выживание")
library("survminer") 

Примеры наборов данных

Мы будем использовать данные о раке легких, доступные в пакете выживания.

 данные ("легкие")
голова(легкие) 
 инст время статус возраст пол ph.ecog ph.karno pat.karno food.cal wt.loss
1 3 306 2 74 1 1 90 100 1175 нет данных
2 3 455 2 68 1 0 90 90 1225 15
3 3 1010 1 56 1 0 90 90 н/д 15
4 5 210 2 57 1 1 90 60 1150 11
5 1 883 2 60 1 0 100 90 н/д 0
6 12 1022 1 74 1 1 50 80 513 0 
  • инст: Код учреждения
  • time: Время выживания в днях
  • статус: статус цензуры 1=цензура, 2=мертвый
  • age: Возраст в годах
  • пол: Мужской=1 Женский=2
  • ph.ecog: показатель эффективности ECOG (0=хорошо, 5=умерло)
  • ph.karno: балл по шкале Карновского (плохо=0-хорошо=100), выставленный врачом
  • pat.karno: Шкала Карновского по оценке пациента
  • food. cal: Калории, потребляемые во время еды
  • потеря веса: Потеря веса за последние шесть месяцев

Расчет кривых выживания: survfit()

Мы хотим вычислить вероятность выживания по полу.

Функция survfit () [в пакете выживания ] может использоваться для вычисления оценки выживания Каплана-Мейера. Его основные аргументы включают в себя:

  • объект выживания, созданный с помощью функции Surv ()
  • и набор данных, содержащий переменные.

Для расчета кривых выживания введите:

 fit 
 Вызов: survfit(формула = Surv(время, статус) ~ пол, данные = легкие)
        n медиана событий 0,95LCL 0,95UCL
пол=1 138 112 270 212 310
пол=2 90 53 426 348 550 

По умолчанию функция print() показывает краткую сводку кривых выживания. Он печатает количество наблюдений, количество событий, медиану выживания и доверительные интервалы для медианы.

Если вы хотите отобразить более полную сводку кривых выживаемости, введите следующее:

 # Сводка кривых выживаемости
резюме (подходит)
# Доступ к сводной таблице сортировки
summary(fit)$table 

Доступ к значению, возвращаемому survfit()

Функция survfit () возвращает список переменных, включая следующие компоненты:


  • n: общее количество субъектов в каждой кривой.
  • время: точки времени на кривой.
  • n.risk: количество субъектов, подверженных риску в момент времени t
  • n.event: количество событий, произошедших в момент времени t.
  • n.censor: количество подвергнутых цензуре субъектов, вышедших из набора рисков без события в момент времени t.
  • нижний, верхний: нижний и верхний пределы достоверности для кривой соответственно.
  • strata: указывает на стратификацию оценки кривой. Если strata не равен NULL, результат содержит несколько кривых. Уровни страт (фактор) являются метками для кривых.

Компоненты доступны следующим образом:

 d 
 time n.risk n.event n.censor surv верхний нижний
1 11 138 3 0 0,9782609 1,0000000 0,9542301
2 12 135 1 0 0,9710145 0,9994124 0,9434235
3 13 134 2 0 0,9565217 0,9911586 0,9230952
4 15 132 1 0 0,9492754 0,9866017 0,9133612
5 26 131 1 0 0,9420290 0,9818365 0,55
6 30 130 1 0 0,9347826 0,9768989 0,8944820 

Визуализация кривых выживания

Мы будем использовать функцию ggsurvplot () [в пакете Survminer R] для создания кривых выживания для двух групп субъектов.

Также можно показать:

  • 95% доверительные интервалы функции выжившего с использованием аргумента conf.int = TRUE .
  • количество и/или процент лиц, подверженных риску по времени с использованием опции Risk.table . Допустимые значения для Risk.table включают:
    • ИСТИНА или ЛОЖЬ, определяющие, показывать или нет таблицу рисков. По умолчанию ЛОЖЬ.
    • «абсолютный» или «процентный»: для отображения абсолютного числа и процента субъектов, подверженных риску по времени, соответственно. Используйте «abs_pct», чтобы показать как абсолютное число, так и процент.
  • p-значение теста Log-Rank, сравнивающего группы с использованием pval = TRUE .
  • горизонтальная/вертикальная линия на медианной выживаемости с использованием аргумента surv.median.line . Допустимые значения включают одно из c(«none», «hv», «h», «v»). v: вертикально, h: горизонтально.
 # Изменить цвет, тип линий по стратам, цвет Risk.table по стратам
ggsurvplot (подходит,
          pval = ИСТИНА, conf.int = ИСТИНА,
          Risk.table = TRUE, # Добавить таблицу рисков
          Risk.table.col = "strata", # Изменить цвет таблицы рисков по группам
          linetype = "strata", # Изменить тип линии по группам
          surv.median.line = "hv", # Укажите медианную выживаемость
          ggtheme = theme_bw(), # Изменить тему ggplot2
          палитра = c("#E7B800", "#2E9ФДФ")) 

