Libreng Calculator ng Editverse
Kalkulator ng Kaligtasan ng Kaplan-Meier
Tantyahin ang survival rate sa paglipas ng panahon mula sa datos gamit ang censoring — gamit ang Kaplan-Meier curve, median survival rate, at ang reproducible R command. Basahin ang kumpletong gabay sa interpretasyon sa ibaba. Na-validate laban sa R 4.3.3.
Sa Simpleng Salita
Tinataya ng Kaplan-Meier estimator ang probabilidad ng "pagligtas" lampas sa bawat punto ng panahon, kung saan ang pangyayari ay maaaring kamatayan, pagbabalik sa dati, pagpalya ng aparato, o anumang minsanang resulta. Ang pangunahing kalakasan nito ay ang paghawak sa censoring : ang mga paksang umalis nang maaga sa pag-aaral o hindi pa nakakaranas ng pangyayari sa pagtatapos ay nakadaragdag pa rin sa oras na sila ay naobserbahan, sa halip na itapon.
Ang resulta ay isang step-down curve: ang bawat hakbang ay nagmamarka ng panahon kung kailan naganap ang isang kaganapan, at ang taas ng kurba ay ang tinatayang probabilidad na manatiling walang kaganapan hanggang sa sandaling iyon. Ang pagbasa mula sa oras kung saan ang kurba ay tumatawid ng 50% ay nagbibigay ng median survival . Upang ihambing ang mga kurba ng dalawang grupo, ang log-rank test ay nagtatanong kung ang kanilang pagkakaiba ay higit pa sa ipapahintulot ng pagkakataon.
Kailan Gagamitin ang Kaplan-Meier
Gamitin ito para sa datos mula sa oras hanggang sa pangyayari , lalo na kapag hindi kumpleto ang follow-up — ang pangunahing katangian ng mga pag-aaral sa kaligtasan. Sinasagot nito ang mga tanong tulad ng kung gaano katagal nananatiling walang pag-unlad ang mga pasyente, o kung paano inihahambing ang dalawang paggamot sa tamang oras sa isang resulta. Ipares ang kurba sa log-rank test para sa paghahambing ng grupo at iulat ang bilang na nasa panganib sa ilalim ng plot.
Inilalarawan ng Kaplan-Meier ang survival at pinaghahambing ang mga grupo, ngunit hindi nito maaaring isaayos para sa iba pang mga baryabol. Upang matantya ang epekto ng isang paggamot habang kinokontrol ang mga confounder, maglagay ng Cox proportional-hazards model at iulat ang hazard ratio kasama ang 95% confidence interval nito . Suriin ang proportional-hazards assumption bago umasa sa iisang hazard ratio. Hindi sigurado kung ang survival analysis ang kailangan mo? Makakatulong ang aming interactive Test Selector .
Inaasahan: isang hilera bawat tala, oras, kaganapan(1=kaganapan,0=sinensor)[, grupo]
Maglagay ng CSV dito o i-click para pumili. Na-parse sa iyong browser: walang na-upload.
Inaasahan: isang hilera bawat tala, oras, kaganapan(1=kaganapan,0=sinensor)[, grupo]
library(survival) df <- read.csv(text = "oras,kaganapan,grupo {km_csv}") fit <- survfit(Surv(oras,kaganapan) ~grupo,datos = df) buod(fit); survdiff(Surv(oras,kaganapan) ~grupo,datos = df)gabay sa paggamit
Kailan gagamitin. Tantyahin ang probabilidad ng kaligtasan sa paglipas ng panahon mula sa na-sensor na datos mula sa oras hanggang sa pangyayari, at ihambing ang mga grupo sa log-rank test.
Mga Pagpapalagay. Ang sensura ay hindi nagbibigay ng impormasyon; ang mga oras ng kaligtasan ay sinusukat mula sa isang karaniwang pinagmulan.
Mga karaniwang pagkakamali. Huwag ituring ang mga paksang sinensura bilang walang kaganapan sa huli: naipaliliwanag na ng pamamaraan ang mga ito.
Nagtrabahong halimbawa
I-click ang Mag-load ng halimbawang datos sa itaas, pagkatapos ay ang Run Analysis upang makita ang ganap na resulta na may pigura, pormula, at interpretasyon para sa pagsusulit na ito.
Mga sanggunian
- Kaplan EL, Meier P. Hindi parametrikong pagtatantya mula sa mga hindi kumpletong obserbasyon. J Am Stat Assoc. 1958;53:457-481.
Mga Nagtrabahong Halimbawa
Halimbawa 1 — Pagbasa ng median survival
Ilagay ang mga oras ng kaganapan gamit ang status flag (1 = kaganapan, 0 = sinensura). Bumababa ang kurba sa bawat kaganapan at nananatiling patag sa pagitan ng mga ito. Kung saan ito unang bumaba sa 0.5 ay ang median survival time. Kung ang kurba ay hindi kailanman umabot sa 0.5 sa loob ng follow-up, ang median ay "hindi naabot" — iulat iyon sa halip na i-extrapolate.
