Editverse Ücretsiz Hesap Makinesi
Kaplan-Meier Hayatta Kalma Hesaplayıcısı
Verilerde sansürleme (kesinti) varsa, Kaplan-Meier eğrisi, medyan sağkalım ve tekrarlanabilir R komutu ile zaman içindeki sağkalımı tahmin edin. Aşağıda ayrıntılı bir yorumlama kılavuzu bulunmaktadır. R 4.3.3 ile doğrulanmıştır.
Basit Sözlerle
Kaplan -Meier tahmincisi, ölüm, nüks, cihaz arızası veya herhangi bir tek seferlik sonuç olabilen her bir zaman noktasından sonra "hayatta kalma" olasılığını gösterir. En önemli gücü, sansürlemeyi ele almasıdır : Çalışmayı erken terk eden veya sonunda olayı yaşamamış olan denekler, göz ardı edilmek yerine, gözlemlendikleri süre boyunca çalışmaya katkıda bulunmaya devam ederler.
Sonuç, kademeli bir düşüş eğrisidir: her basamak, bir olayın meydana geldiği zamanı işaretler ve eğrinin yüksekliği, o ana kadar olay yaşanmadan kalma olasılığının tahminidir. Eğrinin %50'yi geçtiği zamanı okumak, medyan hayatta kalma süresini verir . İki grubun eğrilerini karşılaştırmak için, log-rank testi, aralarındaki farkın şansın izin verdiğinden daha fazla olup olmadığını sorgular.
Kaplan-Meier Testi Ne Zaman Kullanılır?
Özellikle takip verilerinin eksik olduğu durumlarda (sağkalım çalışmalarının belirleyici özelliği ) olay gerçekleşme süresi verileri için kullanın . Hastaların ne kadar süreyle ilerleme göstermeden kaldığı veya iki tedavinin bir sonuca ulaşma süresi açısından nasıl karşılaştırıldığı gibi sorulara cevap verir. Grup karşılaştırması için eğriyi log-rank testiyle eşleştirin ve grafiğin altına risk altındaki kişi sayısını bildirin.
Kaplan-Meier yöntemi hayatta kalma oranını tanımlar ve grupları karşılaştırır, ancak diğer değişkenleri hesaba katamaz. Karıştırıcı faktörleri kontrol ederken bir tedavinin etkisini tahmin etmek için, bir Cox orantılı tehlike modeli uygulayın ve tehlike oranını %95 güven aralığıyla birlikte bildirin . Tek bir tehlike oranına güvenmeden önce orantılı tehlike varsayımını kontrol edin. Hayatta kalma analizinin ihtiyacınız olan şey olup olmadığından emin değil misiniz? Etkileşimli Test Seçicimiz size yardımcı olabilir.
Beklenen: kayıt başına bir satır, zaman, olay (1=olay, 0=sansürlü)[, grup]
CSV dosyasını buraya sürükleyin veya seçmek için tıklayın. Tarayıcınızda ayrıştırılacaktır: hiçbir şey yüklenmeyecektir.
Beklenen: kayıt başına bir satır, zaman, olay (1=olay, 0=sansürlü)[, grup]
library(survival) df <- read.csv(text = "time,event,group {km_csv}") fit <- survfit(Surv(time, event) ~ group, data = df) summary(fit); survdiff(Surv(time, event) ~ group, data = df)Kullanıcı Rehberi
Ne zaman kullanılır? Zaman içinde hayatta kalma olasılığını, sansürlenmiş olay zamanı verilerinden tahmin etmek ve grupları log-rank testi ile karşılaştırmak için kullanılır.
Varsayımlar. Sansürleme bilgilendirici değildir; hayatta kalma süreleri ortak bir başlangıç noktasından ölçülür.
Sık yapılan hatalar. Sansürlenen denekleri, sürecin sonunda olaydan bağımsız olarak değerlendirmeyin: yöntem zaten bunları hesaba katıyor.
Çalışılmış örnek
Yukarıdaki "Örnek verileri yükle" seçeneğine tıklayın , ardından "Analizi çalıştır" seçeneğine tıklayarak bu test için şekil, formül ve yorum içeren eksiksiz bir sonucu görebilirsiniz.
Referanslar
- Kaplan EL, Meier P. Eksik gözlemlerden parametrik olmayan tahmin. J Am Stat Assoc. 1958;53:457-481.
Çalışılan Örnekler
Örnek 1 — Ortanca hayatta kalma oranının okunması
Olay zamanlarını bir durum bayrağıyla girin (1 = olay, 0 = sansürlendi). Eğri her olayda aşağı doğru iner ve olaylar arasında düz kalır. İlk olarak 0.5'e düştüğü nokta, medyan hayatta kalma süresidir. Eğer eğri takip süresi içinde asla 0.5'e ulaşmazsa, medyan "ulaşılmadı" olarak kabul edilir - tahmin yürütmek yerine bunu bildirin.
