Upload
internet
View
114
Download
2
Embed Size (px)
Citation preview
Prof. Ivan Balducci
FOSJC / Unesp
Life Tables&
Kaplan-Meier
Análise de Sobrevivência
Análise de SobrevivênciaTodo organismo vivo acaba morrendo, e a morte é função
do tempo
O tempo faz sempre o mesmo, quer rapidamente quer devagar, com tudo o que tem vida, por meio de uma ferida, por meio de
uma doença, pelo fogo, pela fome ou por qualquer outra coisa: em algum momento, toda essa vida florescente será cinza.
Os sinais sagrados. Romano Guardini. Ed. Quadrante, SP, 1993: A cinza (p.34-35)
Caducidade é o que a cinza exprime
Análise de SobrevivênciaTodo organismo vivo acaba morrendo, e a morte é função
do tempo
Tudo se converterá em cinza: a minha casa, a minha roupa, o meu
dinheiro: campo, prados e bosques; a mão com que agora escrevo, os
olhos com que leio, o meu corpo inteiro; as pessoas que amei, que
odiei, que temi. O que sobre a face da terra me pareceu grande e o que
me pareceu pequeno e desprezível – tudo cinza..., tudo...
Os sinais sagrados. Romano Guardini. Ed. Quadrante, SP, 1993: A cinza (p.34-35)
Não há nada que resista ao tempo
•Dados de tempo de sobrevivência
•tempo de sobrevivência é definido como o tempo para a ocorrência de um evento específico,
que pode ser o desenvolvimento de uma doença, resposta a um tratamento, reincidência, ou morte.
•Análises de tempo de sobrevivência usados em estudos biomédicos, Engenharia, Sociologia, Companhia de
Seguros, Marketing etc...
•Por exº: para a Sociologia, o tempo de sobrevivência
pode ser a duração do 1º casamento
Análise de Sobrevivência
Análise de Sobrevivência
A Life Table dá a curva de sobrevivência para um grupo de indivíduos. Ela pode ser usada para estimar a
sobrevivência ao longo de qualquer tempo da escala.
O método da Life Table dá a probabilidade de morte (ou outro evento) para cada intervalo de tempo designado.
Há dois métodos para estimar a sobrevivência:
(1) o atuarial, ou Life Table, e (2) o Kaplan-Meier
Análise de Sobrevivência
•Para um grupo de indivíduos, há uma distribuição de tempos para a morte, isto é, a idade não é a mesma para todos os indivíduos no grupo.
•A distribuição de mortes pode ser usada para derivar a probabilidade de mortes antes de uma idade específica para o grupo.
•A técnica mais comumente usada para determinar a probabilidade da morte (ou de algum end-point) é a Life
Table.
Análise de Sobrevivência
A palavra sobrevivência é usada, mas outros end-points além da morte podem ser usados.
A curva de sobrevivência será denotada por S(t), a probabilidade de sobrevivência t ou mais anos após a entrada no estudo.
Há 4 critérios para calcular uma curva de sobrevivência:
1. Um evento que indica o ponto inicial (exº: início de administrar a droga;
2. End point (exº: morte, reaparição de uma doença);3. Entrada de pessoas num estudo pode ser em qualquer tempo
durante o período de follow-up após a 1ª pessoa entrar;4. Nem todos os pacientes podem ter sido acompanhados durante o
período de tempo.
Análise de Sobrevivência
Os pacientes são acompanhados até algum end-point
Os pacientes que não alcançam o end-point caem em duas categorias:
1. Perde-se a pista deles por algum motivo;2. Abandonam o estudo (desistem)
O termo para perdido ou desistente é censurado
•Uma aplicação comum de dados de sobrevivência são as observações censuradas. Nem todos os
elementos selecionados para o estudo atendem ao seguimento ao longo do período previamente estabelecido, podendo, a qualquer momento,
desistir por motivos diversos.
• observações censuradas ocorrem quando odado de interesse não foi registrado:
1. seja devido ao fato de desistência do sujeito em estudo, ou porque
2. o estudo terminou antes de que o evento ocorresse.