Анализ выживания

График можно дополнительно настроить с помощью следующих аргументов:

  • conf.int.style = «шаг» для изменения стиля полос доверительного интервала.
  • xlab , чтобы изменить метку оси x.
  • break.time.by = 200 перерыв оси x во временных интервалах на 200.
  • Risk.table = «abs_pct» , чтобы показать как абсолютное число, так и процент лиц, подверженных риску.
  • risk.table.y.text.col = TRUE и risk.table.y.text = FALSE для предоставления столбцов вместо имен в текстовых аннотациях легенды таблицы рисков.
  • ncensor.plot = TRUE для построения графика количества подвергнутых цензуре субъектов в момент времени t. Как предположил Марцин Косински, это хорошая дополнительная обратная связь с кривыми выживания, чтобы можно было понять: как выглядят кривые выживания, каково количество наборов рисков И по какой причине набор рисков становится меньше: вызвано событиями или цензурированными событиями?
  • legend.labs для изменения меток легенды.
 ggsurvplot(
   fit, # survfit объект с расчетной статистикой.
   pval = TRUE, # показать p-значение теста логарифмического ранга.
   conf.int = TRUE, # показать доверительные интервалы для
                            # точечные оценки кривых выживания.
   conf.int.style = "step", # настроить стиль доверительных интервалов
   xlab = "Время в днях", # настроить метку оси X. 
   break.time.by = 200, # разбить ось X во временных интервалах на 200.
   ggtheme = theme_light(), # настроить график и таблицу рисков с помощью темы.
   Risk.table = "abs_pct", # абсолютное число и процент риска.
  Risk.table.y.text.col = T,# раскрашивает текстовые аннотации таблицы рисков.
  Risk.table.y.text = FALSE,# отображать столбцы вместо имен в текстовых аннотациях
                            # в легенде таблицы рисков.
  ncensor.plot = TRUE, # график количества подвергнутых цензуре субъектов в момент времени t
  surv.median.line = "hv", # добавить средний указатель выживания.
  легенда.labs =
    c("Мужчина", "Женщина"), # изменить метки легенды.
  палитра =
    с("#E7B800", "#2E9FDF") # пользовательские цветовые палитры.
) 

Анализ выживания

График Каплана-Мейера можно интерпретировать следующим образом:


Горизонтальная ось (ось X) представляет время в днях, а вертикальная ось (ось Y) показывает вероятность выживания или долю выживших людей. Линии представляют собой кривые выживания двух групп. Падение по вертикали на кривых указывает на событие. Вертикальная галочка на кривых означает, что пациент в это время подвергался цензуре.

  • В нулевое время вероятность выживания равна 1,0 (или 100% участников живы).
  • В момент времени 250 вероятность выживания составляет примерно 0,55 (или 55%) для пола = 1 и 0,75 (или 75%) для пола = 2.
  • Медиана выживаемости составляет примерно 270 дней для пола = 1 и 426 дней для пола = 2, что свидетельствует о хорошей выживаемости для пола = 2 по сравнению с полом = 1

Среднее время выживания для каждой группы можно получить с помощью кода ниже:

 сводка(подгонка)$таблица 
 записей n.max n.start событий *rmean *se(rmean) медиана 0,95LCL 0,95UCL
пол=1 138 138 138 112 325,0663 22,59845 270 212 310
пол=2 90 90 90 53 458,2757 33,78530 426 348 550 

Среднее время выживания для каждой группы представляет собой время, при котором вероятность выживания S(t) равна 0,5.

Среднее время выживания для пола=1 (мужская группа) составляет 270 дней по сравнению с 426 днями для пола=2 (женщина). По-видимому, у женщин с раком легких есть преимущество в выживании по сравнению с мужчинами. Однако для оценки того, является ли это различие статистически значимым, требуется формальный статистический тест, который обсуждается в следующих разделах.

