Retrospektif Kaplan-Meier Analizi — Tarihsel Sağkalım Eğrisi Tahmini
Retrospective Kaplan-Meier Survival Analysis · Ayrıca şöyle bilinir: retrospective KM analysis, retrospective survival curve estimation, historical Kaplan-Meier, retrospective KM estimator
Retrospektif Kaplan-Meier analizi, prospektif olarak takip edilen bir kohorttan ziyade mevcut kayıtlardan (tıbbi çizelgeler, kayıtlar veya idari veri tabanları) elde edilen olay-zaman verilerine Kaplan-Meier ürün-limit tahmincisini uygular. Bu yöntem, takibi olay meydana gelmeden sona eren katılımcıları (sansürlenmiş gözlemler) hesaba katarak, herhangi bir belirli zaman noktasının ötesinde hayatta kalma (veya olaysız kalma) olasılığını tahmin eder. Klinik onkoloji, kardiyoloji ve cerrahide en sık rapor edilen analizler arasındadır.
Tam yöntemi oku
Bu bölümü okumak için ücretsiz hesapla giriş yapın.
Yöntem haritası
İlişkili yöntemlerin komşuluğu — keşfetmek için bir düğüm seçin.
Ne zaman kullanılır
Retrospektif KM analizini şu durumlarda kullanın: (1) klinik bir soru olay-zaman sonuçlarını ilgilendiriyorsa ve veriler zaten kayıtlarda veya veri tabanlarında mevcutsa; (2) zaman, maliyet veya durumun nadirliği nedeniyle prospektif takip mümkün değilse; (3) tarihsel verilerden elde edilen örneklem büyüklüğü, sağkalımdaki klinik olarak anlamlı farklılıkları tespit etmek için yeterliyse. Şu durumlarda KULLANMAYIN: olay ve sansürleme zamanları kayıtlardan güvenilir bir şekilde yeniden yapılandırılamıyorsa; sansürlemenin bilgilendirici olması muhtemelse (örn. hastalığı kötüleşen hastalar orantısız bir şekilde kayboluyorsa); kohort, retrospektif tasarımın getirdiği ciddi sağkalım yanlılığı veya ölümsüz zaman yanlılığına maruz kalıyorsa; veya parametrik bir sağkalım modeli veya rekabet eden riskler çerçevesi klinik soruya daha iyi uyuyorsa. Yüksek iç geçerlilik gerektiğinde ve prospektif takip mümkün olduğunda prospektif bir tasarımı tercih edin.
Güçlü yönler & sınırlılıklar
- Hızlı ve uygun maliyetli — yıllarca süren prospektif takip gerektirmeden mevcut klinik verilerden yararlanır.
- Parametrik olmayan: temel sağkalım dağılımının şekli hakkında hiçbir varsayımda bulunmaz, bu da onu çeşitli klinik bağlamlarda sağlam kılar.
- Sezgisel grafiksel çıktı — basamak fonksiyonlu sağkalım eğrisi klinisyenler ve hakemler tarafından kolayca yorumlanır.
- Veri çıkarma tarihindeki idari sansürleme dahil olmak üzere sansürlenmiş gözlemleri doğru şekilde ele alır.
- Büyük örneklem büyüklükleri genellikle kayıtlardan elde edilebilir, bu da sağkalımdaki orta düzey farklılıkları tespit etme gücünü artırır.
- Seçilim yanlılığına duyarlı: kayıtları mevcut olan ve çıkarma kriterlerini karşılayan hastalar, olmayanlardan sistematik olarak farklılık gösterebilir.
- Endikasyona göre karıştırıcı faktörler — retrospektif verilerdeki tedavi grupları rastgele atanmaz, bu nedenle başlangıçtaki farklılıklar sağkalım karşılaştırmalarını bozabilir.
- Kayıt eksiksizliği: eksik olay tarihleri, belgelenmemiş ölümler veya takipteki boşluklar, sonradan düzeltilemeyecek hatalara yol açar.
- Ölümsüz zaman yanlılığı, kohort girişi ile tedavi başlangıcı arasındaki süre risk maruziyetinden yanlışlıkla çıkarılırsa, görünen sağkalımı şişirebilir.
- Nedensel tahminler sağlamaz; gruplar arasındaki herhangi bir sağkalım farkı, maruziyet veya tedavinin etkisinden ziyade ölçülmemiş karıştırıcı faktörleri yansıtabilir.
SSS
Retrospektif KM analizi, prospektif KM analizinden nasıl farklıdır?