Örnek 2 — İki grubu karşılaştırma
Bir tedavi ve bir kontrol grubuyla, iki eğri birlikte çizilir ve log-rank testi, tüm takip süresi boyunca bunları karşılaştırır. Küçük bir p değeri, hayatta kalma deneyiminin farklı olduğunu gösterir; farkın büyüklüğünü ölçmek için bunu bir Cox modelinden elde edilen tehlike oranıyla eşleştirin.
Kontrol Edilmesi Gereken Varsayımlar
Bilgilendirici olmayan sansürleme. Bir denek sansürlenmesinin nedeni, prognozlarıyla ilgili olmamalıdır. Daha hasta olan hastalar öncelikli olarak çalışmadan çıkarılırsa, tahmin yanlı olur.
Olay tanımı ve başlangıç zamanı tutarlı olmalıdır. Herkes, aynı olay tanımıyla, karşılaştırılabilir bir başlangıç noktasından (örneğin, tanı veya rastgele atama) takip edilmelidir.
Log-rank testi için orantılı tehlikeler. Log-rank testi, tehlike oranı zaman içinde yaklaşık olarak sabit kaldığında en güçlüdür. Güçlü bir şekilde kesişen eğriler bunu ihlal eder ve alternatifler gerektirir.
Yaygın hatalar
Sansürü görmezden gelmek
Veriden çıkarılan denekleri olaydan bağımsız olarak ele almak veya tamamen dışlamak, hayatta kalma tahminlerini çarpıtır. Kaplan-Meier yöntemi, tam olarak bu kısmi bilgileri doğru bir şekilde kullanmak için geliştirilmiştir.
Eğrinin kuyruğunu aşırı yorumlamak
Takip süresi uzadıkça, risk altında kalan denek sayısı azalır ve eğri istikrarsız hale gelir. Sağ uçtaki geniş basamaklar belirsizdir; her zaman risk altındaki kişi sayısını gösterin.
Eğrilerin kesiştiği durumlarda log-rank testi kullanmak
Sağkalım eğrilerinin kesişmesi orantılı tehlikeler ilkesini ihlal eder ve log-rank testinin gerçek bir farkı gözden kaçırmasına neden olabilir. Bunun yerine Renyi veya ağırlıklı bir test düşünün.
Sadece p-değerini raporlamak
Log-rank p-değeri, grupların farklı olup olmadığını gösterir, ne kadar farklı olduğunu değil. Büyüklüğü göstermek için güven aralığıyla birlikte tehlike oranını ekleyin.
Sıkça Sorulan Sorular
Sansür ne anlama geliyor?
Kısıtlanmış gözlem, denek en son gözlemlendiğinde olayın gerçekleşmemiş olduğu gözlemdir; bu durum çalışmanın sona ermesi veya takipten çıkma nedeniyle olabilir. Yine de risk altında oldukları süreye katkıda bulunurlar.
Kaplan-Meier ve Cox regresyonları arasındaki fark nedir?
Kaplan-Meier yöntemi hayatta kalma eğrilerini tahmin eder ve karşılaştırır ancak eş değişkenleri hesaba katamaz. Cox regresyon modeli ise diğer değişkenleri hesaba katarak tehlike oranını verir.
Log-rank testi nedir?
Bu, iki veya daha fazla grubun tüm hayatta kalma deneyimini karşılaştıran ve tüm zaman noktalarındaki olayları ağırlıklandıran parametrik olmayan bir testtir.
Sonuçlar SPSS, R ve Stata ile örtüşüyor mu?
Evet. Hesaplayıcı, survival paketindeki standart ürün limiti tahmincisini kullanır ve yeniden oluşturabilmeniz için tam R komutunu gösterir.
İlgili Hesap Makineleri
Referanslar
- Zengin JT, Neely JG, Paniello RC, ve diğerleri. Kaplan-Meier eğrilerini anlamaya yönelik pratik bir rehber. Otolaryngol Baş Boyun Cerrahisi. 2010;143(3):331–336. PMID 20723767.
- Dey T, Mukherjee A, Chakraborty S. Hayatta kalma çalışmalarının istatistiksel analizi için pratik bir genel bakış ve raporlama stratejileri. Göğüs. 2020;158(1S):S39–S48. PMID 32658651.
- Kaplan EL, Meier P. Tamamlanmamış gözlemlerden elde edilen parametrik olmayan tahmin. J Am Stat Assoc. 1958;53(282):457–481.
Makaleniz için bu analize mi ihtiyacınız var?
Doktora derecesine sahip biyoistatistikçilerimiz hayatta kalma analizlerinizi yürütür, Cox modellerini uygular, orantılı tehlikeleri kontrol eder ve tekrarlanabilir R çıktısıyla yayınlanmaya hazır Kaplan-Meier grafikleri sunar.