OFTALMOLOGIA
INDICADOR
KAPPLAN-MEIER
Camila Barreto
El análisis de supervivencia es una parte de la
Análisis de estadística que estudia los procesos relacionados
supervivencia con la muerte de organismos vivos y se puede
utilizar en Medicina para comprobar los efectos de
un tratamiento.
[Link]
FUNCIÓN DE SUPERVIVENCIA
La función de supervivencia nos indica la
probabilidad de sobrevivir más allá de un periodo
de tiempo.
Tiempo (eje X)
Probabilidad de sobrevivir (eje Y).
[Link]
Indicador de Kapplan Meier
Conocido también como del “limite del producto”.
Es un estimador no paramétrico de la función de supervivencia.
Fue introducido por Edward L. Kaplan y Paul Meier en 1958.
Este estimador tiene en cuenta la censura.
El estimador admite una representación gráfica por medio de una función escalonada.
[Link]
El método Kaplan-Meier calcula la supervivencia cada vez que un
paciente muere, da proporciones exactas de supervivencia debido a
que utiliza tiempos de supervivencia precisos.
Se utiliza cuando la muestra es menor de 30 y también para muestras
mayores de 30 y se conocen los tiempos individuales de los
censurados y no censurados.
La característica distintiva del análisis con este método es que la
proporción acumulada que sobrevive se calcula para el tiempo de
supervivencia individual de cada paciente y no se agrupan los tiempos
de supervivencia en intervalos. Por esta razón es especialmente útil
para estudios que utilizan un número pequeño de pacientes.
La validez de este método descansa en dos
suposiciones:
1. Las personas que se retiran del estudio tienen un
destino parecido a las que quedan.
2. El período de tiempo durante el cual una persona
entra en el estudio no tiene efecto independiente en la
respuesta.
El estimador de Kaplan Meier es especialmente interesante
para estudios médicos porque entre otras cosas tiene en
cuenta la censura de los datos. Esta censura puede ocurrir
cuando un paciente abandona un estudio, se pierde el
seguimiento o sigue vivo una vez finaliza el estudio.
Para generar un estimador de Kaplan Meier hacen falta
como mínimo dos datos de cada paciente: el tiempo en el
que se realizó la última observación (tiempo) y el estado del
paciente en el momento de dicha observación (evento).
tiempo: Es un valor numérico que representa el número
de dias que han pasado hasta cierto evento.
evento: Es un valor booleano que indica si en ese instante
de tiempo ha ocurrido un cierto evento, por ejemplo la
muerte del paciente.
APLICACIONES
En medicina se usa para medir la fracción de pacientes todavía vivos
tiempo después de un tratamiento.
En economía para medir el tiempo que pasa la gente en el paro
después de perder su empleo.
En ingeniería para estimar el tiempo hasta el fallo en una máquina.
Uno de los problemas típicos en el análisis de la supervivencia consiste
en determinar si dos curvas de Kaplan-Meier (por ejemplo, las
correspondientes a dos cohortes de pacientes que han sido sometidos a
tratamientos distintos) son o no significativamente distintas.
EJEMPLO
Se sigue en el tiempo a 12 individuos con una prótesis cardíaca y se encuentran los
siguientes tiempos de supervivencia en años: 6*, 6, 6, 6, 10, 12*, 12, 15, 15*, 17, 22,
22, donde el asterisco indica pérdida; es decir se perdieron 3 individuos en los
tiempos 6, 12 y 15. La manera más cómoda de calcular los estimadores anteriores
es disponer los datos en una tabla como la que sigue:
Para analizar estos datos con un paquete estadístico, por ejemplo el SPSS, hay que
introducir dos variables: el tiempo y el “status” con un código que indique si en ese
tiempo se ha producido el evento o es una perdida. La “salida” es:
En la tercera columna (“Cumulative Survival”) aparece la función de supervivencia
(S(t)) en todos los tiempos en los que ocurren eventos. Esta función se suele
representar en una gráfica como
EJEMPLO 2
En la siguiente muestra de valores de supervivencia expresados en unidades de
tiempo:(4, 6, 7c, 8, 10, 10, 10, 15c, 20, 25)donde la c añadida a un valor indica que el
valor es censurado, que significa que o bien ha salido del estudio o que el estudio
ha terminado y todavía este individuo no le había sufrido el suceso
[Link] a continuación cómo se calcularía con estos valores la
información necesaria para construir la función de Kaplan-Meier:
Cuando un valor es censurado se salta, lo que significa que su información se asocia a
valores próximos. Por lo tanto, es una información que se utiliza. Lo mismo sucede con
valores repetidos, se calculan valores sólo del último. Pero, evidentemente, los demás
quedan asociados a este último valor.A partir de estos valores la curva de
supervivencia es la siguiente:
Cuando un valor es censurado se señala en el momento que ha salido del estudio.
Si estuviera al final del estudio se marcaría también.
