Riski Ayarlanmış Kaplan-Meier Analizi — Ağırlıklandırılmış Sağkalım Eğrileri
Risk-adjusted Kaplan-Meier Survival Analysis · Ayrıca şöyle bilinir: weighted Kaplan-Meier, IPTW-adjusted Kaplan-Meier, propensity-score-weighted survival curves, adjusted survival curves
Riski ayarlanmış Kaplan-Meier analizi, parametrik olmayan Kaplan-Meier tahmincisini, ters olasılıkla tedavi ağırlıklandırması (IPTW) veya benzer risk ayarlama prosedürleriyle birleştirerek, gruplar sanki başlangıçtaki karıştırıcı faktörlerin özdeş dağılımlarına sahipmiş gibi gruplar arasında karşılaştırılabilir sağkalım eğrileri üretir. Bu yöntem, randomize bir denemeden elde edilen sağkalım eğrilerinin çizilmesinin gözlemsel çalışma analoğudur.
Tam yöntemi oku
Bu bölümü okumak için ücretsiz hesapla giriş yapın.
Yöntem haritası
İlişkili yöntemlerin komşuluğu — keşfetmek için bir düğüm seçin.
Ne zaman kullanılır
Olay zamanı verileriniz gözlemsel bir çalışmadan veya randomize olmayan bir veritabanından geldiğinde ve Cox regresyonunun gerektirdiği orantılı tehlikeler varsayımını dayatmadan, ölçülmüş karıştırıcı faktörleri kontrol ederek gruplar arasında sağkalımı karşılaştırmak istediğinizde riski ayarlanmış Kaplan-Meier'i kullanın. Özellikle koşullu (kovaryat-deseni içi) eğrilerden ziyade marjinal (popülasyon ortalamalı) sağkalım eğrileri istediğinizde ve kovaryatların dağılımı gruplar arasında önemli ölçüde farklılık gösterdiğinde uygundur. Pozitiflik varsayımı ihlal edilirse — yani belirli kovaryat kombinasyonları yalnızca bir tedavi grubunda görünüyorsa — kullanmayın, çünkü gerekli ağırlıklar aşırı veya sonsuz hale gelir. Ayrıca, birçok kovaryat ölçülmediğinde birincil analiz olarak uygun değildir, çünkü yöntem yalnızca gözlemlenen karıştırıcı faktörleri düzeltir. Hipotez oluşturma veya küçük örneklemler (ağırlıklandırma sonrası grup başına kabaca 30'dan az olay) için ağırlıklandırılmış eğriler kararsız olabilir ve bir Cox modeli tercih edilebilir.
Güçlü yönler & sınırlılıklar
- Karıştırıcı faktör ayarlaması sonrası gruplar arasında doğrudan karşılaştırılabilir, sezgisel, görsel olarak yorumlanabilir sağkalım eğrileri sağlar.
- Orantılı tehlikeler varsayımını yapmaz, bu da tehlike oranının zamanla değiştiği durumlarda bile geçerli olmasını sağlar.
- Yalnızca belirli bir kovaryat desenine uygulanan koşullu tahminler yerine, marjinal yapısal tahminler — popülasyon düzeyinde ne olacağını — üretir.
- Ağırlık değişkenliğini hesaba katan dürüst güven aralıkları sağlamak için sağlam varyans tahmini veya önyükleme ile birleştirilebilir.
- Esnek: ağırlıklar lojistik regresyon, güçlendirme (boosting), rastgele ormanlar veya hedeflenmiş maksimum olabilirlik tahmini gibi yöntemlerden türetilebilir.
- Ölçülmemiş karıştırıcı faktör olmaması varsayımına dayanır; tedavi seçimini ve sonucu aynı anda etkileyen ölçülmemiş değişkenler ağırlıklandırma ile ayarlanamaz.
- Aşırı veya yüksek derecede değişken ağırlıklar (pozitiflik varsayımının neredeyse ihlal edilmesinden kaynaklanır) varyansı artırır ve eğrileri güvenilmez hale getirebilir; ağırlık kırpma veya kesme kendi yanlılığını getirir.
- Standart Greenwood güven aralıkları geçersizdir; sağlam veya önyükleme aralıkları kullanılmalıdır, bu da hesaplama karmaşıklığını artırır.
- Yöntem yalnızca başlangıçtaki karıştırıcı faktörleri ayarlar; başlangıç ile olay arasındaki zamanla değişen karıştırıcı faktörler, zamanla değişen ağırlıklara sahip daha karmaşık marjinal yapısal modeller gerektirir.
SSS
Riski ayarlanmış Kaplan-Meier ile katmanlı Kaplan-Meier arasındaki fark nedir?