Life Tables: Observações Censuradas
Modelos de sobrevivvência
3 patterns de mortalidade
1. Baixa early in life, Alta later in life2. Mortalidade Constante3. Alta early in life, Baixa later in life
Objetivo: calcular a probabilidade de ocorrência de eventos ao longo de certo
período, o qual é dividido em vários intervalos de tempo
Os eventos podem ser de diversas naturezas, tais como:
a) períodos de remissão de uma doença;
b) tempo de sobrevivência de indivíduos acometidos
por neoplasia;
c) duração de matrimônios;
d) efeitos de drogas e outros.
Análise de Sobrevivência
Life Tables
Life Tables: é uma tabela de distribuição de freqüência aumentada.
É o método mais direto para descrever a sobrevivência em uma amostra.
A distribuição dos tempos de sobrevivência é dividido em um certo nº
de intervalos.
Para cada intervalo podemos calcular:
• nº (%) de casos que entram no respectivo intervalo “vivos”, • nº (%) ............................................................................“mortos”, • nº (%) ..........................................................“perdidos” ou “censurados”.
Exemplo de uma Life Table
Meses após cirurgia
(i)
nºs vivos no início do intervalo
“at risk”
ni
nº de mortos
durante o intervalo
di
nº de censurados durante o intervalo
ci
Probab. estimada de sobreviver
pi
Probab. (Si) estimada de sobreviver
desde o início até o
fim do intervalo i
1º Intervalo
0 – 11
15 2 0 0.87 0.87
2º Intervalo
12 – 23
13 2 1 0.84 0.73
3º Intervalo
24-35
10 0 4 1.00 0.73
4º Intervalo
36-47
6 3 3 0.33 0.24
=
=
=
=
x
x
x
Fórmulas para Life Tables
pi = (ni-di-ci/2) / ni – ci/2
ni = nº de pacientes vivos no início do intervalo ipi = probabilidade de sobreviver o intervalo idi= nº de mortos no intervalo ici = nº de censurados no intervalo iSi
= probabilidade de sobrevivência desde o início até o fim do intervalo(i)
Si = p1 p2p3... pi
Exemplo: dados de sobrevivência p/ Life Table
Tempo (meses) Tempo (meses)
Paciente Morte Censurado
1 6 meses
2 8
3 20
4 20
5 20 meses
6 24
7 25
8 30
9 31
10 37
11 37
12 38
13 40
14 42
15 45
Survival of Patients Folowing Radical Mastectomy for Breast Cancer
Exemplo alfa
Tempo (meses) Tempo (meses)
Paciente Morte Censurado
1 6 meses
2 8
3 20
4 20
5 20 meses
Survival of Patients Folowing Radical Mastectomy for Breast Cancer
•Intervalos escolhidos: 12 meses
•Após 12 meses da cirurgia (0-11 meses):2 pacientes morreram;
Zero foram censurados, conseqüentemente: n1 = 15, d1 = 2, c1 = 0.
Exemplo alfa
“d = death”
1º intervalo:
0 - 11 meses
Tempo (meses) Tempo (meses)
Paciente Morte Censurado
1 6 meses
2 8
3 20
4 20
5 20 meses
Survival of Patients Folowing Radical Mastectomy for Breast Cancer
A probabilidade estimada de sobreviver no final do 1º ano (S1) é: p1 = [(15-2-0/2) / (15-0/2) ] = 0.87
S1= 12meses = 0.87 = 87% é a chance de sobreviver
Exemplo alfa
1º intervalo:
0 - 11 meses
Fórmula para cada intervalo(i):
pi = (ni-di-ci/2) / ni – ci/2
Si = p1
Tempo (meses) Tempo (meses)
Paciente Morte Censurado
1 6 meses
2 8
3 20
4 20
5 20 meses
Survival of Patients Folowing Radical Mastectomy for Breast Cancer
•Durante o 24º mês da cirurgia (12-23 meses):
2 pacientes morreram;1 paciente foi censurado, conseqüentemente:
n2 = 13, d2 = 2, c2 = 1.
