Kaplan-Meier curves and log-rank test
Beschrijft de kans om gebeurtenisvrij te blijven in de tijd in elke groep, en vergelijkt groepen met de log-rank test.
Klinisch voorbeeld
Tijd van operatie tot recidief in twee adjuvante behandelarmen, waarbij sommige patiënten aan het einde van de follow-up nog recidiefvrij zijn.
Wanneer te gebruiken
- De uitkomst is de tijd tot een gebeurtenis, en sommige patiënten hadden de gebeurtenis aan het einde van de follow-up nog niet.
- U vergelijkt twee of meer groepen.
- U hoeft niet te corrigeren voor andere variabelen.
Aannames om te controleren
Niet-informatieve censurering
Patiënten die gecensureerd zijn, bijvoorbeeld wegens verlies uit follow-up, moeten hetzelfde toekomstige risico hebben als patiënten die onder observatie blijven.
Wat te rapporteren
- Kaplan-Meier curves met het aantal at risk onder de figuur
- Mediane tijd tot de gebeurtenis per groep met 95%-BI
- Mediane follow-up, geschat met de omgekeerde Kaplan-Meier-methode
- De log-rank p-waarde
Veelgemaakte fouten
Maak van tijd-tot-gebeurtenis geen ja/nee
Tellen wie de gebeurtenis aan het eind had, negeert wanneer die plaatsvond en hoe lang elke patiënt gevolgd is.
Rapporteer de follow-up goed
Rapporteer de mediane follow-up, bij voorkeur met de omgekeerde Kaplan-Meier-methode, en het aantal at risk onder de curven.
Alternatieven
| Als uw situatie is… | Gebruik |
|---|---|
| U moet corrigeren voor andere variabelen | Cox proportional hazards regression |
| Een concurrerende gebeurtenis komt vaak voor | Competing risks: cumulative incidence and Fine-Gray |
In uw software
# R
library(survival)
fit <- survfit(Surv(time_months, relapse) ~ arm, data = trial)
survdiff(Surv(time_months, relapse) ~ arm, data = trial)
KM time_months BY arm
/STATUS=relapse(1)
/PRINT TABLE MEAN
/PLOT SURVIVAL
/TEST LOGRANK.