Matematiksel yöntem aynıdır; her ikisi de Kaplan-Meier ürün-limit tahmincisini kullanır. Fark, veri toplamadadır: prospektif çalışmalarda, hastalar tanımlanmış bir protokol altında zaman içinde ileriye doğru kaydedilir ve takip edilir; retrospektif çalışmalarda ise olay ve takip zamanları zaten mevcut olan kayıtlardan yeniden yapılandırılır. Retrospektif tasarımlar daha hızlı ve daha ucuzdur ancak prospektif tasarımların protokol ve randomizasyon yoluyla kontrol edebileceği seçilim yanlılığı, karıştırıcı faktörler ve veri kalitesi sorunları açısından daha yüksek riskler taşır.
Hastaların rekabet eden olayları (örn. diğer nedenlerden ölüm) olduğunda KM analizini kullanabilir miyim?
Standart KM, rekabet eden olayları sansürlenmiş gözlemler olarak ele alır, bu da rekabet eden riskler önemli olduğunda birincil son noktanın kümülatif insidansını abartır. Yaşlı kohortlarda kansere özgü mortalite gibi sonuçlar için, kümülatif insidans fonksiyonu (CIF) ve Fine-Gray alt dağılım tehlike modelini kullanan rekabet eden riskler analizi daha uygundur. Rekabet eden olaylar nadir olduğunda veya araştırma sorusu nedene özgü sağkalımdan ziyade genel sağkalımı ilgilendirdiğinde KM yeterlidir.
Retrospektif bir çalışmada ölümsüz zaman yanlılığını nasıl ele almalıyım?
Ölümsüz zaman yanlılığı, bir hastanın kohort girişi ile tanımlayıcı olay (örn. bir tedaviye başlama) arasındaki sürenin, bu pencere sırasında hiçbir olayın meydana gelemeyeceği halde, maruz kalan grubun risk süresine dahil edilmesiyle ortaya çıkar. Çözüm, tüm denekler için kohort girişini aynı takvim tarihinde tanımlamak veya maruziyet durumunu başlangıçta değil dinamik olarak atayan zamana bağlı bir kovaryat Cox modeli kullanmaktır.
Ne kadar örneklem büyüklüğüne ihtiyacım var?
Sağkalım çalışmalarında güç, kaydedilen olay sayısına bağlıdır, kaydedilen denek sayısına değil. Genel bir kural olarak, güvenilir bir KM eğrisi için grup başına en az 10-15 olay ve kararlı log-rank testi ve Cox regresyonu için grup başına 20-30 olay gereklidir. Çevrimiçi araçlar (örn. nQuery, G*Power) veya log-rank istatistiğine dayalı formüller, beklenen tehlike oranı ve sansürleme oranı göz önüne alındığında gerekli olay sayısını hesaplayabilir.
Bunu belirli bir kılavuza göre raporlamam gerekiyor mu?
Evet. Retrospektif gözlemsel sağkalım çalışmaları, kohort tanımı, takip açıklaması, eksik verilerin ele alınması ve istatistiksel yöntemleri kapsayan STROBE (Epidemiyolojide Gözlemsel Çalışmaların Raporlanmasını Güçlendirme) kontrol listesini takip etmelidir. Onkoloji ve kardiyoloji dergileri, sağkalım bir biyobelirteçle bağlantılı olduğunda REMARK (Tümör Belirteci Prognostik Çalışmaları için Raporlama Önerileri) kontrol listesini de yaygın olarak talep eder.
Kaynaklar
- Kaplan, E. L., & Meier, P. (1958). Nonparametric estimation from incomplete observations. Journal of the American Statistical Association, 53(282), 457–481. DOI: 10.1080/01621459.1958.10501452 ↗
- Clark, T. G., Bradburn, M. J., Love, S. B., & Altman, D. G. (2003). Survival analysis part I: Basic concepts and first analyses. British Journal of Cancer, 89(2), 232–238. DOI: 10.1038/sj.bjc.6601118 ↗
Bu sayfayı kaynak gösterin
ScholarGate. (2026, June 3). Retrospective Kaplan-Meier Survival Analysis. ScholarGate. https://scholargate.app/tr/epidemiology/retrospective-kaplan-meier-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 AnaliziEpidemiyoloji↔ karşılaştır
- Sağkalım Eğrilerini Karşılaştırmak İçin Log-Rank TestiSağkalım↔ karşılaştır
- Retrospektif Kohort ÇalışmasıEpidemiyoloji↔ karşılaştır
- Gerileme (Retrospektif) Sağkalım AnaliziEpidemiyoloji↔ karşılaştır