تحليل كابلان-ماير — تقدير البقاء غير المعلمي
- قدّمه
- Edward L. Kaplan and Paul Meier
- السنة
- 1958
- النوع
- Nonparametric survival estimator
- العائلة
- Clinical / epidemiology
هذا النص ترجمة آلية ولم تتم مراجعته بعد. اقرأ النص الأصلي بالإنجليزية
ماذا تفعل؟
تحليل كابلان-ماير (KM) هو طريقة غير معلمية لتقدير دالة البقاء من بيانات الوقت حتى وقوع حدث. قدمه كابلان وماير في عام 1958، وينتج منحنى البقاء الكلاسيكي على شكل دالة خطوة يوضح احتمالية البقاء على قيد الحياة بعد كل وقت حدث مُلاحظ، مع مراعاة الملاحظات المُراقبة بشكل صحيح — المشاركون الذين غادروا الدراسة أو لم يواجهوا الحدث بعد بحلول نهاية المتابعة. إنها واحدة من أكثر التقنيات استخدامًا على نطاق واسع في الأبحاث السريرية والوبائية.
الفكرة الحدسية وراء الطريقة
تخيل متابعة مجموعة من مرضى السرطان لمعرفة مدة بقائهم على قيد الحياة بعد العلاج. يموت البعض أثناء الدراسة (أحداث مُلاحظة)؛ والبعض الآخر لا يزال على قيد الحياة عند انتهاء الدراسة أو يتسربون (مُراقبون). المتوسط البسيط يتجاهل المراقبة ويقلل من تقدير البقاء. مقدر كابلان-ماير بدلاً من ذلك يضرب سلسلة من احتمالات البقاء المشروطة — فرصة البقاء على قيد الحياة في كل وقت حدث متتالي بالنظر إلى البقاء على قيد الحياة حتى تلك النقطة — مما ينتج عنه منحنى دالة خطوة ينخفض فقط عند وقوع حدث فعلي. تقلل الملاحظات المُراقبة من مجموعة المخاطر ولكنها لا تُحتسب كأحداث، لذا تُستخدم معلوماتها حتى لحظة خروجها.
التاريخ
ينبع تحليل كابلان-ماير من ورقة بحثية بارزة عام 1958 لإدوارد إل. كابلان وبول ماير في مجلة الجمعية الأمريكية للإحصاء. كان ماير قد اشتق مقدر حاصل الضرب-الحد بشكل مستقل؛ أدرك محرر المجلة العمل المتوازي وشجع على نشر مشترك. واجهت الورقة في البداية اهتمامًا متواضعًا ولكنها نمت لتصبح واحدة من أكثر المقالات العلمية استشهادًا على الإطلاق. تم تطوير اختبار لوغ-رانك المصاحب بواسطة ناثان مانتل في عام 1966. أصبح هذا الأسلوب مركزيًا في الإبلاغ عن التجارب السريرية من السبعينيات فصاعدًا، وتتوقع الوكالات التنظيمية في جميع أنحاء العالم الآن منحنيات KM كجزء من أي تقديم لتحليل الوقت حتى وقوع حدث.
متى تُستخدم
استخدم تحليل كابلان-ماير كلما كان الناتج هو الوقت حتى حدث واحد محدد جيدًا (الوفاة، الانتكاس، الخروج، فشل العلاج) وتختلف أوقات المتابعة بين المشاركين. إنها الخطوة الأولى القياسية في أي تحليل بقاء وهي مناسبة لكل من التجارب العشوائية ودراسات الأتراب الرصدية. فضل منحنيات KM للعرض الوصفي ومقارنة المجموعات عندما يكون افتراض المخاطر المتناسبة صحيحًا؛ انتقل إلى انحدار كوكس عندما تحتاج إلى تعديل المتغيرات المتعددة في وقت واحد. لا تستخدم KM عندما لا يمكن أن يحدث الحدث أكثر من مرة لكل شخص وتوجد أحداث متنافسة (مثل، الوفاة بسبب سبب آخر قبل الحدث محل الاهتمام) — استخدم تحليل المخاطر المتنافسة بدلاً من ذلك. KM غير مناسب أيضًا عندما يُحتمل أن تكون المراقبة مُعلِمة، أو عندما تكون هناك حاجة إلى تعديل المتغيرات المستمرة، أو عندما يكون الناتج ثنائيًا بدلاً من كونه وقتًا حتى وقوع حدث.
