เครื่องคิดเลขฟรีของ Editverse

เครื่องคำนวณอัตราการรอดชีวิตแบบ Kaplan-Meier

ประมาณการอัตราการรอดชีวิตเมื่อเวลาผ่านไปจากข้อมูลที่มีการตัดตอน — ด้วยเส้นโค้ง Kaplan-Meier, ค่ามัธยฐานของการรอดชีวิต และคำสั่ง R ที่สามารถทำซ้ำได้ อ่านคู่มือการตีความฉบับเต็มด้านล่าง ตรวจสอบความถูกต้องแล้วกับ R 4.3.3

ในคำง่ายๆ

ตัวประมาณค่าแบบ Kaplan -Meierแสดงแผนภูมิความน่าจะเป็นของการ "มีชีวิตรอด" ผ่านแต่ละจุดเวลา โดยเหตุการณ์อาจเป็นการเสียชีวิต การกลับมาเป็นซ้ำ การทำงานผิดพลาดของอุปกรณ์ หรือผลลัพธ์ใดๆ ที่เกิดขึ้นเพียงครั้งเดียว จุดเด่นที่สำคัญคือการจัดการกับการตัดข้อมูล : ผู้เข้าร่วมการศึกษาที่ออกจากโครงการวิจัยก่อนกำหนด หรือผู้ที่ไม่มีเหตุการณ์เกิดขึ้นจนถึงสิ้นสุดโครงการ จะยังคงนับเวลาที่พวกเขาได้รับการสังเกตการณ์อยู่ แทนที่จะถูกตัดทิ้งไป

ผลลัพธ์ที่ได้คือเส้นโค้งแบบขั้นบันได: แต่ละขั้นแสดงถึงเวลาที่เหตุการณ์เกิดขึ้น และความสูงของเส้นโค้งคือความน่าจะเป็นโดยประมาณของการไม่เกิดเหตุการณ์ใดๆ จนถึงขณะนั้น การอ่านเวลาที่เส้นโค้งตัดกับ 50% จะได้ค่ามัธยฐานของการรอดชีวิตในการเปรียบเทียบเส้นโค้งของสองกลุ่มการทดสอบลอการิทึมอันดับ (log-rank test)จะถามว่าเส้นโค้งทั้งสองแตกต่างกันมากกว่าโอกาสที่จะเกิดขึ้นโดยบังเอิญหรือไม่

ควรใช้ Kaplan-Meier เมื่อใด

ใช้สำหรับ ข้อมูล เวลาที่เกิดเหตุการณ์โดยเฉพาะอย่างยิ่งเมื่อการติดตามผลไม่สมบูรณ์ ซึ่งเป็นคุณลักษณะสำคัญของการศึกษาการอยู่รอด มันตอบคำถามต่างๆ เช่น ผู้ป่วยจะปราศจากความคืบหน้าของโรคเป็นเวลานานเท่าใด หรือการรักษา 2 วิธีเปรียบเทียบกันอย่างไรในแง่ของเวลาที่เกิดผลลัพธ์ จับคู่กราฟกับแบบทดสอบลอการิทึมอันดับ (log-rank test) สำหรับการเปรียบเทียบกลุ่ม และรายงานจำนวนผู้ที่มีความเสี่ยงไว้ใต้กราฟ

วิธีการ Kaplan-Meier อธิบายถึงอัตราการรอดชีวิตและเปรียบเทียบกลุ่มต่างๆ แต่ไม่สามารถปรับค่าสำหรับตัวแปรอื่นๆ ได้ ในการประมาณผลของการรักษาโดยควบคุมตัวแปรแทรกซ้อน ให้ใช้แบบจำลอง Cox proportional-hazardsและรายงานอัตราส่วนความเสี่ยง (hazard ratio) พร้อมช่วงความเชื่อมั่น 95% ตรวจสอบข้อสมมติฐาน proportional-hazards ก่อนที่จะใช้ค่าอัตราส่วนความเสี่ยงเพียงอย่างเดียว ไม่แน่ใจว่าการวิเคราะห์อัตราการรอดชีวิตเป็นสิ่งที่คุณต้องการหรือไม่? ตัวเลือกการทดสอบแบบโต้ตอบของเราสามารถช่วยได้

การอยู่รอดแบบ Kaplan-Meier เส้นโค้งการอยู่รอดและการทดสอบลอการิทึมอันดับ · ตรวจสอบความถูกต้องเทียบกับ R 4.3.3
คู่มือผู้ใช้

ควรใช้เมื่อใด:ประมาณความน่าจะเป็นของการรอดชีวิตเมื่อเวลาผ่านไปจากข้อมูลเวลาที่เกิดเหตุการณ์ที่มีการตัดตอน และเปรียบเทียบกลุ่มต่างๆ ด้วยการทดสอบลอการิทึมอันดับ (log-rank test)

ข้อสมมติฐานการตัดข้อมูลไม่ก่อให้เกิดข้อมูลที่เป็นประโยชน์ และเวลาการอยู่รอดวัดจากจุดเริ่มต้นเดียวกัน

