28 pharma industry nr 3-18
statistik
Censurerade data
Ja, det låter lite mystiskt, men det betyder helt enkelt att
för patienter som inte fått det event vi studerar använder
vi observationstiden de har i den kliniska studien och efter
att observationstiden avslutats vet vi inget – de är censure-
rade observationer.
I en överlevnadsanalys bär alla patienter information,
både de som upplever det event vi studerar och de som följs
i studien under kort eller lång tid och inte upplever progress
(eller annat event) av sin sjukdom. Alla får vara med i den
statistiska analysen! För att komplicera situationen ytterli-
gare kan vi nämna att de flesta metoder för överlevnads-
analys fokuserar på tid till det första eventet, även för sjuk-
domar, till exempel astma, där patienterna kan uppleva
flera events under en studie. Hur funkar det för sjukdomar
där patienterna kan uppleva flera events, som just astma-
anfall? Alldeles utmärkt! Man tänker sig då att det första
eventet fungerar som ”proxy” för risken för påföljande
event och använder endast detta i analysen.
Kaplan-Meier och Coxregression
De två mest kända metoderna för analys av ”överlevnads-
data” är Kaplan-Meier (KM) och Coxregression (Cox). Meto-
derna kompletterar varandra eftersom KM ger överskådliga
grafer och absoluta riskmått som till exempel medianöver-
levnad. Cox ger skattade hazardkvoter och därmed upp-
skattningar av relativ riskreduktion för en ny behandling
med avseende på det event vi studerar.
Orsaken till att man oftast (alltid) talar om medianöver-
levnad istället för medelöverlevnad är just det som nämns
tidigare ovan; många patienter har inte upplevt det event
vi studerar och vi har därför en ”trunkerad” överlevnadstid.
Vi vet att de var med i studien i x månader utan att uppleva
det event vi studerade, men vi vet inte hur lång tid det fak-
tiskt skulle dröja innan de fick till exempel sjukdomspro-
gress. En medianöverlevnadstid kan man beräkna även om
många observationer är ofullständiga, så länge åtminstone
omkring hälften av patienterna upplevt det event som stu-
derats.
Är hazardkvot och relativ risk samma sak?
Tekniskt nja, men jag menar att tolkningen är ungefär den
samma, en hazardkvot på 0,5 kan tolkas som att risken
per tidsenhet att få ett event, till exempel cancerprogress,
är halverad för patienter som får den explorativa behand-
lingen jämfört med standardbehandling. På motsvarande
sätt betyder en hazardkvot på 0,7 en 30 procents reducerad
risk. Hazardkvoter över 1,0 betyder att den explorativa be-
handlingen ökar risken för event. Eftersom hazardkvot är
Grafen visar en Kaplan-Meier-graf, kanske den mest kända grafen i förbindelse med kliniska studier, speciellt för cancerläkemedel. På y-axeln
andel patienter som ännu ej upplevt det event som studeras (ofta död eller progress av sjukdom), på x-axeln tid. Även om slutresultatet är det-
samma för de flesta patienter – progress/död inom 12 månader så har patienterna som fick det nya läkemedlet fått sina progresser betydligt
senare, det ser man eftersom kurvan ligger högre upp. Enkelt uttryckt kan man säga att area mellan kurvorna symboliserar tid som patienterna i
den övre behandlingsarmen fick, men inte patienterna i den undre kurvan, även om det inte är direkt proportionalitet mellan area och tid.
1.0
0.8
0.6
0.4
0.2
0 4 8 12 16
Nytt läkemedel
Standardbehandling
Statistiska metoder
för överlevnadsanalys är
gjorda för att hantera just olika
uppföljningstider så att all infor-
mation utnyttjas maximalt!
