Kaplan–Meier, sensurering, log-rank og hasardratio — på en studie du selv designer.
Laster modellen…
Modellen
Pasienter simuleres med eksponentialfordelt overlevelse, altså konstant hasard. Det er den fordelingen som gjør hasardratioen eksakt tolkbar, og som ligger bak de fleste styrkeberegningene. Hver pasient får et inklusjonstidspunkt jevnt fordelt over inklusjonsperioden, noe som gir den administrative sensureringen som oppstår når studien stenges: den som kom inn sist, er fulgt kortest.
Kurvene estimeres med Kaplan–Meiers produktgrenseestimator og konfidensbåndene med Greenwoods formel. Log-rank sammenligner observert og forventet antall hendelser under nullhypotesen, og hasardratioen estimeres med Peto–Pikes metode, som er log-rank-testens egen punktestimator.
Tilfeldigheten er styrt av et frø. Samme innstillinger gir alltid samme studie, og det er nettopp poenget: man skal kunne dra i en glidebryter og se hva akkurat det gjorde. Bytt frø for å se hvor mye som er ren tilfeldighet.
Ta For liten studie: den sanne hasardratioen er uendret 0,70, men p-verdien blir ikke-signifikant. Effekten finnes; studien mangler nok hendelser til å vise den. Fravær av bevis er ikke bevis for fravær.
Bytt bare tilfeldighetsfrø noen ganger med samme design. Forskjellen mellom kjøringene er alt tilfeldigheten alene kan få til — og den er større enn de fleste gjetter.
Øk pasientantallet og hold oppfølgingen kort. Sammenlign deretter med å beholde antallet og forlenge oppfølgingen. Det er antallet hendelser som gir styrke, ikke antallet inkluderte.
Ta For kort oppfølging og let etter medianen. Den mangler, fordi kurven aldri når 50 %. En median som ikke er nådd, er ikke en dårlig median, den er ingen median i det hele tatt.
Slå på mange frafall og se på halen: konfidensbåndet utvides og kurven blir hakkete, samtidig som risikoraden under aksen tømmes. Les alltid den raden før du tolker en hale.
Sett HR til 1,0 og se kurvene krysse hverandre fram og tilbake. Slik ser ingen effekt ut — ikke som to parallelle linjer.
Forenklinger. Konstant hasard er en forenkling: virkelige forløp har ofte tidlige topper eller sene effekter, og da er én enkelt hasardratio en misvisende oppsummering. Peto–Pikes estimat trekker dessuten lett mot 1 når den sanne ratioen ligger langt fra 1 og sensureringen er omfattende, noe som synes hvis man kjører flere frø på rad og sammenligner med den sanne verdien. Modellen antar også uavhengig sensurering, altså at den som faller fra, ikke gjør det fordi prognosen har endret seg — den antakelsen kan ikke prøves i data og er den vanligste skjulte svakheten i virkelige overlevelsesanalyser. Det gjøres ingen justering for kovariater, og konfidensintervallene er asymptotiske og blir upålitelige ved få hendelser.
Modellen bygger på
Kaplan EL, Meier P. Nonparametric estimation from incomplete observations. J Am Stat Assoc 1958.
Peto R, Pike MC m.fl. Design and analysis of randomized clinical trials requiring prolonged observation. Br J Cancer 1977.
HR 0,70 med 300 per arm og lang oppfølging. Kurvene skiller seg tidlig.
Kaplan–Meier med 95 % konfidensbånd. Loddrette streker er sensurerte pasienter — de forlater risikomengden uten å telle som hendelse. Radene under aksen er antall gjenværende i risiko, og det er der kurvens troverdighet skal leses av: en hale bygget på ti pasienter betyr ingenting.
Log-rank
0,001p
Estimert HR
0,72 (0,59–0,88)
Sann HR
0,70
Hendelser totalt
382
Kontroll
205/300 hendelser
Behandling
177/300 hendelser
Median kontroll
21,2 mnd
Median behandling
30,7 mnd
Forskjellen er statistisk signifikant. Konfidensintervallet for hazard ratio utelukker 1,0 — men les bredden på det, ikke bare p-verdien.