Académique Documents
Professionnel Documents
Culture Documents
ANALISIS SURVIVAL
REGRESI COX
LIFE TABLE
Menjelaskan kapan keadaan yang tepat untuk menggunakan metode Kurva Survival Kaplan-Meier
dan menafsirkan contohnya termasuk menggunakan kurva untuk menentukan survival dan proporsi
populasi yang masih hidup untuk waktu tertentu
Menjelaskan penggunaan uji log-rank untuk pengujian hipotesis dengan data survival dan
menafsirkan hasil tes
Menjelaskan kapan keadaan yang tepat untuk menggunakan risiko proporsional cox
regresi, menentukan bahwa asumsi bahaya proporsional telah dipenuhi, dan menafsirkan
hasil dari analisis tersebut
Mengapa Perlu
Analisis Survival ?
Subyek Penelitian
Hilang Pada saat
Penelitian
Pulih Kembali
dan di Follow
Tersensor Kiri Tersensor Kanan Up
• Regresi Cox adalah metode pilihan untuk memodelkan hubungan antara risiko
kejadian yang terjadi dan sejumlah variabel penjelas. Regresi cox merupakan
model regresi yang memperhitungkan waktu hingga peristiwa terjadi.
• Analisis regresi Cox merupakan analisis yang digunakan untuk menganalisa data
waktu kejadian dan untuk mengetahui hubungan waktu kejadian dengan salah satu
variabel bebasnya.
REGRESI COX
Fungsi Hazard
Fungsi hazard didefinisikan sebagai laju kegagalan dari suatu individu untuk mampu
bertahan setelah melewati waktu yang ditetapkan yang dilambangkan dengan h(t)
• dimana h0(t) adalah fungsi hazard untuk kelompok A dan h1(t) fungsi hazard untuk
kelompok B.
• Selanjutnya h0(t) adalah fungsi hazard bagi individu yang memiliki nilai nol untuk
semua variable penjelas, dan h1(t) untuk fungsi hazard bagi individu dengan nilai
predictor lainnya. Dapat diasumsikan bahwa h1(t)/ h0(t) tergantung hanya pada
predictor dan tidak berdasarkan waktu (t) karena bersifat konstan dari waktu ke waktu.
REGRESI COX
Memeriksa Asumsi Proportional Hazard
Terdapat beberapa pendekatan yang dapat digunakan untuk menguji asumsi
proportional hazard yaitu Kurva Kaplan-Meier dan interaction term
Prediksi
• salah satu fungsi dari regresi adalah prediksi. Kuantitas b1 x1 + b2
x2 + bk xk ini dikenal sebagai resiko skor atau prognostik indeks dan
dapat digunakan untuk memprediksi kelangsungan hidup dari kasus
baru dengan mengganti beberapa nilai variabel set tertentu dari
penjelasan menjadi persamaan
REGRESI COX
Penerapan Cox Regresi
Tabel 8.2.2 Kelompok cotinine dan risiko penyakit jantung koroner (CHD) bahaya rasio
(95 persen cis) untuk 5 tahun tertentu menindaklanjuti periode (meja 3 dari kertas)
REGRESI COX
Life Tables saat ini : ini adalah cara tertentu mengungkapkan angka kematian usia
tertentu oleh populasi tertentu, pada periode waktu tertentu. Metode ini telah
banyak digunakan oleh industri asuransi jiwa untuk menilai risiko kematian dari
calon klien, usia tertentu, jenis kelamin, dan demografi berbagai faktor gaya hidup
yang usia-angka kematian spesifik yang tersedia
Life Tables kehidupan kohort : Aplikasi ini memungkinkan kita untuk melihat dan
membandingkan kelangsungan hidup kelompok tertentu (kohort) orang diikuti dari
waktu ke waktu seperti dalam studi kohort atau uji coba. Hal ini dapat digunakan
sebagai alternatif kurva survival Kaplan-Meier. (terutama karena interval waktu
yang konstan bukan ditentukan oleh waktu kejadian