Обратите внимание, что доверительные интервалы на хвосте кривых широки, что затрудняет осмысленную интерпретацию. Это можно объяснить тем, что на практике обычно есть пациенты, выпавшие из-под наблюдения или живые к концу наблюдения. Таким образом, может быть целесообразно укоротить графики по оси x до окончания наблюдения (Pocock et al, 2002).

Кривые выживания можно сократить с помощью аргумента xlim следующим образом:

 ggsurvplot(fit,
          conf.int = ИСТИНА,
          Risk.table.col = "strata", # Изменить цвет таблицы рисков по группам
          ggtheme = theme_bw(), # Изменить тему ggplot2
          палитра = c("#E7B800", "#2E9ФДФ"),
          хлим = с(0, 600)) 

Анализ выживания


Обратите внимание, что с помощью аргумента fun :

  • «log»: логарифмическое преобразование функции выживания,
  • можно указать три часто используемых преобразования.
  • «событие»: отображает кумулятивные события (f(y) = 1-y). Он также известен как кумулятивная заболеваемость,
  • .
  • «cumhaz» отображает кумулятивную функцию риска (f(y) = -log(y))

Например, чтобы отобразить совокупные события, введите:

 ggsurvplot(подходит,
          conf.int = ИСТИНА,
          Risk.table.col = "strata", # Изменить цвет таблицы рисков по группам
          ggtheme = theme_bw(), # Изменить тему ggplot2
          палитра = c("#E7B800", "#2E9FDF"),
          весело = "событие") 

Анализ выживания

Суммарная опасность обычно используется для оценки вероятности опасности. Он определяется как \(H(t) = -log(функция выживания) = -log(S(t))\). Кумулятивный риск (\(H(t)\)) можно интерпретировать как кумулятивную силу смертности. Другими словами, оно соответствует количеству событий, которые можно было бы ожидать для каждого человека к моменту времени t, если бы событие было повторяемым процессом.

Чтобы построить график кумулятивной опасности, введите:

 ggsurvplot(fit,
          conf. int = ИСТИНА,
          Risk.table.col = "strata", # Изменить цвет таблицы рисков по группам
          ggtheme = theme_bw(), # Изменить тему ggplot2
          палитра = c("#E7B800", "#2E9FDF"),
          весело = "кумхаз") 

Анализ выживания

Таблица жизни Каплана-Мейера: сводка кривых выживания

Как упоминалось выше, вы можете использовать функцию сводка () для получения полной сводки кривых выживания:

 summary(fit) 

Также можно использовать функцию surv_summary () [в пакете survminer ], чтобы получить сводку кривых выживания. По сравнению с функцией summary() по умолчанию, surv_summary() создает фрейм данных, содержащий хорошую сводку результатов survfit.

 res.sum 
 time n.risk n.event n.censor surv std.err верхний нижний слой пол
1 11 138 3 0 0,9782609 0,01268978 1,0000000 0,9542301 пол=1 1
2 12 135 1 0 0,9710145 0,01470747 0,9994124 0,9434235 пол=1 1
3 13 134 2 0 0,9565217 0,01814885 0,9911586 0,9230952 пол=1 1
4 15 132 1 0 0,9492754 0,01967768 0,9866017 0,9133612 пол=1 1
5 26 131 1 0 0,9420290 0,02111708 0,9818365 0,55 пол=1 1
6 30 130 1 0 0,9347826 0,02248469 0,9768989 0,8944820 sex=1 1 

Функция surv_summary () возвращает кадр данных со следующими столбцами:

  • кривая имеет шаг, в котором кривая имеет временные точки.
  • n.risk: количество субъектов, подверженных риску при t.
  • n.event: количество событий, происходящих в момент времени t.
  • n.censor: количество подвергнутых цензуре событий.
  • surv: оценка вероятности выживания.
  • std.err: стандартная ошибка выживания.
  • верхний: верхний предел доверительного интервала
  • нижний: нижний предел доверительного интервала
  • strata: указывает на стратификацию оценки кривой. Уровни страт (фактор) являются метками для кривых.

