Descargar la presentación
La descarga está en progreso. Por favor, espere
1
Análisis de supervivencia
Albert Sorribas Grup de Bioestadística I Biomatemàtica Departament de Ciències Mèdiques Bàsiques Universitat de Lleida
2
Esquema general Introducción al análisis de supervivencia
Tipos de estudios El concepto de censura La curva de supervivencia Concepto y modelos paramétricos Concepto de función de riesgo (hazard function) Estimación (Kaplan-Meier) Comparación de curvas de supervivencia Interpretación de resultados Ejemplos de análisis utilizando el SPSS
3
Datos de supervivencia
Tiempo hasta que se presenta un determinado suceso (muerte, recidiva, etc.) En muchos casos, no disponemos de información completa (pérdida de seguimientos, el suceso no se ha presentado en algunos pacientes al final del estudio). En casos extremos, no disponemos de un tiempo de inicio claro.
4
Caso típico de datos de un estudio de supervivencia
5
Caso especial de controles en determinados instantes de tiempo
6
Algo de terminología Dato censurado (censored):
Siguen sin presentar el suceso al final del estudio La causa es previa (en el tiempo) al tiempo de inicio del estudio (p.e.contagio con HIV) Perdida de seguimiento (lost to follow-up) No se dispone de datos más allá de un determinado tiempo. Han muerto antes de presentar el suceso de interés.
7
¿Cómo podemos estudiar este tipo de problemas?
Estimar una función que permita establecer la probabilidad del suceso en función del tiempo Establecer factores de riesgo respecto a un mejor o peor pronóstico de supervivencia Comparar la supervivencia de distintos grupos
8
La función de supervivencia
La función de supervivencia es la probabilidad de que el suceso de interés se presente después de un cierto tiempo. Es decir:
9
Ejemplos de posibles funciones de supervivencia
10
Propiedades de la función de supervivencia
La función de supervivencia es complementaria con la función de distribución Cumple:
11
Ejemplos sencillos de función de supervivencia
Exponencial Weibull En general, esta función se desconoce y debe estimarse a partir de los datos
12
Función de riesgo (Hazard function)
La función de riesgo se define como: En el caso continuo, se cumple:
13
Función de riesgo (Hazard function)
La función de riesgo puede interpretarse como la probabilidad de que se presente el suceso el siguiente instante de tiempo Si la función de riesgo es constante (caso del modelo exponencial) la probabilidad es independiente del tiempo En muchos problemas reales, esta probabilidad varía con el tiempo
14
Riesgo acumulado El riesgo acumulado hasta un instante determinado se calcula como:
15
Relación entre las distintas funciones
16
Ejemplo: función de supervivencia exponencial
En la función de supervivencia exponencial, se cumple:
17
Estimación de la función de supervivencia (Caso paramétrico)
Conocemos la función de supervivencia Expresar la función de verosimilitud Obtener los estimadores máximo-verosímiles Calcular sus varianzas
18
Ejemplo: el modelo exponencial (datos no censurados)
Matriz de información (estimación de la varianza de los parámetros)
19
Ejemplo: el modelo exponencial (censura tipo I)
Matriz de información (estimación de la varianza de los parámetros)
20
Ejemplo
21
Estimación no-paramétrica (Método de Kaplan-Meier)
Desconocemos la función de supervivencia Realizamos una estimación a partir de los datos Algunas definiciones:
22
Estimación no-paramétrica (Método de Kaplan-Meier)
El estimador de Kaplan-Meier se define como:
23
Ejemplo de aplicación del método de Kaplan-Meier
Datos:
24
Datos
25
El método de Kaplan-Meier en SPSS
26
El método de Kaplan-Meier en SPSS
Survival Analysis for TIEMPO Time Status Cumulative Standard Cumulative Number Survival Error Events Remaining 1 Suceso , , 2 Suceso 2 Suceso , , 5 Censurado o perdido 7 Censurado o perdido 8 Suceso , , 9 Censurado o perdido 11 Suceso , , 12 Suceso , , 14 Censurado o perdido Number of Cases: Censored: ( 40,00%) Events: 6 Survival Time Standard Error 95% Confidence Interval Mean: ( ; ) (Limited to ) Median: ( ; )
27
Comparación de curvas de supervivencia
Evaluar si la supervivencia observada permite concluir que los dos grupos tienen la misma curva de supervivencia Ejemplo: Grupo 1: Grupo 2:
28
Comparación de curvas de supervivencia
29
Comparación de curvas de supervivencia
