Kaplan-Meier Analizi — Nonparametrik Sağkalım Tahmini
Kaplan-Meier Survival Analysis · Ayrıca şöyle bilinir: KM analysis, KM estimator, product-limit estimator, Kaplan-Meier curve
Kaplan-Meier (KM) analizi, zaman-olay verilerinden sağkalım fonksiyonunu tahmin etmek için kullanılan parametrik olmayan bir yöntemdir. Kaplan ve Meier tarafından 1958'de tanıtılan bu analiz, gözlemlenen her olay zamanının ötesinde hayatta kalma olasılığını gösteren klasik basamak fonksiyonlu sağkalım eğrisini üretir ve sansürlenmiş gözlemleri — çalışmadan ayrılan veya takip süresi sonunda henüz olayı yaşamamış katılımcıları — doğru bir şekilde hesaba katar. Klinik ve epidemiyolojik araştırmalarda en yaygın kullanılan tekniklerden biridir.
Tam yöntemi oku
Bu bölümü okumak için ücretsiz hesapla giriş yapın.
Yöntem haritası
İlişkili yöntemlerin komşuluğu — keşfetmek için bir düğüm seçin.
+17 tane daha
Ne zaman kullanılır
Sonuç tek, iyi tanımlanmış bir olaya (ölüm, nüks, taburculuk, tedavi başarısızlığı) kadar geçen süre olduğunda ve takip süreleri katılımcılar arasında değiştiğinde Kaplan-Meier analizini kullanın. Herhangi bir sağkalım analizinde standart ilk adımdır ve hem randomize kontrollü çalışmalar hem de gözlemsel kohort çalışmaları için uygundur. Orantılı tehlikeler varsayımı geçerli olduğunda tanımlayıcı gösterim ve grup karşılaştırması için KM eğrilerini tercih edin; birden fazla kovaryatı aynı anda ayarlamanız gerektiğinde Cox regresyonuna geçin. Olayın kişi başına birden fazla kez meydana gelemeyeceği ve rakip olayların (örn. ilgilenilen olaydan önce farklı bir nedenden ölüm) mevcut olduğu durumlarda KM kullanmayın — bunun yerine rakip riskler analizini kullanın. KM ayrıca sansürlemenin bilgilendirici olma olasılığı yüksek olduğunda, sürekli kovaryat ayarlaması gerektiğinde veya sonucun zaman-olay yerine ikili olduğunda da uygun değildir.
Güçlü yönler & sınırlılıklar
- Tamamen parametrik olmayan — sağkalım dağılımının şekli hakkında hiçbir varsayımda bulunmaz.
- Sansürlenmiş gözlemleri doğru bir şekilde dahil eder, mevcut tüm takip süresinin kullanımını maksimize eder.
- Sezgisel, anında yorumlanabilir bir görsel (basamak fonksiyonlu sağkalım eğrisi) üretir.
- Güven aralıkları ile medyan sağkalım, özet istatistik olarak kolayca türetilir.
- Klinik, epidemiyolojik ve düzenleyici kitleler arasında yaygın olarak anlaşılır.
- Birden fazla karıştırıcı faktörü aynı anda ayarlayamaz — kovaryat ayarlı tahminler için Cox orantılı tehlikeler modelini kullanın.
- Bilgilendirici olmayan sansürleme varsayar; sansürleme prognozla ilişkiliyse yanlı tahminler ortaya çıkar.
- Daha özel yöntemlere genişletilmeden tekrarlayan olayları veya rakip riskleri ele almaz.
- Eğrileri karşılaştıran log-rank testinin, tehlike oranı zamanla değiştiğinde (kesişen veya yakınsayan eğriler) gücü azalır.
- Az sayıda katılımcının risk altında kaldığı uzun takip sürelerinde tahminler kararsız hale gelir.
SSS
Kaplan-Meier eğrisi ile kümülatif tehlike eğrisi arasındaki fark nedir?