الحدود والاعتبارات
- لا يمكن تعديله للمتغيرات المربكة المتعددة في وقت واحد — استخدم مخاطر كوكس المتناسبة لتقديرات مُعدلة بالمتغيرات.
- يفترض مراقبة غير مُعلِمة؛ تنتج تقديرات متحيزة إذا كانت المراقبة مرتبطة بالتكهن.
- لا يتعامل مع الأحداث المتكررة أو المخاطر المتنافسة بدون توسيع إلى طرق أكثر تخصصًا.
- اختبار لوغ-رانك الذي يقارن المنحنيات لديه قوة مُخفضة عندما تتغير نسبة المخاطر بمرور الوقت (منحنيات متقاطعة أو متقاربة).
- تصبح التقديرات غير مستقرة في أوقات المتابعة الطويلة عندما يظل عدد قليل من المشاركين معرضين للخطر.
لا تغني شروط المصدر عن المراجعة العلمية المستقلة أو التحقق بواسطة محرك تحليل.
نقاط القوة
- غير معلمي تمامًا — لا يفترض أي شكل لتوزيع البقاء.
- يدمج بشكل صحيح الملاحظات المُراقبة، مما يزيد من استخدام وقت المتابعة المتاح بالكامل.
- ينتج تصورًا بديهيًا وسهل الفهم (منحنى البقاء على شكل دالة خطوة).
- يمكن اشتقاق وقت البقاء المتوسط مع فترات الثقة بسهولة كإحصائية موجزة.
- مفهوم على نطاق واسع لدى الجماهير السريرية والوبائية والتنظيمية.
التطبيقات
- مقارنة البقاء الإجمالي بين أذرع العلاج في التجارب العشوائية المُحكمة لعلم الأورام.
- تقدير الوقت حتى إعادة دخول المستشفى بعد جراحة القلب في دراسات الأتراب القلبية الوعائية.
- الإبلاغ عن البقاء الخالي من التقدم في الطلبات التنظيمية للأدوية الجديدة لعلم الأورام.
- تحليل الوقت حتى التوقف عن العلاج أو ظهور حدث ضار في دراسات اليقظة الدوائية.
- تقدير بقاء الطعم في سجلات زراعة الأعضاء ودراسات رفض الأعضاء.
- وصف الوقت حتى تكرار المرض بعد الاستئصال الجراحي في أتراب سرطان القولون والمستقيم أو الثدي.
كيف يعمل
كيف يعمل
حدد الحدث محل الاهتمام (مثل، الوفاة، تكرار المرض، إعادة الدخول إلى المستشفى)، نقطة البداية الزمنية (مثل، تاريخ العشوائية، تاريخ التشخيص)، وآلية المراقبة. يساهم كل مشارك بوقت بقاء ومؤشر حدث (1 = وقع الحدث، 0 = مُراقب). تأكد من أن المراقبة غير مُعلِمة — أي أن المشاركين الذين يتم مراقبتهم لا يختلفون بشكل منهجي في التكهن عن أولئك الذين يظلون معرضين للخطر.
رتّب جميع أوقات الأحداث المُلاحظة من الأصغر إلى الأكبر. يتم حل التعادلات (أحداث متعددة في نفس الوقت) بالاتفاقية القياسية. عند كل وقت حدث مميز t_i، سجّل n_i (عدد المشاركين المعرضين للخطر قبل t_i مباشرة) و d_i (عدد الأحداث عند t_i). تقلل الملاحظات المُراقبة التي تحدث بين أوقات الأحداث المتتالية من n_i للخطوات اللاحقة ولكنها لا تُحتسب كأحداث.