В ситуации, когда кривые выживания были оснащены одной или несколькими переменными, объект surv_summary содержит дополнительные столбцы, представляющие переменные. Это позволяет фасетировать вывод ggsurvplot по слоям или по некоторым комбинациям факторов.

surv_summary Объект также имеет атрибут с именем «таблица», содержащий информацию о кривых выживания, включая медианы выживания с доверительными интервалами, а также общее количество субъектов и количество событий на каждой кривой. Чтобы получить доступ к атрибуту «таблица», введите следующее:

 attr(res.sum, "table") 

Логарифмический ранговый тест, сравнивающий кривые выживания: survdiff()

Логарифмический ранговый тест является наиболее широко используемым методом сравнения двух или более кривых выживания. Нулевая гипотеза состоит в том, что нет никакой разницы в выживаемости между двумя группами. Логарифмический ранговый критерий является непараметрическим критерием, который не делает никаких предположений о распределении выживания. По сути, логарифмический ранговый тест сравнивает наблюдаемое количество событий в каждой группе с тем, что можно было бы ожидать, если бы нулевая гипотеза была верна (т. Е. Если бы кривые выживания были идентичными). Статистика логарифмического ранга приблизительно распределена как статистика теста хи-квадрат. 92/В пол=1 138 112 91,6 4,55 10,3 пол=2 90 53 73,4 5,68 10,3 Chisq= 10,3 на 1 степень свободы, p= 0,00131

Функция возвращает список компонентов, в том числе:

  • n: количество субъектов в каждой группе.
  • наб: взвешенное наблюдаемое количество событий в каждой группе.
  • exp: взвешенное ожидаемое количество событий в каждой группе.
  • chisq: статистика chisquare для теста на равенство.
  • strata: опционально количество субъектов, содержащихся в каждой страте.

Логарифмический ранговый критерий различий в выживаемости дает p-значение p = 0,0013, что указывает на то, что половые группы значительно различаются в выживаемости.

Подбор сложных кривых выживания

В этом разделе мы вычислим кривые выживания, используя комбинацию нескольких факторов. Затем мы фасуем выходные данные ggsurvplot() комбинацией факторов

  1. Подходящие (сложные) кривые выживания с использованием наборов данных двоеточия
 требуют ("выживание")
fit2 
  1. Визуализируйте вывод с помощью survminer. На приведенном ниже графике показаны кривые выживаемости по половой переменной, граненые в соответствии со значениями rx и придерживания.
 # Постройте кривые выживания по полу и аспектам по rx и придерживайтесь
ggsurv 

Анализ выживания

Резюме

Анализ выживаемости представляет собой набор статистических подходов к анализу данных, где интересующей переменной результата является время до наступления события.

Данные о выживании обычно описываются и моделируются в терминах двух взаимосвязанных функций:

  • функция выживаемости, представляющая вероятность того, что индивидуум выживет с момента происхождения до некоторого времени после времени t. Обычно его оценивают по методу Каплана-Мейера. Логранговый тест можно использовать для проверки различий между кривыми выживаемости для групп, таких как группы лечения.

  • Функция опасности дает мгновенный потенциал возникновения события в определенный момент времени при условии выживания до этого времени. Он используется в основном как диагностический инструмент или для определения математической модели для анализа выживаемости.

В этой статье мы демонстрируем, как выполнять и визуализировать анализ выживания, используя комбинацию двух пакетов R: survival (для анализа) и survminer (для визуализации).

Ссылки

  • Кларк Т.Г., Брэдберн М.Дж., Лав С.Б. и Альтман Д.Г. Анализ выживания, часть I: Основные понятия и первый анализ. Британский журнал рака (2003) 89, 232 – 238
  • Каплан Э.Л., Мейер П. (1958) Непараметрическая оценка по неполным наблюдениям. J Am Stat Assoc 53: 457–481.
  • Покок С., Клейтон Т.С., Альтман Д.Г. (2002) Графики выживаемости результатов времени до события в клинических испытаниях: передовая практика и подводные камни. Ланцет 359: 1686–1689.

Понравилась эта статья? Я был бы очень признателен, если бы вы помогли его распространению, отправив его по электронной почте другу или поделившись им в Twitter, Facebook или Linked In.

Подарите мне немного любви с помощью кнопок «Нравится» ниже. .. Спасибо и, пожалуйста, не забудьте поделиться и прокомментировать ниже!!

Avez vous aimé c этой статьей? Je vous serais très reconnaissant si vous aidiez à sa диффузия en l’envoyant par courriel à un ami ou en le partageant sur Twitter, Facebook или Linked In.