Katmanlı KM grafikleri, eğrileri ayrık kovaryat düzeylerine göre (örneğin, cinsiyet, yaş grubu) ayırır ancak birçok değişkeni aynı anda ayarlayamaz ve her tedavi kolu için tek bir özet eğri üretmez. Riski ayarlanmış KM, tek bir ağırlıklandırılmış tahmincide tam kovaryat dağılımını hesaba katmak için IPTW kullanır ve genel popülasyonu yansıtan tedavi grubu başına bir marjinal eğri verir.
Ayarlanmış KM eğrileri için IPTW yerine eğilim skoru eşleştirmesi kullanabilir miyim?
Evet. Eğilim skoru eşleştirmesi, eşleştirilmiş bir alt küme oluşturur ve ardından eşleştirilmiş örnekleme standart KM eğrileri uygulanır; ortaya çıkan eğriler, eşleştirilmiş (tamamından ziyade) popülasyondaki ortalama tedavi etkisini tahmin eder. IPTW, orijinal popülasyondaki etkiyi tahmin eder. Her ikisi de geçerli yaklaşımlardır; seçim, ilgilenilen tahmin ediciye ve tam örneklemin mi yoksa yalnızca eşleştirilmiş hastaların mı ilgili olduğuna bağlıdır.
Ağırlıklarımın çok aşırı olup olmadığını nasıl anlarım?
Stabilize edilmiş ağırlıkların dağılımını inceleyin. Birçok durumda 10'u aşan değerler, pozitifliğin neredeyse ihlal edildiğini gösterir ve varyansı ciddi şekilde artırabilir. Etkin örneklem büyüklüğü azalması (ağırlıkların karelerinin toplamının, kare ağırlıkların toplamına bölünmesi), endişe duyulmadan önce orijinal örneklemin kabaca %20-30'unun altına düşmemelidir. 1. ve 99. yüzdelik dilimlerde ağırlık kırpma yaygın bir pragmatik çözümdür, ancak yanlılık getirir ve bir duyarlılık analizi olarak rapor edilmelidir.
Ayarlanmış eğrileri karşılaştırmak için ağırlıklandırılmış bir log-rank testi geçerli midir?
Ağırlıklandırılmış bir log-rank testi kullanılabilir ancak tahmin edilen ağırlıklardaki değişkenliği hesaba katmak için sağlam bir varyans tahmincisi ile dikkatli bir uygulama gerektirir. Ağırlıklandırmayı göz ardı eden standart log-rank testi yazılımı yanlış p-değerleri verecektir. Alternatif olarak, ağırlıklandırılmış bir Cox modeli, sağlam standart hatalar aracılığıyla ağırlık belirsizliğini hesaba katarken marjinal tehlike oranının resmi bir testini sağlar.
Riski ayarlanmış Kaplan-Meier zamanla değişen karıştırıcı faktörleri ele alır mı?
Standart riski ayarlanmış KM, yalnızca tedavi başlangıcından önce ölçülen başlangıçtaki karıştırıcı faktörleri ayarlar. Karıştırıcı faktörler zamanla değiştiğinde ve önceki tedaviden etkilendiğinde (örneğin, HIV araştırmalarında CD4 sayısı), marjinal yapısal model çerçevesinde zamanla değişen IPTW'ye ihtiyaç duyulur. Bu, standart başlangıç ayarlı KM yaklaşımının ötesinde önemli ölçüde daha karmaşık bir uzantıdır.
Kaynaklar
- Cole, S. R., & Hernan, M. A. (2004). Adjusted survival curves with inverse probability weights. Computer Methods and Programs in Biomedicine, 75(1), 45–49. DOI: 10.1016/j.cmpb.2003.10.004 ↗
- Hernan, M. A., Brumback, B., & Robins, J. M. (2001). Marginal structural models to estimate the joint causal effect of nonrandomized treatments. Journal of the American Statistical Association, 96(454), 440–448. DOI: 10.1198/016214501753168154 ↗
Bu sayfayı kaynak gösterin
ScholarGate. (2026, June 3). Risk-adjusted Kaplan-Meier Survival Analysis. ScholarGate. https://scholargate.app/tr/epidemiology/risk-adjusted-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
- Ters Olasılıkla Tedavi Ağırlıklandırma (IPW / IPTW)Nedensel çıkarım↔ karşılaştır
- Kaplan-Meier AnaliziEpidemiyoloji↔ karşılaştır
- Eğilim Skoru EşleştirmesiAraştırma istatistiği↔ karşılaştır
- Hayatta Kalma AnaliziAraştırma istatistiği↔ karşılaştır