Konkurrierende Risiken

Konkurrierende Risiken treten auf, wenn ein Subjekt eines von mehreren sich gegenseitig ausschließenden Ereignistypen erfahren kann und das Eintreten eines Ereignisses die Beobachtung eines anderen verhindert oder verändert – zum Beispiel schließt der Tod aus einer anderen Ursache als der untersuchten das Subjekt von der Möglichkeit dieses Ereignisses aus. Standard-Überlebensmethoden für Einzelereignisse können in diesem Kontext irreführend sein, daher verwendet die Konkurrierende-Risiken-Analyse maßgeschneiderte Schätzer.

Definition

Ein konkurrierendes Risiko ist ein Ereignis, dessen Eintreten die Wahrscheinlichkeit des primär interessierenden Ereignisses ausschließt oder grundlegend verändert; die Analyse konkurrierender Risiken schätzt die Wahrscheinlichkeit jedes Ereignistyps über die Zeit unter Berücksichtigung der anderen, hauptsächlich durch ursachenspezifische Hazardfunktionen und die kumulative Inzidenzfunktion.

Scope

Dieses Thema behandelt, warum die naive Kaplan-Meier-Schätzung das Risiko eines Ereignisses überschätzt, wenn andere konkurrieren, den Unterschied zwischen der ursachenspezifischen Hazardfunktion und der kumulativen Inzidenzfunktion sowie Regressionsansätze, einschließlich ursachenspezifischer Cox-Modelle und des Fine-Gray-Subdistributionsmodells. Es handelt sich um methodisches Referenzmaterial und nicht um eine klinische Leitlinie.

Core questions

• Warum verzerrt die Behandlung konkurrierender Ereignisse als gewöhnliche Zensierung die geschätzte Wahrscheinlichkeit eines Ereignisses?
• Wie unterscheiden sich die ursachenspezifische Hazardfunktion und die kumulative Inzidenzfunktion in dem, was sie beschreiben?
• Wann sollte ein ursachenspezifisches Cox-Modell gegenüber einem Fine-Gray-Subdistributionsmodell verwendet werden?
• Wie werden Ergebnisse konkurrierender Risiken interpretiert und berichtet?

Key concepts

• Sich gegenseitig ausschließende Ereignistypen
• Ursachenspezifische Hazardfunktion
• Kumulative Inzidenzfunktion (CIF)
• Subdistributions-Hazardfunktion
• Fine-Gray-Modell
• Gray-Test
• Verletzung der unabhängigen Zensierung
• Überschätzung durch Eins-minus-Kaplan-Meier

Mechanisms

Wenn konkurrierende Ereignisse als gewöhnliche Zensierung behandelt werden, wird die Annahme der unabhängigen Zensierung verletzt, und eins minus der Kaplan-Meier-Schätzung überschätzt die Wahrscheinlichkeit des interessierenden Ereignisses, da implizit angenommen wird, dass zensierte Subjekte dieses Ereignis noch erfahren könnten. Die kumulative Inzidenzfunktion schätzt stattdessen die Wahrscheinlichkeit jedes spezifischen Ereignisses bis zu einem bestimmten Zeitpunkt in der realen Welt, in der auch die anderen Ereignisse auftreten, und summiert sich über die Ereignistypen zur Gesamt wahrscheinlichkeit jedes Ereignisses. Zwei Regressionsrahmen behandeln Kovariaten-Effekte: ursachenspezifische Cox-Modelle, die die Hazardfunktion jedes Ereignisses unter den noch ereignisfreien modellieren und ätiologische Fragen beantworten, und das Fine-Gray-Modell, das die Subdistributions-Hazardfunktion direkt an die kumulative Inzidenz koppelt und für die Vorhersage geeignet ist. Der Gruppenvergleich der kumulativen Inzidenz verwendet den Gray-Test (Fine & Gray, 1999; Gray, 1988; Putter et al., 2007; Austin et al., 2016).

Clinical relevance

Konkurrierende Risiken sind in älteren oder kränkeren Populationen häufig, wo beispielsweise der Tod aus anderen Ursachen mit dem untersuchten Ergebnis konkurriert; deren Ignorierung kann das Risiko dieses Ergebnisses erheblich überschätzen und Vergleiche verzerren. Dies zu erkennen ist wichtig für die Beurteilung prognostischer Studien; der Eintrag beschreibt die Methodik und ist keine Grundlage für individuelle klinische Entscheidungen.

Epidemiology

Situationen mit konkurrierenden Risiken sind häufig in der Kardiologie, Onkologie, Transplantationsmedizin und Geriatrie, wo mehrere Ursachen des Versagens koexistieren; methodische Anleitungen in wichtigen klinischen Fachzeitschriften haben mit zunehmendem Bewusstsein eine angemessene Analyse gefördert (Austin et al., 2016).

Evidence & guidelines

Es gibt keine klinischen Leitlinien für die Analyse konkurrierender Risiken selbst; die methodischen Referenzen sind der Gray-Test für die kumulative Inzidenz (Gray, 1988), das Fine-Gray-Subdistributionsmodell (Fine & Gray, 1999), Anleitungen für Biostatistiker und klinisches Publikum (Putter et al., 2007; Austin et al., 2016) und Texte zur Überlebensanalyse (Klein & Moeschberger, 2003).

History

Die kumulative Inzidenzfunktion und die ursachenspezifischen Hazardfunktionen haben lange Wurzeln in der versicherungsmathematischen und biostatistischen Arbeit zur Mehrfachminderung, aber die moderne Praxis wurde durch Grays K-Stichproben-Test von 1988 für die kumulative Inzidenz und das Fine-Gray-Subdistributions-Hazardmodell von 1999 geprägt, die zusammen praktische Schätzung, Testung und Regression ermöglichten. Anleitungen in den 2000er und 2010er Jahren führten diese Methoden in die routinemäßige klinische Forschung ein (Putter et al., 2007; Austin et al., 2016).

Debates

Ursachenspezifische Hazardfunktion versus Subdistributionsmodell (Fine-Gray)?

Ursachenspezifische Modelle adressieren ätiologische Fragen zur Rate eines Ereignisses unter den Risikopersonen, während Fine-Gray-Modelle die kumulative Inzidenz zur Vorhersage zum Ziel haben; Analysten diskutieren, welches zu berichten ist, und viele empfehlen, beide zu präsentieren, anstatt eines auszuwählen.

Key figures

• Jason P. Fine
• Robert J. Gray
• Hein Putter
• Peter C. Austin

Seminal works

• fine-gray-1999
• gray-1988

Frequently asked questions

Warum kann ich bei konkurrierenden Risiken nicht einfach eine Kaplan-Meier-Kurve verwenden?

Die Behandlung konkurrierender Ereignisse als Zensierung verletzt die Unabhängigkeitsannahme und führt dazu, dass eins minus der Kaplan-Meier-Schätzung die Wahrscheinlichkeit des Ereignisses überschätzt; stattdessen sollte die kumulative Inzidenzfunktion verwendet werden.

Was ist der Unterschied zwischen der ursachenspezifischen Hazardfunktion und der kumulativen Inzidenzfunktion?

Die ursachenspezifische Hazardfunktion ist die Rate eines bestimmten Ereignisses unter den noch ereignisfreien Subjekten und beantwortet ätiologische Fragen, während die kumulative Inzidenzfunktion die tatsächliche Wahrscheinlichkeit dieses Ereignisses bis zu einem bestimmten Zeitpunkt in Anwesenheit der konkurrierenden Ereignisse angibt.