احسب احتمالية البقاء على قيد الحياة عند كل وقت حدث باستخدام صيغة حاصل الضرب-الحد: S(t) = حاصل ضرب جميع t_i <= t لـ (1 - d_i / n_i). يبدأ التقدير عند S(0) = 1 وينخفض في خطوات فقط عند أوقات الأحداث، ويبقى ثابتًا بين الأحداث. هذا لا يفترض أي شيء عن التوزيع الأساسي لأوقات البقاء.
الصيغة
S(t) = \prod_{t_i \le t} \left(1 - \frac{d_i}{n_i}\right)يتم دمج الملاحظات المُراقبة — المشاركون المفقودون للمتابعة، أو المنسحبون، أو الخاليون من الأحداث عند قطع الدراسة — عن طريق إزالتهم من مجموعة المخاطر في وقت مراقبتهم، بعد المساهمة في المقام n_i حتى تلك النقطة. المعالجة الصحيحة للمراقبة أمر بالغ الأهمية: إذا كانت المراقبة مُعلِمة (مرتبطة بالتكهن)، فسيكون تقدير KM متحيزًا وستكون هناك حاجة إلى طرق أكثر تعقيدًا.
عند مقارنة مجموعتين أو أكثر (مثل، العلاج مقابل التحكم)، يتم تقدير منحنى KM منفصل لكل مجموعة ويتم عرض المنحنيات معًا. يوفر اختبار لوغ-رانك (أو اختبار مانتل-كوكس) اختبار دلالة رسمي للفرضية الصفرية لدوال البقاء المتساوية. اختبار لوغ-رانك هو الأكثر قوة عندما تكون نسبة المخاطر بين المجموعات ثابتة تقريبًا بمرور الوقت (افتراض المخاطر المتناسبة)؛ تتوفر أشكال مُرجحة مثل ويلكوكسون-بريسلو عندما تكون الاختلافات المبكرة ذات أهمية أكبر.
اعرض منحنيات KM بيانيًا مع جدول أعداد المعرضين للخطر أسفل المحور السيني. أبلغ عن وقت البقاء المتوسط (الوقت الذي يعبر فيه S(t) خط 0.5) مع فترات ثقة 95% (عادةً صيغة غرينوود). إذا تمت مقارنة، أبلغ عن قيمة p لاختبار لوغ-رانك ونسبة المخاطر من نموذج كوكس. حدد إجمالي حجم العينة، وعدد الأحداث، ومدة المتابعة.
الأخطاء الشائعة
- تجاهل المخاطر المتنافسة — استخدام KM عندما يمكن للمشاركين مواجهة حدث متنافس (مثل، الوفاة قبل الانتكاس) يؤدي إلى المبالغة في تقدير التكرار التراكمي للحدث محل الاهتمام؛ استخدم نهج فاين-جراي أو مخاطر خاصة بالسبب بدلاً من ذلك.
- عرض المنحنيات بدون جدول أعداد المعرضين للخطر — الأجزاء المتأخرة من المنحنى المعتمدة على عدد قليل جدًا من الأفراد غير موثوقة ومضللة بدون سياق.
- مراقبة مُعلِمة — إذا تم مراقبة المرضى بسبب تدهورهم وتغيير العلاج، فإن المجموعة الباقية مختارة بشكل مصطنع؛ يجب النظر في تحليلات الحساسية أو الترجيح العكسي لاحتمالية المراقبة.
- الإبلاغ عن قيمة p لاختبار لوغ-رانك فقط بدون حجم تأثير — قيمة p تعبر عن الدلالة ولكن ليس حجم الفرق؛ قم دائمًا بإقرانها بنسبة مخاطر وفترة ثقة من انحدار كوكس.