KM eğrisi, t zamanının ötesinde hayatta kalma (olayı yaşamama) olasılığını gösteren S(t)'yi gösterir ve 1'den 0'a doğru azalır. Kümülatif tehlike H(t) = -log S(t) zamanla artar ve birikmiş anlık riski temsil eder. Her ikisi de aynı temel verinin eşdeğer temsilleridir; kümülatif tehlike, üstel bir dağılım altında logaritmik ölçekte doğrusaldır, bu da onu model kontrolü için kullanışlı kılar.
Grupları karşılaştırmak için log-rank testini mi yoksa Cox modelini mi kullanmalıyım?
İki veya daha fazla ayarlanmamış KM eğrisini karşılaştıran basit, parametrik olmayan bir anlamlılık testi istediğinizde log-rank testini kullanın. Karıştırıcı faktörleri ayarlamanız, sürekli tahmin edicileri dahil etmeniz veya özet bir etki büyüklüğü olarak bir tehlike oranı elde etmeniz gerektiğinde Cox regresyonunu kullanın. İki yaklaşım da orantılı tehlikeler varsayımına dayanır; bu varsayım ihlal edildiğinde, kısıtlı ortalama sağkalım süresi analizini düşünün.
Medyan sağkalım için güven aralığını nasıl hesaplarım?
Standart yaklaşım, S(t)'nin varyansını tahmin etmek için Greenwood formülünü uygular, ardından eğri etrafında noktasal güven bantları oluşturur. Medyan için güven aralığı, güven bandının 0.5 olasılık çizgisini kestiği zaman noktaları kümesidir. Çoğu istatistik yazılımı (R survival paketi, SAS LIFETEST, Stata stci) bunu otomatik olarak hesaplar.
Rakip risklerim olduğunda Kaplan-Meier kullanabilir miyim?
Standart KM analizi, rakip olayları (örn. ilgilenilen olaydan önce başka bir nedenden ölüm) sansürlenmiş gözlemler olarak ele alır, bu da kümülatif insidansın fazla tahmin edilmesine yol açar çünkü sansürlenmiş bireylerin risk altında kalmaya devam ettiği varsayılır. Rakip riskler mevcut olduğunda, KM tahmincisi yerine Fine-Gray regresyonundan veya nedene özgü tehlike modellerinden kümülatif insidans fonksiyonunu (CIF) kullanın.
Güvenilir bir Kaplan-Meier tahmini için ne kadar örneklem büyüklüğüne ihtiyacım var?
Güvenilirlik, toplam örneklem büyüklüğünden ziyade öncelikle gözlemlenen olay sayısına bağlıdır. Kabaca bir kural olarak, kararlı eğri tahminleri için grup başına en az 10-20 olaya ihtiyaç vardır ve log-rank testi için resmi güç hesaplamaları, beklenen olay oranı, medyan sağkalım ve istenen güce göre yapılmalıdır. Az sayıda katılımcının risk altında kaldığı (yaklaşık 5-10'dan az) uzun takip sürelerinde eğri güvenilmez hale gelir ve uygun belirsizlikle kesilmeli veya sunulmalıdır.
Kaynaklar
- Kaplan, E. L., & Meier, P. (1958). Nonparametric estimation from incomplete observations. Journal of the American Statistical Association, 53(282), 457–481. DOI: 10.2307/2281868 ↗
- Kaplan–Meier estimator. Wikipedia. link ↗
Bu sayfayı kaynak gösterin
ScholarGate. (2026, June 3). Kaplan-Meier Survival Analysis. ScholarGate. https://scholargate.app/tr/epidemiology/kaplan-meier-analysis
Hangi yöntem?
Bu yöntemi en yakın akrabalarının yanına koyup yan yana okuyun — kütüphane kitapları masaya serer; seçim sizindir.
- Kohort ÇalışmasıEpidemiyoloji↔ karşılaştır
- Cox Orantılı TehlikelerEpidemiyoloji↔ karşılaştır
- Sağkalım Eğrilerini Karşılaştırmak İçin Log-Rank TestiSağkalım↔ karşılaştır
- Randomize Klinik Çalışma (RKÇ)Epidemiyoloji↔ karşılaştır
- Hayatta Kalma AnaliziAraştırma istatistiği↔ karşılaştır