6 24
Exemplo alfa
2º intervalo:
12-23 mes
Para o 2º intervalo: sobraram 13 = n2= “at risk”
1º intervalo
Tempo (meses) Tempo (meses)
Paciente Morte Censurado
1 6 meses
2 8
3 20
4 20
5 20 meses
Survival of Patients Folowing Radical Mastectomy for Breast Cancer
A probabilidade estimada de sobreviver desde o começo até o final do 2º ano (S2) é: p2 = [(13-2-1/2) / (13-1/2) ] = 0.84
S2= 24 meses = 0.87 x 0.84 = 0.73 = 73%é a chance de viver
6 24
Exemplo alfa
2º intervalo:
12-23 mes
pi = (ni-di-ci/2) / ni – ci/2
S2 = p1 x p2
Tempo (meses) Tempo (meses)
Paciente Morte Censurado
1 6 meses
2 8
3 20
4 20
5 20 meses
6 24
7 25
8 30
Survival of Patients Folowing Radical Mastectomy for Breast CancerExemplo alfa
•Durante o 36º mês da cirurgia (24 – 35 meses):
• Zero pacientes morreu;
• 4 pacientes foram censurados,
• conseqüentemente: n3 = 10, d3 = 0, c3 = 4.
3ºintervalo:
24-35
9 31
Tempo (meses) Tempo (meses)
Paciente Morte Censurado
1 6 meses
2 8
3 20
4 20
5 20 meses
6 24
7 25
8 30
Survival of Patients Folowing Radical Mastectomy for Breast CancerExemplo alfa
A probab. estimada de sobreviver desde o começo até o final do 3º ano S3 é:
S3= 36 meses = 0.87 x 0.84 x 0.73 x 1 = 0.73
3ºintervalo:
24-35
9 31
S3 = p1 x p2 x p3
p3 = [(10-0-4/2) / (10-4/2) ] = 1.0
Exemplo alfa Life Table final
Meses após cirurgia
(i)
nºs vivos no início do intervalo
“at risk”
ni
nº de mortos
durante o intervalo
di
nº de censurados durante o intervalo
ci
Probab. estimada de sobreviver
pi
Probab. (Si) estimada de sobreviver
desde o início até o
fim do intervalo i
1º Intervalo
0 – 11
15 2 0 0.87 0.87
2º Intervalo
12 – 23
13 2 1 0.84 0.73
3º Intervalo
24-35
10 0 4 1.00 0.73
4º Intervalo
36-47
6 3 3 0.33 0.24
=
=
=
=
x
x
x
Exemplo alfa
Paciente Morte Censurado Tempo Evento
1 6 meses 6 1
2 8 8 1
3 20 20 1
4 20 20 1
5 20 20 0
6 24 24 0
7 25 25 0
8 30 30 0
9 31 31 0
10 37 37 1
11 37 37 1
12 38 38 0
13 40 40 0
14 42 42 1
15 45 45 0
para entrada com os
dados em um
programa, por exº:
MINITAB
Survival of Patients Folowing Radical Mastectomy for Breast Cancer
Actuarial Table Conditional Interval Number Number Number Probability Standard Lower Upper Entering Failed Censored of Failure Error 0.000000 12.0000 15 2 0 0.1333 0.0878 12.0000 24.0000 13 2 1 0.1600 0.1037 24.0000 36.0000 10 0 4 0.0000 0.0000 36.0000 48.0000 6 3 3 0.6667 0.2222
Survival Standard 95.0% Normal CI Time Probability Error Lower Upper 12.0000 0.8667 0.0878 0.6946 1.0000 24.0000 0.7280 0.1162 0.5002 0.9558 36.0000 0.7280 0.1162 0.5002 0.9558 48.0000 0.2427 0.1664 0.0000 0.5687