Montrez-moi un peu d’amour avec les like ci-dessous … Merci et n’oubliez pas, s’il vous plaît, de partager et de commenter ci-dessous!



Коды Survivor.io Вики | Код погашения (март 2023 г.)

от Yatin

Использовать коды Survivor.io. Обновленный список всех новых кодов Survivor io, доступных для погашения.

Survivor io Wiki

Survivor.io — мобильная аркадная игра, изданная Habby. В игре вы создаете своего персонажа, улучшая свое оружие и навыки и сражаясь с полчищами зомби, приближающимися со всех сторон. Как долго вы сможете оставаться на поле боя и получать награды?

Все коды Survivor.io Wiki

Мы предоставляем регулярные обновления и быстрое/полное покрытие последних кодов Survivor.io. Общее количество кодов Survivor io, которые мы обнаружили для этой игры, составляет +9.. Статус активного кода Survivor.io: +1 . Вот список кодов Survivor.io (комментарий ниже, если вы знаете какие-либо рабочие коды): —


Мы повторно проверили наличие новых кодов Survivor.io. Как только появится новый код, мы добавим его в список ниже.


Последние коды Survivor io Wiki

Активные коды Survivor.io

  • kakao10gift — код активации добавлен 20 марта 2023 г.
  • SpringArbor — код активации добавлен 14 марта 2023 г.
  • DADA5000DC — код активации добавлен 8 марта 2023 г. 
  • выживший11 — код активации добавлен 1 марта 2023 г.
  • LUCKY2023 — Используйте промокод для X наград [Добавлено 31 декабря 2022 г. [Действует до 31 января 2023 г.] [Похоже, код все еще работает]

См. также –

  • Уровневый список Survivor.io
  • Руководство по навыкам Survivor.io
  • Survivor.io Лучшее снаряжение (доспехи, перчатки и т. д.)
  • Survivor.io Советы
  • Технические детали Survivor.io
  • Список лучших героев
Неактивные коды Survivor.io⇓

Коды Survivor.io не вечны. Их можно использовать в течение ограниченного периода времени, и по истечении этого срока вы больше не будете получать награды. Если вы обнаружите, что какой-либо код Survivor.io в приведенном выше списке не работает, сообщите нам об этом, поделившись им в поле для комментариев ниже.

  • 20challenge23 — Используйте промокод для X наград [Добавлено 21 февраля 2023 г.]
  • SURVIVOR2301 — Промокод добавлен 30 января 2023 г.
  • LNY2023  — Промокод на X наград [Добавлено 22 января 2023 г.] [Действует до 31 января 2023 г.]
  • XMAS2022IO — Промокод на X наград [Добавлено 24 декабря 2022 г. [Действует до 6 января 2023 г.]
  • 20Благодарение22 — Промокод на X наград(Действует до 31 декабря 2022)[Кажется, срок действия этого кода уже истек]
  • дарейнджер666 — X драгоценных камней и монет (если не работает, прокомментируйте ниже)
  • halloween31 — X200 драгоценных камней (срок действия истекает 30 ноября 2022 г.)
  • тыква — X200 драгоценных камней, 20К золота, 10 единиц энергии и 1 монета возрождения (срок действия истекает 3 ноября 2022 г.) 
  • кленовых листьев — X100 драгоценных камней, X10 энергии, X1 монета возрождения (срок действия истекает 31 октября 2022 г.) (добавлено 29 сентября 2022 г.)
  • beryl41  — X драгоценных камней и монет
  • TW10000VIP888 — X200 самоцветов, ключ X1 и энергия X10 (добавлено 18 октября 2022 г. )
  • 11survivorio08 – Промокод на вознаграждение
  • MOONCAKE – Промокод на вознаграждение
  • stanley234 – Промокод на вознаграждение
  • namin1004 – Промокод на вознаграждение
  • Survivio811 – Промокод на вознаграждение
  • dinter888  – Промокод на вознаграждение
  • Surviviotop1  – Промокод на вознаграждение
  • dinter777  – Промокод на вознаграждение
  • оранжевый0818 – Промокод на вознаграждение
  • dinter001 – Промокод на вознаграждение
  • akaoni1207 – Промокод на вознаграждение
  • et1231777 – Промокод на вознаграждение
  • 40shuteye – Промокод на вознаграждение
  • scsc777 – Промокод на вознаграждение
  • et1231520 – Промокод на вознаграждение
  • stanley888 – Промокод на вознаграждение
  • ranger666 – Промокод на вознаграждение
  • 811survivorio  – Промокод на вознаграждение
  • oni666 – Промокод на вознаграждение
  • Crazyface777 – Промокод на вознаграждение