- منحنيات بقاء متقاطعة مع اختبار لوغ-رانك واحد — عندما تتقاطع المنحنيات، قد لا يكون اختبار لوغ-رانك ذا دلالة حتى عندما يكون هناك فرق حقيقي مبكر أو متأخر؛ متوسط البقاء المُقيد أو اختبارات لوغ-رانك المُرجحة أكثر إفادة.
الأسئلة الشائعة
ما هو الفرق بين منحنى كابلان-ماير ومنحنى المخاطر التراكمي؟
يوضح منحنى KM دالة S(t)، وهي احتمالية البقاء (عدم وقوع الحدث) بعد الوقت t، والتي تنخفض من 1 نحو 0. المخاطر التراكمية H(t) = -log S(t) تزداد بمرور الوقت وتمثل المخاطر اللحظية المتراكمة. كلاهما تمثيلان متكافئان لنفس البيانات الأساسية؛ المخاطر التراكمية خطية على مقياس لوغاريتمي تحت توزيع أسي، مما يجعلها مفيدة لفحص النموذج.
متى يجب أن أستخدم اختبار لوغ-رانك مقابل نموذج كوكس لمقارنة المجموعات؟
استخدم اختبار لوغ-رانك عندما تريد اختبار دلالة بسيط وغير معلمي يقارن منحنيين KM غير مُعدلين أو أكثر. استخدم انحدار كوكس عندما تحتاج إلى تعديل للمتغيرات المربكة، أو تضمين متغيرات تنبؤية مستمرة، أو الحصول على نسبة مخاطر كحجم تأثير موجز. كلا النهجين يفترضان مخاطر متناسبة؛ عندما يتم انتهاك هذا الافتراض، فكر في تحليل متوسط البقاء المُقيد.
كيف أحسب فترة الثقة لوقت البقاء المتوسط؟
يطبق النهج القياسي صيغة غرينوود لتقدير تباين S(t)، ثم يبني نطاقات ثقة نقطية حول المنحنى. فترة الثقة للوسيط هي مجموعة نقاط الوقت التي يعبر فيها نطاق الثقة خط الاحتمال 0.5. معظم البرامج الإحصائية (حزمة R survival، SAS LIFETEST، Stata stci) تحسب هذا تلقائيًا.
هل يمكنني استخدام كابلان-ماير عندما يكون لدي مخاطر متنافسة؟
يعامل تحليل KM القياسي الأحداث المتنافسة (مثل، الوفاة بسبب سبب آخر قبل الحدث محل الاهتمام) كملاحظات مُراقبة، مما يؤدي إلى المبالغة في تقدير التكرار التراكمي لأن الأفراد المُراقبين يُفترض أنهم يظلون معرضين للخطر. عندما تكون المخاطر المتنافسة موجودة، استخدم دالة التكرار التراكمي (CIF) من انحدار فاين-جراي أو نماذج المخاطر الخاصة بالسبب بدلاً من مقدر KM.
ما هو حجم العينة الذي أحتاجه لتقدير كابلان-ماير موثوق؟
تعتمد الموثوقية بشكل أساسي على عدد الأحداث المُلاحظة بدلاً من حجم العينة الإجمالي. كقاعدة تقريبية، هناك حاجة إلى 10-20 حدثًا على الأقل لكل مجموعة لتقديرات منحنى مستقرة، ويجب إجراء حسابات قوة رسمية لاختبار لوغ-رانك بناءً على معدل الحدث المتوقع، ووقت البقاء المتوسط، والقوة المطلوبة. في أوقات المتابعة الطويلة حيث يظل عدد قليل من المشاركين معرضين للخطر (أقل من حوالي 5-10)، يصبح المنحنى غير موثوق به ويجب اقتطاعه أو عرضه مع عدم اليقين المناسب.
طرق ذات صلة
المصادر
Kaplan, E. L., & Meier, P. (1958). Nonparametric estimation from incomplete observations. Journal of the American Statistical Association, 53(282), 457–481.
افتح مرجع DOIتم النسخ.Kaplan–Meier estimator. Wikipedia.
افتح مرجع المنشورتم النسخ.