Basics of Survival Curves and Kaplan-Meier Estimates
Table of Contents
Einführung in die Überlebensanalyse
Die Überlebensanalyse, auch bekannt als Zeit-zu-Ereignis-Analyse, ist ein Zweig von Statistiken, der sich mit der Zeit bis zum Eintreten eines bestimmten Ereignisses von Interesse befasst. Zensierte DatenSituationen, in denen das Ereignis am Ende des Untersuchungszeitraums nicht eingetreten ist, ein Proband ausfällt oder für die Nachbeobachtung verloren geht; das Ignorieren zensierter Beobachtungen kann zu stark verzerrten Ergebnissen führen.
Zwei grundlegende Werkzeuge in der Überlebensanalyse sind Überlebenskurven und die Kaplan-Meier (KM)-SchätzerDiese nichtparametrischen Methoden erlauben es den Forschern, die Überlebensfunktion zu schätzen und zu visualisieren, ohne eine bestimmte statistische Verteilung für die Überlebenszeiten anzunehmen. Dieser Artikel erweitert die grundlegenden Konzepte, erklärt, wie KM-Kurven konstruiert und interpretiert werden, und diskutiert gemeinsame Erweiterungen.
Überlebenskurven verstehen
Eine Überlebenskurve zeigt den Anteil der Probanden, die das Ereignis noch nicht erlebt haben (Überleben), zu aufeinanderfolgenden Zeitpunkten. Die vertikale Achse verläuft typischerweise von 0 bis 1 (oder 0% bis 100%), was die Überlebenswahrscheinlichkeit darstellt. Die horizontale Achse stellt die Zeit (Tage, Monate, Zyklen usw.) dar. Die Kurve tritt jedes Mal nach unten, wobei sie in Intervallen, in denen keine Ereignisse beobachtet werden, flach bleibt. Zensierte Beobachtungen werden oft mit Tick-Markierungen oder kleinen vertikalen Linien auf der Kurve markiert.
Schlüsselkonzepte
- Überlebensfunktion S(t): Die Wahrscheinlichkeit, dass ein Proband länger als die Zeit t überlebt. Formal, S(t) = P(T > t), wobei T die Zufallsvariable für die Überlebenszeit ist.
- Gefahrenfunktion h(t): Die momentane Rate des Erlebens des Ereignisses zum Zeitpunkt t, abhängig davon, ob es bis zu diesem Zeitpunkt überlebt hat; es ist keine Wahrscheinlichkeit, sondern eine Rate (Ereignisse pro Zeiteinheit).
- Zensurarten:
- Rechte Zensur: Am häufigsten; das Ereignis tritt auf, nachdem die Studie beendet ist oder das Thema verloren geht.
- Linkszensur: Das Ereignis ereignete sich vor dem Studienbeginn, aber die genaue Zeit ist unbekannt.
- Intervallzensur: Das Ereignis tritt innerhalb eines bekannten Zeitfensters auf, die genaue Zeit wird jedoch nicht aufgezeichnet.
Überlebenskurven sind unschätzbar in klinische Prüfungen zum Vergleich der Behandlungsarme, in Zuverlässigkeitsmanagement zur Beurteilung der Produktlebensdauer und in Epidemiologie Sie liefern eine intuitive visuelle Zusammenfassung des Risikos im Laufe der Zeit.
Der Kaplan-Meier-Schätzer
Der Kaplan-Meier-Schätzer, auch Produkt-Limit-Schätzer genannt, wurde 1958 von Edward L. Kaplan und Paul Meier eingeführt. nichtparametrisch Diese Flexibilität macht es allgemein anwendbar, was bedeutet, dass es keine Annahmen über die zugrunde liegende Verteilung der Überlebenszeiten macht.
Mathematische Definition
Lassen t1 < t2 < ... < tk Die geordneten Ereigniszeiten sind für jedes Mal ti, lassen di die Anzahl der Ereignisse sein, die zu diesem Zeitpunkt auftreten, und lassen ni die Anzahl der Personen, von denen bekannt ist, dass sie kurz zuvor gefährdet sind tiDer KM-Schätzer der Überlebensfunktion ist:
Ŝ(t) = ∏i: ti ≤ t (1 - d)i / ni)
Das Produkt beginnt zum Zeitpunkt 0, wobei Ŝ(0) = 1. Zu jedem Ereigniszeitpunkt wird die Überlebenswahrscheinlichkeit um einen Faktor verringert, der dem Anteil der gefährdeten Probanden entspricht, die das Ereignis erleben.