ข้อผิดพลาดที่พบบ่อยอย่าถือว่าหัวข้อที่ถูกตัดทอนเป็นหัวข้อที่ไม่มีเหตุการณ์เกิดขึ้นในตอนท้าย: วิธีการนี้ได้คำนึงถึงหัวข้อเหล่านั้นแล้ว

ตัวอย่างการทำงาน

คลิกที่ " โหลดข้อมูลตัวอย่าง"ด้านบน จากนั้นคลิก "เรียกใช้การวิเคราะห์"เพื่อดูผลลัพธ์ที่สมบูรณ์พร้อมรูปภาพ สูตร และคำอธิบายสำหรับการทดสอบนี้

อ้างอิง
  1. Kaplan EL, Meier P. การประมาณค่าแบบไม่ใช้พารามิเตอร์จากข้อมูลที่ไม่สมบูรณ์ J Am Stat Assoc. 1958;53:457-481.
Powered by editverse.com · R 4.3.3 ผ่านการตรวจสอบแล้ว · v3.6 ต้องการการวิเคราะห์จากผู้เชี่ยวชาญหรือไม่? →

ตัวอย่างผลงาน

ตัวอย่างที่ 1 — การอ่านค่ามัธยฐานของอัตราการรอดชีวิต

ป้อนเวลาเกิดเหตุการณ์พร้อมระบุสถานะ (1 = เกิดขึ้น, 0 = ถูกตัดออก) กราฟจะลดระดับลงเมื่อเกิดเหตุการณ์แต่ละครั้งและคงที่ระหว่างเหตุการณ์เหล่านั้น จุดที่กราฟลดลงเหลือ 0.5 เป็นครั้งแรกคือค่ามัธยฐานของเวลาการรอดชีวิต หากกราฟไม่เคยถึง 0.5 ภายในระยะเวลาติดตามผล ค่ามัธยฐานจะ “ไม่ถึง” — ให้รายงานค่านี้แทนการคาดการณ์

ตัวอย่างที่ 2 — การเปรียบเทียบสองกลุ่ม

เมื่อมีกลุ่มทดลองและกลุ่มควบคุม จะนำกราฟสองเส้นมาพล็อตพร้อมกัน และใช้การทดสอบลอการิทึมแรงค์ (log-rank test) เปรียบเทียบผลลัพธ์ตลอดระยะเวลาติดตามผล ค่า p-value ที่น้อยแสดงว่าประสบการณ์การรอดชีวิตแตกต่างกัน ควรนำค่า p-value นั้นมารวมกับอัตราส่วนความเสี่ยง (hazard ratio) จากแบบจำลองค็อกซ์ (Cox model) เพื่อวัดขนาดของความแตกต่างนั้น

ข้อสมมติฐานที่ต้องตรวจสอบ

การเซ็นเซอร์ที่ไม่ให้ข้อมูลเหตุผลที่ผู้เข้าร่วมการวิจัยถูกตัดออกจากการศึกษาจะต้องไม่เกี่ยวข้องกับการพยากรณ์โรค หากผู้ป่วยที่มีอาการหนักกว่าถูกตัดออกจากการศึกษาก่อน การประมาณค่าก็จะเกิดความลำเอียง

การกำหนดเหตุการณ์และเวลาเริ่มต้นต้องสม่ำเสมอทุกคนควรได้รับการติดตามจากจุดเริ่มต้นที่เทียบเคียงได้ (เช่น การวินิจฉัยหรือการสุ่ม) โดยใช้คำจำกัดความของเหตุการณ์เดียวกัน

อัตราส่วนความเสี่ยงแบบสัดส่วนสำหรับการทดสอบลอการิทึมอันดับการทดสอบลอการิทึมอันดับจะมีประสิทธิภาพมากที่สุดเมื่ออัตราส่วนความเสี่ยงคงที่โดยประมาณตลอดเวลา เส้นโค้งที่ตัดกันอย่างชัดเจนจะละเมิดหลักการนี้และจำเป็นต้องใช้วิธีการอื่น

ข้อผิดพลาดทั่วไป

ไม่สนใจการเซ็นเซอร์

การถือว่ากลุ่มตัวอย่างที่มีข้อมูลไม่ครบถ้วน (censored subjects) ไม่มีเหตุการณ์เกิดขึ้น หรือการตัดกลุ่มตัวอย่างเหล่านั้นออกไปทั้งหมด จะทำให้การประมาณอัตราการรอดชีวิตคลาดเคลื่อน วิธีการของ Kaplan-Meier ถูกสร้างขึ้นมาเพื่อใช้ข้อมูลบางส่วนเหล่านั้นอย่างถูกต้อง

การตีความส่วนท้ายของเส้นโค้งมากเกินไป

เมื่อระยะเวลาติดตามผลนานขึ้น จำนวนผู้ที่ยังคงมีความเสี่ยงจะลดลง และกราฟจะเริ่มไม่เสถียร กราฟที่มีช่วงห่างกว้างทางด้านขวาไม่แน่นอน ดังนั้นควรแสดงจำนวนผู้ที่ยังคงมีความเสี่ยงเสมอ