Resolução via MINITAB for WindowsSTAT>> RELIABILITY / SURVIVAL > Nonparametric Distribution Analysis Right Censoring
Specify time intervals: 0 12 24 36 48
Exemplo alfa
403020100
1.0
0.9
0.8
0.7
0.6
0.5
0.4
0.3
0.2
months
Pro
babi
lity
Nonparametric Survival Plot for DATAActuarial Method
Censoring Column in CENSUR
Median 41.637
Curva de sobrevivência do MINITAB for WindowsExemplo alfa
FIM DO MÉTODO LIFE TABLE
INÍCIO DO MÉTODO KAPLAN-MEIER
MÉTODO DE KAPLAN-MEIER
•O método de estimar a sobrevivência é similar à análise atuarial diferindo apenas em que o tempo que entra no estudo
não é dividido em intervalos para a análise
•A sobrevivência é estimada cada vez que o paciente morre, assim as desistências são ignoradas na análise
•É especialmente apropriado em estudos que envolvem um nº pequeno de pacientes
MÉTODO DE KAPLAN-MEIER
•Método de estimar a curva de sobrevivência
que usa o tempo exato da morte
MÉTODO DE KAPLAN-MEIER
Tempo (meses) Tempo (meses)
Paciente Morte Censurado
1 6 meses
2 8
3 20
4 20
5 20 meses
6 24
7 25
8 30
9 31
10 37
11 37
12 38
13 40
14 42
15 45
Survival of Patients Folowing Radical Mastectomy for Breast CancerExemplo
beta
MÉTODO DE KAPLAN-MEIERSurvival of Patients Folowing Radical Mastectomy for Breast Cancer
Tempo (meses) Tempo (meses)
Paciente Morte Censurado
1 6 meses
2 8
3 20
4 20
5 20 meses
A primeira morte ocorre 6 meses após a cirurgia, e 14 pacientes estão ainda vivos: p1 = 14/(14+1) = 0.93
A segunda morte ocorre 8 meses após a cirurgia, e 13 pacientes estão ainda vivos: p2 = 13/(13+1) = 0.93
Duas mortes (nº s 3 e 4) ocorrem 20 meses após a cirurgia, p3 = 11/(11+2) =
0.85. Observe que o paciente censurado em 20 meses é considerado vivo para o cálculo a 20 meses, ou seja, ele não é considerado no cálculo de p3.
Exemplo beta
MÉTODO DE KAPLAN-MEIER
p1 = 14/(14+1) = 0.93 S1= 6 meses = 0.93
p2 = 13/(13+1) = 0.93 S2 = 8 meses = 0.93 x 0.93 = 0.86
p3 = 11/(11+2) = 0.85. S3 = 20 meses = 0.93 x 0.93 x 0.85 = 0.72
St ... Curva de sobrevivência no instante t
Exemplo beta
A sobrevivência cumulativa é dada pelo produto:
St = p1 p2p3... pi
Meses após
cirurgia
nºs vivos nº de mortos
piSi
6 14 1 0.93 0.93
8 13 1 0.93 0.86
20 11 2 0.85 0.73
37 4 2 0.67 0.49
Exemplo beta KAPLAN-MEIER Final
42 1 1 0.50 0.24
ni = at riskdi
[1 – (di/ni)]
=
=
=
=
=
x
x
x
x
Exemplo beta
Paciente Morte Censurado Tempo Evento
1 6 meses 6 1
2 8 8 1
3 20 20 1
4 20 20 1
5 20 20 0
6 24 24 0
7 25 25 0
8 30 30 0
9 31 31 0
10 37 37 1
11 37 37 1
12 38 38 0
13 40 40 0
14 42 42 1
15 45 45 0
para entrada com os
dados em um
programa, por exº:
MedCalc; Statistix;
Statistica; Minitab, etc...