Schritt-für-Schritt Berechnungsbeispiel
Betrachten Sie eine kleine Studie von 10 Patienten, die für das Wiederauftreten einer Krankheit gefolgt sind:
- Patient A: Rezidiv nach 3 Monaten
- Patient B: nach 4 Monaten zensiert
- Patient C: Rezidiv nach 5 Monaten
- Patient D: Rezidiv nach 6 Monaten
- Patient E: nach 6 Monaten zensiert
- Patient F: Rezidiv nach 8 Monaten
- Patienten G, H, I, J: keine Ereignisse, gefolgt bis 12 Monate (zensiert um 12)
Die geordneten Ereigniszeiten sind 3, 5, 6 und 8 Monate. Zum Zeitpunkt 3: n=10, d=1 → Überlebenswahrscheinlichkeit = 1 − 1/10 = 0,9 → Ŝ(3) = 0,9. B wurde also bei 4 zensiert, also war das Risiko bei 5 gleich 8 (A, C, D, F, G, H, I, J – aber A hatte ein Ereignis, das also nicht gefährdet sein kann; vorsichtig: nach dem Ereignis bei 3 wird A entfernt. Also nach dem Zeitpunkt 3, wird das Risiko bei 9 reduziert (B, C, D, E, F, G, H, I, J). B bei 4 reduziert das Risiko, das auf 8 kurz vor dem Zeitpunkt 5 gesetzt ist. Also n=8, d=1 → Ŝ(5) = 0,9 × (1 - 1/8) = 0,9 x 0,875 = 0,875.
Zum Zeitpunkt 6: kein neues Risiko, das nach dem Zeitpunkt 5 (C) und zensiert wird? Patient E wird genau bei 6 zensiert? Normalerweise können wir davon ausgehen, dass ein Ereignis kurz vor dem Zeitpunkt 7 auftritt (D, E, F, G, H, H, I, J). Nach dem Zeitpunkt 6: d=1, n
Bau einer Kaplan-Meier-Überlebenskurve
Die meisten Analysen verwenden statistische Software (R, SAS, Stata, Python Lifelines, etc.), um KM-Schätzungen und Kurven zu berechnen, aber das Verständnis der manuellen Konstruktionsschritte ist wichtig für die Interpretation.
Schritte zum Erstellen der Kurve
- Sortieren Sie Daten nach Zeit: Ordne alle Beobachtungen (Ereignis- oder Zensurzeiten) in aufsteigender Reihenfolge an.
- Risikosätze bestimmen: Zählen Sie für jede einzelne Ereigniszeit die Anzahl der Themen, die vor dieser Zeit noch beobachtet wurden.
- Berechnung der Überlebenswahrscheinlichkeit: Multiplizieren Sie die stufenweise bedingten Wahrscheinlichkeiten wie oben gezeigt.
- Fläche: Auf der x-Achsen-Plot-Zeit; auf der y-Achsen-Plot Ŝ(t): Zeichne eine horizontale Linie auf der aktuellen Überlebensstufe bis zur nächsten Ereignis-Zeit, dann steige vertikal auf die neue Überlebensstufe, füge Tick-Marken für zensierte Beobachtungen hinzu.
- Vertrauensintervalle hinzufügen: Die Greenwood-Formel schätzt die Varianz des KM-Schätzers, wodurch punktweise Konfidenzintervalle berechnet werden können, die typischerweise als gestrichelte Linien oder schattierte Bänder um die Kurve dargestellt werden.
Softwareimplementierungen
In RDas -Paket bietet die -Funktion. PythonDie Bibliothek bietet die Klasse. Vanderbilt Biostatistik Wiki Beispiele seien genannt. NIST Das Engineering Statistics Handbuch enthält auch eine Abschnitt über Kaplan-Meier mit Formeln und Annahmen.
Survival Curves vergleichen: Der Log-Rank Test
Oft wollen Forscher formal testen, ob zwei oder mehr Kaplan-Meier-Kurven statistisch unterschiedlich sind (z. B. Behandlung vs. Placebo). log-Rank-Test Die Methode ist am häufigsten. Sie vergleicht die beobachtete Anzahl von Ereignissen in jeder Gruppe mit der erwarteten Anzahl unter der Nullhypothese des identischen Überlebens. Die Teststatistik folgt einer Chi-Quadrat-Verteilung.
Annahmen des Log-Rank-Tests
- Unabhängige Beobachtungen.
- Nicht-informative Zensur (nicht mit dem zukünftigen Überleben verbunden).
- Die Gefahrenfunktionen sind im Zeitverlauf proportional (das Verhältnis der Gefahren ist konstant); bei Überkreuzungen der Gefahren verliert der Log-Rank-Test an Leistung; es können alternative Tests wie der Wilcoxon-Test (Breslow-Test) verwendet werden.
Der Log-Rank-Test ist die Grundlage für viele klinische Studienanalysen und wird neben KM-Kurven berichtet, er testet jedoch nur eine Differenz über den gesamten Nachbeobachtungszeitraum, nicht zu bestimmten Zeitpunkten.
Grenzen und Annahmen von Kaplan‐Meier
Wichtige Annahmen
- Nicht-informative Zensur: Der Grund für die Zensur sollte nicht mit dem Ereignis zusammenhängen, beispielsweise wenn kränkere Patienten aussteigen, kann die KM-Schätzung voreingenommen sein.
- Unabhängige Überlebenszeiten: Die Veranstaltungszeiten der Probanden werden unabhängig angenommen.
- Keine säkularen Trends: Die Überlebenserfahrung ändert sich während der Studie im Laufe der Kalenderzeit nicht (stabile Bedingungen).