LIFE TABLE
Secara singkat melihat bagaimana Life Table dihitung. Titik awalnya adalah
usia-spesifik angka kematian untuk x usia. Kami menggunakan ini untuk
menghitung qx, risiko kematian antara usia dan tahun depan usia x + 1,
sebagai berikut:
LIFE TABLE
• Jadi, kita mulai dengan x = 0, yang merupakan tahun
pertama kehidupan. Tingkat kematian untuk kelompok
usia ini adalah angka kematian bayi (AKB). Karena
sebagian besar kematian pada tahun pertama
kehidupan terjadi sebelum 6 bulan, biasanya untuk
membuat beberapa penyesuaian untuk ini, dan
denominator untuk rumus untuk qx menjadi 1 + 0,7
(AKB)
• Jika kita mengetahui risiko kematian untuk tahun qx,
maka kita bisa menghitung jumlah orang yang
meninggal dalam dx tahun
Ringkasan : LIFE TABLE
Karena menggunakan tingkat kematian untuk Informasi tentang setiap usia (atau
periode waktu tertentu, tabel kehidupan tidak kelompok usia dalam tabel ringkasan)
menunjukkan peristiwa kematian sejati kohort disimpan dan disiapkan untuk
orang dari waktu ke waktu. perbandingan
• Jawab: Subyek adalah sub sampel laki-laki dari British Heart Study,
penyelidikan prospektif pada pria berusia 40-59, perekrutan diambil dari 24
kota di Inggris. Subsampel untuk analisis ini (n = 4729 diambil dari 18 kota
terakhir, yang termasuk serum sampel (yang kemudian dapat dianalisis untuk
cotinine). Dari orang-orang di kota tersebut, dilaporkan mereka tidak merokok (n
= 2.158: angka ini disediakan dalam kutipan - lihat Bagian 8.1.6) yang dipilih,
tetapi hanya mereka dengan serum cotinine <14,1 ng/ml n=2.105 yang
dimasukkan dalam analisis.
LATIHAN PENILAIAN DIRI 8.1.1
• Jawab: Dengan tingkat serum cotinine. Cotinine adalah metabolit nikotin, dan
merupakan indikator 'sensitif dan spesifik'paparan asap tembakau (definisi dan
interpretasi istilah sensitivitas dan spesifisitas yang dibahas dalam Bab 10).
Meskipun indikator itu merupakan indikator yang baik untuk riwayat paparan
asap tembakau, pengukuran tunggal akan menjadi kurang akurat dari waktu ke
waktu karena adanya perubahan paparan asap tembakau pada laki-laki
LATIHAN PENILAIAN DIRI 8.1.1
Dapatkah Anda melihat mengapa analisis survival akan sesuai
dengan penyidikan ini? Apakah penelitian tim memiliki informasi
tentang 'waktu untuk kejadian yang menarik perhatian?
• Jawab:
Sarana geometris digunakan
Mengapa sarana geometris karena distribusi tingkat cotinine
digunakan untuk tersebut benar miring secara nyata,
perbandingan tingkat cotinine dan ini dinormalisasi dengan
pada mantan perokok dan transformasi log. Penggunaan
tidak pernah merokok? transformasi untuk data miring dan
penafsiran sarana geometris
dibahas lebih rinci pada Bab 11
LATIHAN PENILAIAN 8.1.3
Mengapa Anda berpikir mantan perokok mungkin memiliki
tingkat cotinine yang lebih tinggi dibandingkan orang yang
seumur hidup tidak pernah merokok?
• Jawab: Dilaporkan sendiri mantan perokok dapat memiliki tingkat cotinine
yang lebih tinggi jika mereka masih merokok beberapa batang rokok,
meskipun menurut survei sementara pada 5 dan 12 tahun, hampir semua
(99) dilaporkan mereka bukan perokok. Selain itu mantan perokok lebih
mungkin memiliki hubungan sosial di tempat kerja dengan perokok
daripada yang tidak merokok.