“statistical’s software”
Survival of Patients Folowing Radical Mastectomy for Breast Cancer
STATISTIX 7.0 KAPLAN-MEIER - EXEMP..., 9/12/2003, 5:02:00 PM
KAPLAN-MEIER PRODUCT-LIMIT SURVIVAL DISTRIBUTION
TIME VARIABLE: TIME
EVENT VARIABLE: EVENT
CEN- AT LOWER UPPER
TIME DIED SORED RISK 95% C.I. S(t) 95% C.I. SE S(t) H(t)
6 1 0 15 0.7119 0.9333 0.9875 0.0644 0.0690
8 1 0 14 0.6314 0.8667 0.9610 0.0878 0.1431
20 2 1 13 0.5006 0.7333 0.8830 0.1142 0.3102
24 0 1 10
25 0 1 9
30 0 1 8
31 0 1 7
37 2 0 6 0.2475 0.4889 0.7356 0.1603 0.7156
38 0 1 4
40 0 1 3
42 1 0 2 0.0698 0.2444 0.5824 0.1905 1.4088
45 0 1 1
Exemplo beta
Exemplo beta
Curva de sobrevivência do STATISTICA for windows
Life Tables vs Kaplan-MeierMétodo Life Tables para dados agrupados
Método Kaplan-Meier para dados agrupados e não agrupados
Os dois métodos podem dar diferentes resultados mesmo se os mesmos dados forem considerados.
Os resultados diferirão se observações censuradas e mortes ocorrerem no mesmo intervalo. No exemplo beta, duas mortes
e uma observação censurada ocorreu 20 meses após a cirurgia.
Os resultados irão diferir, portanto, para os dois métodos após 20 meses.
Life Tables vs Kaplan-Meier
Kaplan-Meier: - a vantagem sobre o Life Tables é que o resultado da estimativa
não depende do agrupamento dos dados (em um certo nº de intervalos).
“Os dois métodos são idênticos se os intervalos da Life Table contém no máximo uma observação”
Método de Kaplan-Meier
Patient 1
Patient 2
Patient 3
Patient 4
Patient 5
Patient 6
died
died
died
died
Lost to follow-up
Lost to follow-up
Months Since Enrollment
4 10 14 24
Exemplo gama Nº TIME EVENT
1 4 1: DIED
2 4 0:
CENS.
3 10 1:
DIED
4 14 1:
DIED
5 14 0:
CENS.
6 24 1: DIED
Método de Kaplan-Meier
(1)
Times to death
desde o início do tratamento
(meses)
(2)
Nº alive e followed durante
cada time intervalo
(3)
Nº que died at
each time point
(4)Proporção que died at that time:
(3)/(2)
(5)Proporção
que survived at that time:
1.00-(4)
(6)Cumulative
Survival
4 6 1 .167 .833 .833
10 4 1 .250 .750 ?
14 3 1 .333 .667 ?
24 1 1 1.00 .000 ?
Exemplo gama
qi pi = 1- qidini
at risk
Si = p1 p2..pI
(1)Times to
death desde o início do
tratamento (meses)
(2)
Nº alive at each time
(3)
Nº who died at
each time
(4)Proporção
que died at that time:
(3)/(2)
(5)Proporção
que survived at that time:
1.00-(4)
(6)Cumulative Survival
4 6 1 .167 .833 .833
10 4 1 .250 .750 .625
14 3 1 .333 .667 .417
24 1 1 1.00 .000 .000
Método de Kaplan-MeierExemplo gama
x=
x
x=
=
=
Kaplan-Meier Plot (N=6)
0 4 10 14 24
Months After Enrollment
% Cumulative Surviving
0
20
40
80
100
60
.833
.625
.417
.0
Exemplo gama
Exemplo gama
Forma de entrada dos dados nos
Statistical´s softwares:
Statistix
Minitab
MedCalc, etc...
Nº TIME EVENT
1 4 1: DIED
2 4 0:
CENS.
3 10 1:
DIED
4 14 1:
DIED
5 14 0:
CENS.
6 24 1: DIED
STATISTIX 7.0 KAPLAN-MEIER PRODUCT-LIMIT SURVIVAL DISTRIBUTIONTIME VARIABLE: TIME EVENT VARIABLE: EVENT CEN- AT LOWER UPPERTIME DIED SORED RISK 95% C.I. S(t) 95% C.I. 4 1 1 6 0.4688 0.8333 0.9659 10 1 0 4 0.2779 0.6250 0.8783 14 1 1 3 0.1534 0.4167 0.7379 24 1 0 1 0.0000 0.0000 0.0000
Exemplo gama
Termos que devem ser familiares
Life Tables Kaplan-Meier
Dados censurados
Curvas de sobrevivência