Survival Analysis for TIEMPO Factor GRUPO = 1 Time Status Cumulative Standard Cumulative Number Survival Error Events Remaining 1 Suceso , , 2 Suceso , , 4 Censurado o perdido 7 Suceso , , 10 Censurado o perdido 11 Censurado o perdido Number of Cases: Censored: ( 50,00%) Events: 3 Survival Time Standard Error 95% Confidence Interval Mean: ( ; ) (Limited to ) Median: ( ; ) Comparación de curvas de supervivencia Survival Analysis for TIEMPO Factor GRUPO = 2 Time Status Cumulative Standard Cumulative Number Survival Error Events Remaining 1 Suceso , , 3 Censurado o perdido 5 Suceso , , 7 Suceso , , 8 Suceso , , 10 Censurado o perdido Number of Cases: Censored: ( 33,33%) Events: 4 Survival Time Standard Error 95% Confidence Interval Mean: ( ; ) (Limited to ) Median: ( ; )
30
Comparación de curvas de supervivencia
Survival Analysis for TIEMPO Total Number Number Percent Events Censored Censored GRUPO ,00 GRUPO ,33 Overall ,67 Test Statistics for Equality of Survival Distributions for GRUPO Statistic df Significance Log Rank , ,7347 Breslow , ,0000 Tarone-Ware , ,8785
31
Comparación de curvas de supervivencia
32
Procedimiento multivariantes
Regresión de Cox Considerar el efecto de otras variables en la supervivencia Seleccionar las variables más importantes Comparar grupos Interpretar factores de riesgo
33
Fundamentos de la regresión de Cox (modelo de riesgos proporcionales)
34
Ejemplo (Cox1.sav)
35
Ejemplo (Cox1.sav)
36
Ejemplo (Cox1.sav)
37
Ejemplo (Cox1.sav)
38
Selección de variables Ejemplo Cox1.sav
39
Selección de variables
El único factor significativo es el GRUPO
40
Ejemplo (Cox2.sav)
41
Estimación de curvas de supervivencia para determinados valores de las covariantes
Supervivencia en los valores medios de las variables
42
Ejemplo Hosmer & Lemeshow (1999) Applied survival analysis. Wiley Series in Probability and Statistics
43
Objetivos (1) Usando el método de Kaplan-Meier
Estudiar la supervivencia en función de la historia previa de uso de drogas IV. Estudiar la supervivencia en función de la edad en el momento del inicio del estudio Evaluar si existe una tendencia en la supervivencia en función de la edad
44
Supervivencia en función de la historia previa de uso de drogas IV
Drug=0 Drug=1 Test Statistics for Equality of Survival Distributions for DRUG Statistic df Significance Log Rank , ,0006 Breslow , ,0010 Tarone-Ware , ,0004
45
Supervivencia en función del grupo de edad
20-29 años 40-54 años Test Statistics for Equality of Survival Distributions for GAGE Statistic df Significance Log Rank , ,0002 Breslow , ,0027 Tarone-Ware , ,0007
46
Supervivencia en función del grupo de edad Test de tendencia
Tendencia en función de los puntos medios de los grupos de edad
47
Supervivencia en función del grupo de edad Test de tendencia
Tendencia en función de los puntos medios de los grupos de edad Test Statistics for Equality of Survival Distributions for GAGE with Trend, metric = ( 25, 32,50, 37,50, 47,50 ) Statistic df Significance Log Rank , ,0000 Breslow , ,0002 Tarone-Ware , ,0000 Podemos concluir que existe una tendencia en la supervivencia en función de la edad. Esta tendencia es inversamente proporcional a la edad.
48
Objetivos (2) Utilizando la regresión de Cox
Evaluar el efecto de la edad en la supervivencia Evaluar el efecto conjunto de la edad, el uso de drogas IV y su posible interacción Selecionar qué modelo es más adecuado
49
La edad puede considerarse como un factor de riesgo
Efecto de la edad La edad puede considerarse como un factor de riesgo
50
Efecto conjunto de la edad y del uso de drogas IV
Tanto la edad como el uso de drogas IV son factores de riesgo
51
Evaluación de la interacción
La interacción no es significativa. En este modelo, tampoco lo seria la variable DRUG
52
Selección de variables
Drug=0 Drug=1 Selección de variables La interacción no es significativa La edad y el uso de drogas IV se asocian significativamente a la supervivencia
53
Comparación entre los resultados de la regresión de Cox y Kaplan-Meier
Drug=0 Drug=1 Drug=0 Drug=1
54
Estimación del hazard ratio en función del grupo de edad
Usamos la regresión de Cox El hazard ratio se incrementa con la edad
55
Estimación del hazard ratio en función de la edad
Usamos la regresión de Cox El hazard ratio se incrementa con la edad Hazard ratio correspondiente a un incremento de un año
56
Estimación del hazard ratio
Hazard ratio correspondiente al efecto del uso de drogas IV Hazard ratio correspondiente al efecto del uso de drogas IV, ajustado por la edad
Presentaciones similares
© 2024 SlidePlayer.es Inc.
All rights reserved.