Eşleştirilmiş Sağkalım Analizi — Eşleştirilmiş Kohort Sağkalım Analizi
Matched Cohort Survival Analysis · Ayrıca şöyle bilinir: matched time-to-event analysis, propensity-matched survival analysis, matched Kaplan-Meier analysis, paired survival analysis
Eşleştirilmiş sağkalım analizi, bir eşleştirme tasarımını — tipik olarak eğilim skoru eşleştirmesi veya anahtar kovaryetler üzerinde tam eşleştirme — Kaplan-Meier kestirimi ve Cox orantılı tehlike modeli gibi zamana-olay yöntemleriyle birleştirir. Maruz bırakılmış ve kontrol altındaki denekleri, sağkalım eğrilerini veya tehlike oranlarını tahmin etmeden önce gözlemlenen karıştırıcılar üzerinde benzerliklerine göre eşleştirerek, bu yaklaşım randomize edilmemiş çalışmalarda karıştırıcı yanlılığını azaltır ve maruziyet grupları arasındaki olaysız sağkalımın daha güvenilir karşılaştırmalarını üretir.
Tam yöntemi oku
Bu bölümü okumak için ücretsiz hesapla giriş yapın.
Yöntem haritası
İlişkili yöntemlerin komşuluğu — keşfetmek için bir düğüm seçin.
Ne zaman kullanılır
Gözlemsel zamana-olay verileriniz olduğunda ve ölçülen karıştırıcıları kontrol ederken — ve rastgeleleştirmenin mümkün olmadığı durumlarda — tedavi edilmiş ve kontrol grupları arasındaki sağkalımı karşılaştırmak istediğinizde eşleştirilmiş sağkalım analizini kullanın. Klinik kayıt verileri, farmakoepidemiyoloji ve yeterli örneklem büyüklüğüne sahip karşılaştırmalı etkinlik çalışmaları için iyi uygundur (tipik olarak iyi bir denge sağlamak için en az 50–100 eşleştirilmiş çift). Ölçülen karıştırıcı sayısının mevcut örneklemi büyük ölçüde aştığı durumlarda, önemli ölçüde ölçülmemiş karıştırıcının olduğu durumlarda (bu durumda enstrümantal değişken yöntemleri veya gizli yanlılık için hassasiyet analizleri eklenmelidir), orantılı tehlike varsayımının telafisi olmayan bir şekilde ihlal edildiği durumlarda veya eşleştirme işleminin o kadar çok denek attığı durumlarda ki eşleştirilmiş örneklem artık ilgilenilen hedef popülasyonu temsil etmezse kullanmayın.
Güçlü yönler & sınırlılıklar
- Tam parametrik bir sonuç modeli gerektirmeden gözlemlenen kovaryetlerle karıştırıcılığı azaltır, gözlemsel verilerde nedensel karşılaştırmaları daha güvenilir hale getirir.
- Sezgisel, doğrudan yorumlanabilir çıktılar üretir: Kaplan-Meier eğrileri eşleştirilmiş gruplar için kümülatif sağkalımı görsel olarak gösterir.
- Tabakalı log-rank testi ve sağlam Cox modeli, eşleştirmeden kaynaklanan çift içi korelasyonu doğru bir şekilde hesaba katar.
- Esnek eşleştirme algoritmaları (eğilim skoru, tam, Mahalanobis), yaklaşımın farklı veri yapılarına ve klinik sorulara göre uyarlanmasına olanak tanır.
- Klinik ve epidemiyolojik dergilerde yaygın olarak kabul görmüştür, sonuçların tıbbi kitlelere iletilmesini kolaylaştırır.
- Yalnızca ölçülen kovaryetleri kontrol eder; ölçülmemiş veya bilinmeyen karıştırıcılar geçerlilik tehdidi olmaya devam eder ve hassasiyet analizleriyle (örn. E-değeri, Rosenbaum sınırları) ele alınmalıdır.
- Eşleştirme tipik olarak eşleştirilmemiş denekleri atar, istatistiksel gücü azaltabilir ve genelleştirilebilirliği tam kohort yerine eşleştirilmiş popülasyona sınırlayabilir.
- Cox modelinin orantılı tehlike varsayımı kontrol edilmelidir; ihlaller zamanla değişen katsayılar, tabakalı modeller veya alternatif kestiriciler (örn. kısıtlanmış ortalama sağkalım süresi) gerektirir.
- Çok sayıda kovaryet ve küçük bir örneklemle, eğilim skoru kestirimi kararsız olabilir ve eşleştirmeden sonra bile kötü dengeye yol açabilir.
SSS
Eşleştirilmiş verilerde sıradan log-rank testi yerine neden tabakalı log-rank testi kullanılır?