ใช้การทดสอบลอการิทึมอันดับเมื่อเส้นโค้งตัดกัน

เส้นกราฟการรอดชีวิตที่ตัดกันนั้นขัดกับหลักสัดส่วนความเสี่ยง และอาจทำให้การทดสอบลอการิทึมอันดับ (log-rank test) พลาดความแตกต่างที่แท้จริงไปได้ ควรพิจารณาใช้การทดสอบเรนยี (Renyi test) หรือการทดสอบแบบถ่วงน้ำหนักแทน

รายงานเฉพาะค่า p เท่านั้น

ค่า p-value จากการทดสอบ log-rank แสดงให้เห็นว่ากลุ่มต่างๆ แตกต่างกันหรือไม่ ไม่ใช่ว่าแตกต่างกันมากน้อยแค่ไหน เพิ่มค่าอัตราส่วนความเสี่ยง (hazard ratio) พร้อมช่วงความเชื่อ มั่น เพื่อแสดงขนาดของความแตกต่างด้วย

คำถามที่พบบ่อย (FAQs)

การเซ็นเซอร์หมายความว่าอย่างไร?

การสังเกตที่ถูกตัดตอน คือการสังเกตที่เหตุการณ์ยังไม่เกิดขึ้น ณ เวลาที่สังเกตผู้ถูกสังเกตครั้งสุดท้าย เนื่องจากการสิ้นสุดการศึกษาหรือการติดตามผลไม่ครบถ้วน อย่างไรก็ตาม ผู้ถูกสังเกตเหล่านั้นยังคงนับรวมช่วงเวลาที่พวกเขามีความเสี่ยงอยู่

ความแตกต่างระหว่างการวิเคราะห์ถดถอยแบบ Kaplan-Meier และ Cox คืออะไร?

วิธีการประมาณค่าแบบ Kaplan-Meier ใช้ในการประมาณและเปรียบเทียบเส้นโค้งการอยู่รอด แต่ไม่สามารถปรับค่าสำหรับตัวแปรแทรกซ้อนได้ ในขณะที่แบบจำลองการถดถอยแบบ Cox ใช้ในการประมาณอัตราความเสี่ยงโดยปรับค่าสำหรับตัวแปรอื่นๆ และให้ผลลัพธ์เป็นอัตราส่วนความเสี่ยง

การทดสอบ Log-rank คืออะไร?

เป็นการทดสอบแบบไม่ใช้พารามิเตอร์ที่เปรียบเทียบประสบการณ์การอยู่รอดโดยรวมของกลุ่มสองกลุ่มขึ้นไป โดยให้น้ำหนักเหตุการณ์ตลอดทุกช่วงเวลา

ผลลัพธ์ตรงกับ SPSS, R และ Stata หรือไม่?

ใช่แล้ว เครื่องคำนวณนี้ใช้ตัวประมาณค่าขีดจำกัดผลิตภัณฑ์มาตรฐานจากแพ็กเกจ survival และแสดงคำสั่ง R ที่ถูกต้องเพื่อให้คุณสามารถทำซ้ำได้

เครื่องคำนวณที่เกี่ยวข้อง

อัตราส่วนความน่าจะเป็นและ RRเส้นโค้ง ROC และ AUCช่วงความเชื่อมั่นขนาดตัวอย่างและกำลังการทดสอบ Chi-Squareฉันควรใช้การทดสอบใด?

อ้างอิง

  1. รวย JT, Neely JG, Paniello RC และคณะ คู่มือปฏิบัติเพื่อทำความเข้าใจเส้นโค้ง Kaplan-Meier ศัลยกรรมหู คอ จมูก. 2010;143(3):331–336. PMID 20723767.
  2. เดย์ ที, มูเคอร์จี เอ, ชาครบอร์ตี เอส. ภาพรวมเชิงปฏิบัติและกลยุทธ์การรายงานสำหรับการวิเคราะห์ทางสถิติของการศึกษาการอยู่รอด หน้าอก. 2020;158(1S):S39–S48. PMID 32658651.
  3. Kaplan EL, Meier P. การประมาณค่าแบบไม่ใช้พารามิเตอร์จากข้อมูลที่ไม่สมบูรณ์ วารสารสมาคมสถิติอเมริกัน. 1958;53(282):457–481.

ต้องการให้วิเคราะห์ข้อมูลนี้สำหรับต้นฉบับของคุณหรือไม่?

นักสถิติชีวภาพระดับปริญญาเอกของเราจะทำการวิเคราะห์การอยู่รอดของคุณ สร้างแบบจำลอง Cox ตรวจสอบสัดส่วนความเสี่ยง และส่งมอบแผนภาพ Kaplan-Meier ที่พร้อมสำหรับการตีพิมพ์พร้อมเอาต์พุต R ที่ทำซ้ำได้

รับความช่วยเหลือด้านสถิติจากผู้เชี่ยวชาญ