• Jawab: Hasil dari uji log-rank (hasil kiri atas Gambar 8.1.4)
adalah p=0 002, sebuah temuan yang sangat signifikan. Hal
ini menunjukkan bahwa kita dapat menolak hipotesis nol tidak
ada perbedaan dalam kelangsungan hidup antara kelompok
yang diteliti (perokok pasif, perokok pasif berat, perokok
aktif). Sejak dua kurva terakhir berdekatan dan memotong ,
hal itu menjadi perbedaan yang penting antara perokok pasif
dan kelompok lain.
LATIHAN PENILAIAN DIRI 8.1.3
Jawab: Kurva pada Gambar 8.1.4
dimulai pada probabilitas 0,0
karena penelitian ini melihat
Mengapa kurva pada Gambar
kemungkinan mengalami suatu
8.1.4 di mulai pada probabilitas
peristiwa, bukan menghindarinya
0,0, sedangkan contoh kami
(yaitu bertahan hidup tanpa
dalam kasus kanker (Gambar
kambuh), seperti dalam contoh
8.1.2) dimulai pada probabilitas
kasus kanker. Pada awal follow up,
1,00?
tidak ada laki-laki memiliki
peristiwa baru, maka, probabilitas
adalah 0,0.
LATIHAN PENILAIAN DIRI 8.1.4
Buatlah daftar kriteria yang mendefinisikan pasien yang
dilibatkan dalam penelitian ini.
Jawab: Kriteria yang mendefinisikan pasien dilibatkan dalam penelitian ini adalah:
• direkrut dari 23 pusat di Inggris, Irlandia dan Afrika Selatan;
• tidak dapat dioperasi (tidak mungkin untuk dilakukan pembedahan) bukan sel
kanker paru-paru;
• tidak ada, atau hanya sedikit, gejala toraks (dada);
• ada indikasi kuat untuk radioterapi segera;
• status kinerja dari setiap klasifikasi WHO;
• tidak bermetastatik atau metastasis penyakit (yaitu, pasien yang kankernya telah
menyebar di luar paru-paru (metastasis), dan mereka yang kankernya belum
menyebar (tidak bermetastatis) dimasukkan);
• tidak cocok untuk radioterapi radikal dengan tujuan kuratif.
LATIHAN PENILAIAN DIRI 8.1.4
Apa hasil (a) primer dan (b)
kejadian sekunder yang menarik?
• Jawab: Grafik Kaplan-Meier adalah grafik kelangsungan hidup (tidak mati), salah satu
hasil sekunder. Grafik yang disajikan yaitu persentase pasien yang masih hidup, di mana
100 persen setara dengan probabilitas 1,0. Sebagai hasil dari angka kematian yang
sangat tinggi (survival rendah), kemungkinan bertahan hidup turun hingga di bawah 50
persen selama penelitian, dan karena itu memungkinkan untuk membaca rata-rata angka
kelangsungan hidup dari grafik (tidak seperti di kertas A). Hasil dalam abstrak adalah (a)
median 8,3 dan 7,9 masing-masing untuk mendesak dan tertunda, dan (b) 31 dan 29
persen masing-masing bertahan hidup di 12 bulan. Hasil ini konsisten dengan mereka
yang Anda akan membaca kurva Kaplan-Meier.
LATIHAN PENILAIAN 8.1.4
• Jawab: Sebuah rasio bahaya untuk
kelangsungan hidup 0,95 dengan CI 95
Rasio bahaya persen 0,73-1,24 p=0,71 menyiratkan
(lihat abstrak) bahwa subyek yang menerima radioterapi
dilaporkan langsung memiliki 5 persen risiko kematian
lebih rendah, tapi karena 95 persen CI
sebanyak 0,95, termasuk 1,0 tidak ada bukti kuat bahwa
dengan 95 temuan ini adalah sesuatu selain kebetulan.
persen CI 0,73- Nilai p dari 0,71 konsisten dengan
1,24 (p=0,71). kesimpulan ini. Oleh karena itu kita tidak
dapat menolak hipotesis nol tidak ada
manfaat dari survival.
LATIHAN PENILAIAN 8.2