Halimbawa 2 — Paghahambing ng dalawang grupo
Sa pamamagitan ng isang treatment at isang control arm, dalawang kurba ang magkakasamang ipino-plot at pinaghahambing ang mga ito sa log-rank test sa buong follow-up. Ang isang maliit na p-value ay nagpapahiwatig na ang karanasan sa survival ay magkakaiba; ipares ito sa isang hazard ratio mula sa isang Cox model upang masukat ang laki ng pagkakaiba.
Mga Pagpapalagay na Susuriin
Hindi nagbibigay-impormasyon na sensura. Ang dahilan kung bakit sinensura ang isang paksa ay dapat na walang kaugnayan sa kanilang prognosis. Kung ang mga pasyenteng may mas malubhang sakit ay mas malamang na huminto sa pag-aaral, ang pagtatantya ay may kinikilingan.
Pare-parehong kahulugan ng kaganapan at oras ng pagsisimula. Dapat sundan ang lahat mula sa isang maihahambing na pinagmulan (hal., diagnosis o randomisasyon) na may parehong kahulugan ng kaganapan.
Mga proporsyonal na panganib para sa log-rank test. Ang log-rank test ay pinakamalakas kapag ang hazard ratio ay halos pare-pareho sa paglipas ng panahon. Ang mga kurba na malakas na tumatawid ay lumalabag dito at nangangailangan ng mga alternatibo.
Karaniwang Pagkakamali
Hindi pinapansin ang pagsensura
Ang pagtrato sa mga paksang na-censor bilang walang kaganapan o ang tuluyang pag-aalis sa mga ito ay nagdudulot ng bias sa mga pagtatantya ng kaligtasan. Ang pamamaraang Kaplan-Meier ay umiiral nang eksakto upang magamit nang tama ang kanilang bahagyang impormasyon.
Sobrang pagbasa sa buntot ng kurba
Habang humahaba ang follow-up, kakaunti na lamang ang mga kalahok na nasa panganib at ang kurba ay nagiging hindi matatag. Hindi tiyak ang malalapad na hakbang sa kanang dulo; palaging ipakita ang bilang na nasa panganib.
Paggamit ng log-rank kapag tumatawid ang mga kurba
Ang pagtawid sa mga kurba ng kaligtasan ay lumalabag sa mga proporsyonal na panganib at maaaring maging dahilan upang hindi magkaroon ng tunay na pagkakaiba ang log-rank test. Isaalang-alang ang paggamit ng Renyi o weighted test sa halip.
Pag-uulat lamang ng isang p-value
Ipinapakita ng log-rank p-value kung nagkakaiba ang mga grupo, hindi kung gaano kalaki. Magdagdag ng hazard ratio kasama ang confidence interval nito para sa magnitude.
Mga Madalas Itanong
Ano ang ibig sabihin ng sensura?
Ang isang sensuradong obserbasyon ay isa kung saan ang pangyayari ay hindi pa naganap noong huling naobserbahan ang paksa — dahil sa pagtatapos ng pag-aaral o pagkawala ng follow-up. Nakadagdag pa rin sila sa oras na sila ay nasa panganib.
Ano ang pagkakaiba sa pagitan ng Kaplan-Meier at Cox regression?
Tinatantya at pinaghahambing ng Kaplan-Meier ang mga kurba ng kaligtasan ngunit hindi nito kayang isaayos ang mga covariate. Ginagaya ng Cox regression ang hazard habang inaayos ang iba pang mga baryabol at nagbubunga ng hazard ratio.
Ano ang log-rank test?
Ito ay isang di-parametrikong pagsubok na naghahambing sa buong karanasan sa kaligtasan ng dalawa o higit pang grupo, na binibigyang-timbang ang mga pangyayari sa lahat ng mga punto ng panahon.
Tugma ba ang resulta sa SPSS, R, at Stata?
Oo. Ginagamit ng calculator ang karaniwang product-limit estimator mula sa survival package at ipinapakita ang eksaktong R command para ma-reproduce mo ito.
Mga Kaugnay na Calculator
Mga sanggunian
- Rich JT, Neely JG, Paniello RC, et al. Isang praktikal na gabay sa pag-unawa sa mga kurba ng Kaplan-Meier. Otolaryngol Head Neck Surg. 2010;143(3):331–336. PMID 20723767.
- Dey T, Mukherjee A, Chakraborty S. Isang praktikal na pangkalahatang-ideya at mga estratehiya sa pag-uulat para sa istatistikal na pagsusuri ng mga pag-aaral sa kaligtasan. Dibdib. 2020;158(1S):S39–S48. PMID 32658651.
- Kaplan EL, Meier P. Hindi parametrikong pagtatantya mula sa mga hindi kumpletong obserbasyon. J Am Stat Assoc. 1958;53(282):457–481.
Kailangan Mo Bang Gawin ang Pagsusuring Ito para sa Iyong Manuskrito?
Ang aming mga PhD biostatistician ang namamahala sa inyong mga survival analyses, nag-aangkop ng mga Cox model, sumusuri ng mga proportional hazard, at naghahatid ng mga Kaplan-Meier figure na handa nang ilathala na may reproducible R output.