Häufige Fallstricke
- Kleine Risikogruppen: Wenn nur wenige Probanden weiterhin gefährdet sind (z. B. spät in der Nachbeobachtung), wird die Kurve sehr ungenau.
- Ignorieren konkurrierender Risiken: Wenn Probanden andere Ereignisse erleben können, die das Ereignis von Interesse ausschließen (z. B. Tod vor dem Wiederauftreten), kann KM die kumulative Inzidenz überschätzen. Ursachenspezifische Analyse oder der Aalen-Johansen-Schätzer in solchen Fällen verwendet werden sollten.
- Keine Anpassung für Kovariate: Um Störgrößen zu berücksichtigen, sind ein Cox-Proportional-Hazard-Modell oder andere Regressionsmethoden erforderlich.
Erweiterungen und verwandte Methoden
Nelson-Aalen-Schätzer
Eine Alternative zu KM für die kumulative Gefahrenfunktion ist der Nelson-Aalen-Schätzer, der die Gefahreninkremente summiert: ġ(t) = Σ (d)i/ni) für Ereigniszeiten ≤ t. Die Überlebensfunktion kann als Ŝ(t) = exp(-ġ(t) abgeleitet werden.
Cox Proportional Hazards Modell
Das Cox-Modell, das oft als "halbparametrische" Erweiterung bezeichnet wird, ermöglicht die Einbeziehung mehrerer Prädiktoren (Kovariaten), wobei angenommen wird, dass die Gefahrenfunktionen für verschiedene Gruppen im Laufe der Zeit proportional sind.
Parametrische Überlebensmodelle
Wenn die Überlebenszeiten einer bekannten Verteilung (exponentiell, Weibull, log-normal) folgen, können parametrische Modelle effizienter sein. Der KM-Schätzer dient als modellfreie Basislinie zur Überprüfung parametrischer Passungen.
Anwendungen über Disziplinen hinweg
Medizin und öffentliche Gesundheit
Überlebenskurven sind in onkologischen Studien allgegenwärtig, um die Zeit mit dem Fortschreiten oder dem Gesamtüberleben zu vergleichen. FZ In der Epidemiologie helfen sie, die Wahrscheinlichkeit einer Krankheit im Laufe der Zeit abzuschätzen.
Engineering und Zuverlässigkeit
Hersteller verwenden Überlebensanalyse, um die Fehlerzeitverteilung von Komponenten abzuschätzen. Kaplan-Meier-Schätzer kann verwendet werden, um die Überlebensfunktion eines Systems aus Feldfehlerdaten zu berechnen, wobei Einheiten berücksichtigt werden, die noch funktionieren (zensiert).
Finanzen und Wirtschaft
In der Finanzbranche modelliert die Überlebensanalyse die Zeit bis zum Ausfall von Krediten oder die Zeit bis zum Schließen eines Kundenkontos. Das „Überleben eines Unternehmens oder einer Investition kann mit KM-Kurven visualisiert werden.
Praktische Überlegungen für die Berichterstattung
- Immer einschließen a Nummer der Risikotabelle Unterhalb der Überlebenskurve zu mehreren Zeitpunkten (z.B. 0, 6, 12, 18 Monate) dokumentiert diese Tabelle, wie viele Probanden noch verfolgt werden und verhindert eine Überinterpretation des rechten Schwanzes.
- Bericht Mediane Überlebenszeit (der Zeitpunkt, zu dem die Überlebenswahrscheinlichkeit auf 0,5 sinkt) zusammen mit einem Konfidenzintervall.
- Beim Vergleich von Gruppen sind der log-rank-Test-p-Wert und der Hazard-Ratio aus einem Cox-Modell anzugeben.
- Verwenden Sie die Grünholzformel Konfidenzintervalle für die Überlebenskurve zu berechnen; die Verwendung der Log-Log-Transformation in Betracht ziehen, um Intervalle innerhalb von [0,1] zu halten.
Schlussfolgerung
Überlebenskurven und der Kaplan-Meier-Schätzer sind unverzichtbare Werkzeuge zur Analyse von Zeit-zu-Ereignis-Daten. Ihre nicht-parametrische Natur, die Fähigkeit, mit Zensur umzugehen, und eine klare visuelle Interpretation machen sie für viele Forscher zur ersten Wahl. Durch das Verständnis, wie KM-Kurven konstruiert, interpretiert und verglichen werden können - zusammen mit ihren zugrunde liegenden Annahmen und Grenzen - können Sie robuste Schlussfolgerungen aus Überlebensdaten ziehen. BMJ Serie zur Überlebensanalyse von Bland und Altman (englisch)Teil 1: Kaplan-Meier und Teil 2: Log-Rank-Test) bietet eine ausgezeichnete klinische Perspektive. Überlebensanalyse: Ein selbstlernender Text Meistern Sie diese Grundlagen, und Sie werden gut vorbereitet sein, um auf fortgeschrittenere Methoden wie das Cox proportionale Gefahrenmodell und konkurrierende Risikoanalyse zu bewegen.