gms | German Medical Science

65th Annual Meeting of the German Association for Medical Informatics, Biometry and Epidemiology (GMDS), Meeting of the Central European Network (CEN: German Region, Austro-Swiss Region and Polish Region) of the International Biometric Society (IBS)

06.09. - 09.09.2020, Berlin (online conference)

Vergleich von Methoden zur Berücksichtigung konkurrierender Ereignisse in der Überlebenszeitanalyse

Meeting Abstract

Search Medline for

  • Lennard Sauer - Technische Universität Dortmund, Dortmund, Germanymedac Gesellschaft für klinische Spezialpräparate mbH, Wedel, Germany
  • Claudia Hemmelmann - medac Gesellschaft für klinische Spezialpräparate mbH, Wedel, Germany

Deutsche Gesellschaft für Medizinische Informatik, Biometrie und Epidemiologie. 65th Annual Meeting of the German Association for Medical Informatics, Biometry and Epidemiology (GMDS), Meeting of the Central European Network (CEN: German Region, Austro-Swiss Region and Polish Region) of the International Biometric Society (IBS). Berlin, 06.-09.09.2020. Düsseldorf: German Medical Science GMS Publishing House; 2021. DocAbstr. 385

doi: 10.3205/20gmds321, urn:nbn:de:0183-20gmds3210

Published: February 26, 2021

© 2021 Sauer et al.
This is an Open Access article distributed under the terms of the Creative Commons Attribution 4.0 License. See license information at http://creativecommons.org/licenses/by/4.0/.


Outline

Text

Die klassische Überlebenszeitanalyse ist lediglich auf ein bestimmtes Ereignis fokussiert, was jedoch in vielen Fällen wertvolle Informationen auslässt. Ist das interessierende Ereignis zum Beispiel der Tod eines Patienten durch eine bestimmte Krankheit, kann dieses Ereignis durch eine andere Todesursache verhindert werden. Erkrankt der Patient an einer bestimmten Krankheit, kann dies die Wahrscheinlichkeit für das interessierende Ereignis verändern. Diese Szenarien werden „konkurrierende Risiken” genannt und sollten bei einer Analyse miteinbezogen werden.

Häufig verwendete Methoden, wie der Kaplan-Meier-Schätzer oder das Cox-Proportional-Hazards-Modell ignorieren im Allgemeinen konkurrierende Ereignisse oder betrachten sie als zensierte Beobachtungen. Daraus kann eine Überschätzung der Inzidenz folgen. In dieser Arbeit werden Methoden der Überlebenszeitanalyse vorgestellt, welche konkurrierende Risiken berücksichtigen.

Der Unterschied zwischen ursachenspezifischen Hazardraten und Subdistributions-Hazardraten wird näher erläutert und Methoden, wie die kumulative Inzidenzfunktion und die Conditional-Probability-Function werden vorgestellt. Es werden Methoden für die Regression, wie das Cox-Modell basierend auf ursachenspezifischen Hazardraten und das Fine-Gray-Modell erklärt. Weiterhin werden statistische Tests vorgestellt, welche in Anwesenheit von konkurrierenden Ereignissen einen Vergleich zwischen Patientengruppen ermöglichen. Diese umfassen den Log-Rank-Test, den Gray-Test und den Pepe-Mori-Test.

Die Methoden werden auf einen Datensatz einer klinischen Studie angewendet. In der Studie werden zwei Konditionierungstherapien vor einer Stammzelltransplantation verglichen. Als konkurrierende Ereignisse sind dabei der Tod eines Patienten, der Rückfall bzw. eine Progression definiert.

Anhand einer Simulationsstudie mit verschiedenen Szenarien, welche an die realen Daten angelehnt sind, werden die genannten Methoden verglichen. Hierbei wird unter anderem auch auf Szenarien eingegangen, bei denen Voraussetzungen, wie beispielsweise proportionale Hazards, verletzt sind. Die Ergebnisse dazu werden in den nächsten Monaten erarbeitet.

Zum Abschluss werden die Methoden anhand der Auswertung der Simulationsstudie und der Anwendung auf die Daten diskutiert.

Die Autoren geben an, dass kein Ethikvotum erforderlich ist.