Eşleştirme, kasıtlı olarak benzer denek çiftleri (veya setleri) oluşturur. Bu çiftler bağımsız gözlemler değildir — tasarımları gereği kovaryet değerlerini paylaşırlar. Sıradan log-rank testi bağımsızlığı varsayar ve eşleştirilmiş verilere uygulandığında varyansı hafife alarak Tip I hata oranını şişirir. Tabakalı log-rank testi, her çifti bir tabaka olarak ele alarak eşleştirilmiş çiftler üzerinde koşullandırır, böylece çift içi korelasyonu doğru bir şekilde hesaba katar.
Eşleştirilmiş çiftler içindeki sağkalım sürelerindeki eşitlikleri nasıl ele alırım?
Eşitlikler, Kaplan-Meier kestiricisi ve Cox modelindeki standart eşitlik kırma seçenekleri (Breslow, Efron veya tam yöntemler) tarafından ele alınır. Eşleştirmenin kendisi eşitlikler etrafında ek bir karmaşıklık getirmez; eşitlik yöntemi seçimi, eşleştirilmemiş sağkalım analizindeki aynı kılavuz izlemelidir, Efron'un yaklaşımı çoğu istatistiksel yazılımda yaygın bir varsayılan değerdir.
Eşleştirmeden sonra Cox modelim orantılı tehlike varsayımını ihlal ederse ne olur?
Önce Schoenfeld artık grafikleri ve küresel orantılı tehlike testi ile ihlali doğrulayın. İhlal edilirse, zamanla değişen kovaryet terimleri eklemeyi, tabakalı bir Cox modeli kullanmayı, alternatif bir özet ölçü olarak kısıtlanmış ortalama sağkalım süresi (RMST) farklarını bildirmeyi veya esnek parametrik modeller kullanmayı düşünün. İhlal bildirilmalı ve seçilen çözüm gerekçelendirilmelidir.
Sağkalım sonuçları için eşleştirmeye alternatif olarak ters olasılıkla tedavi ağırlıklandırması (IPTW) kullanabilir miyim?
Evet. IPTW, gözlemleri aldıkları gerçek tedavinin olasılığının tersiyle yeniden ağırlıklandırarak tüm denekleri tutan (atılmayan) yakından ilişkili bir eğilim skoru yöntemidir. Sağkalım sonuçları için IPTW, Kaplan-Meier kestiricisiyle (marjinal yapısal Kaplan-Meier eğrileri üreten) veya ağırlıklı bir Cox modeliyle birleştirilebilir. Eşleştirme ve IPTW aynı karıştırıcı sorununu ele alır; seçim, çalışmanın tahmin edilecek değeri (eşleştirilmiş popülasyon veya tam popülasyon) ve mevcut örneklem büyüklüğüne bağlıdır.
Eşleştirilmiş sağkalım analizi için ne kadar büyük bir örneğe ihtiyacım var?
Sabit evrensel bir kural yoktur, ancak pratik bir kılavuz olarak (1) eşleştirmeden sonra iyi kovaryet dengesi sağlamak için yeterli denek — tipik olarak en az 50–100 eşleştirilmiş çift — ve (2) güvenilir sağkalım kestirimi ve Cox modeli uyumu için yeterli sayıda olay gözlemlemek gerekir. Kaba bir sezgisel olarak, Cox modelinde her kovaryet başına en az 10 olay önerilir. Çok küçük eşleştirilmiş örneklemler (30 çiftten az) geniş güven aralıkları ve kararsız Kaplan-Meier tahminleri üretir.
Kaynaklar
- Austin, P. C. (2014). Graphical assessments of the balance of propensity score matched samples: A SAS macro. Journal of Statistical Software, 58(7), 1-29. Also see Austin, P. C. (2017). A tutorial on multilevel survival analysis: Methods, models and applications. International Statistical Review, 85(2), 185-203. link ↗
- Collett, D. (2015). Modelling Survival Data in Medical Research (3rd ed.). CRC Press. ISBN: 9781439856789
Bu sayfayı kaynak gösterin
ScholarGate. (2026, June 3). Matched Cohort Survival Analysis. ScholarGate. https://scholargate.app/tr/epidemiology/matched-survival-analysis
Hangi yöntem?
Bu yöntemi en yakın akrabalarının yanına koyup yan yana okuyun — kütüphane kitapları masaya serer; seçim sizindir.
- Cox Orantılı TehlikelerEpidemiyoloji↔ karşılaştır
- Kaplan-Meier Tahmin Edicisiİstatistik↔ karşılaştır
- Sağkalım Eğrilerini Karşılaştırmak İçin Log-Rank TestiSağkalım↔ karşılaştır
- Eğilim Skoru EşleştirmesiAraştırma istatistiği↔ karşılaştır