См. также –

  • Уровневый список Survivor.io
  • Руководство по навыкам Survivor.io
  • Survivor.io Лучшее снаряжение (доспехи, перчатки и т. д.)
  • Survivor.io Советы

Коды Survivor.io Wiki FAQ

Следующие коды Survivor io Вики часто задаваемые вопросы о том, как выкупить или обменять коды в игре, а также поделиться подробностями о получении новых кодов.

Как активировать коды Survivor.io?

Чтобы активировать коды Survivor.io, игроку сначала необходимо пройти обучение. После завершения обучения найдите кнопку со значком настройки, которая должна находиться на экране игры. Коснитесь его. На следующем экране найдите и скопируйте идентификатор игрока. Теперь перейдите на официальную страницу погашения кода, эксклюзивный сайт погашения кода, созданный разработчиками; https://gift.survivorio.com/.

Введите идентификатор игры, затем код вознаграждения, затем сообщение подтверждения и, наконец, кнопку активации кода.

См. также –

  • Уровневый список Survivor.io
  • Руководство по навыкам Survivor.io
  • Survivor.io Лучшее снаряжение (доспехи, перчатки и т. д.)
  • Survivor.io Советы
  • Список лучших героев

Приведенная выше вики-код Survivor.io демонстрирует полный список кодов. Введите действующий код и получите вознаграждение. Новые подарочные коды выпускаются часто; мы отслеживаем все эти коды и объединяем их в этот обновленный вики-список кодов.

Как получить больше кодов Survivor.io?

Новые коды Survivor.io публикуются в официальных социальных сетях игры, таких как Facebook, Instagram, Twitter, Reddit и официальном Discord. Вы можете добавить эту страницу в закладки и регулярно проверять Survivor io Codess. Как только они станут доступны, мы обновим этот список подарочных кодов, добавив все новые коды погашения. Обычно разработчики игр публикуют подарочные коды для особых событий, таких как вехи игры, популярные события, сотрудничество и специальные мероприятия.

См. также –

  • Уровневый список Survivor.io
  • Руководство по навыкам Survivor.io
  • Survivor.io Лучшее снаряжение (доспехи, перчатки и т. д.)
  • Survivor.io Советы

Что это за коды Survivor io?

Survivor io-коды, подарочные коды или коды купонов — это уникальные коды, которыми разработчики делятся с игроками в своих официальных социальных сетях, в основном на каналах Facebook, Twitter, Reddit, Discord, Instagram или YouTube. Или, иногда, они делятся кодами на собственном форуме игры. Эти коды Survivor io отличаются от чит-кодов. Эти коды Survivor io обычно вознаграждаются внутриигровой валютой или предметами. Обычно коды вознаграждаются базовой валютой (валютой, которую вы можете фармить, играя в игру) или премиальной внутриигровой валютой (ее трудно получить, играя в игру).

Сколько раз можно использовать код Survivor io?

Определенный io-код Survivor может быть использован игроком только один раз для каждой учетной записи. Если вы уже активировали код и пытаетесь активировать его снова, это не сработает, и игра отобразит сообщение о том, что вы уже активировали подарочный код.

Являются ли эти коды Survivor io постоянными?

Некоторые коды io Survivor являются постоянными, а некоторые действительны в течение нескольких дней или ограничены определенным количеством использований. Постоянный код, код, который не зависит от времени, может быть использован игроком один раз в любое время. Чувствительные ко времени или ограниченные по времени коды Survivor io ограничены — дата устанавливается разработчиками. По истечении срока вы не сможете активировать эти коды.

Когда разработчики выпустят новые коды Survivor io?

Нет фиксированного времени. Все зависит от разработчиков игры. Большинство разработчиков выпускают новые подарочные коды еженедельно, по выходным, понедельникам или пятницам. Некоторые разработчики выпускают новые подарочные коды к праздничным датам. Например, Новый год, Лунный Новый год, День святого Валентина, Рождество, День Благодарения, Хэллоуин, День труда, День независимости, Сочельник, Новый год и т.

Добавить комментарий

Ваш адрес email не будет опубликован. Обязательные поля помечены *