Análisis de supervivencia: el

estimador de Kaplan-Meier
Miguel Rodríguez Barranco
Granada, 27 de marzo de 2017
INTRODUCCIÓN

Survival analysis

Time-to-event data analysis

Lifetime data analysis

Reliability analysis

M Rodríguez Barranco, 2017

INTRODUCCIÓN

 La variable respuesta es el tiempo desde un momento inicial

(inicio del seguimiento) hasta la ocurrencia de un evento

 Aspectos básicos:
- Inicio y fin del seguimiento
- Escala de tiempo: horas, días, meses, años,…
- Definición del evento de interés (fallo)

 No siempre es posible observar la unidad hasta la ocurrencia del

evento: censura

M Rodríguez Barranco, 2017

CENSURA EN REGISTROS DE CÁNCER

Fecha Cierre
incidencia seguimiento

Exitus

Vivo al cierre del seguimiento

Pérdida de seguimiento

SCD, autopsias

Variables básicas:
- Fecha de incidencia
- Fecha de seguimiento
- Estado vital (0-Vivo; 1-Exitus)

M Rodríguez Barranco, 2017

INTRODUCCIÓN

Tiempo desde el diagnóstico de cáncer hasta la muerte

por cáncer

C34 I21

Tiempo desde el diagnóstico de cáncer hasta la muerte

por cualquier causa

C34 I21

M Rodríguez Barranco, 2017

6
BASE DE DATOS

M Rodríguez Barranco, 2017

FUNCIÓN DE SUPERVIVENCIA

 S(t): Proporciona la probabilidad de sobrevivir al menos hasta

el tiempo t

 Por ejemplo, para mujeres con diagnóstico de cáncer de mama,

S(5)=0.9 significa que la probabilidad de sobrevivir 5 años desde
el diagnóstico del cáncer de mama es del 90%

 Es una función decreciente, con valor 1 al inicio del seguimiento

y que tiende a 0 al aumentar el periodo de observación
M Rodríguez Barranco, 2017
FUNCIÓN DE SUPERVIVENCIA

Se basa en un producto de probabilidades condicionadas

Si pi = P(t > ti | t > ti-1)

Entonces:
S(t0)=1
S(t1)= p1
S(t2)=p1 · p2
S(t3)=p1 · p2 · p3
. . .
S(ti)=p1 · p2 · ··· · pi

M Rodríguez Barranco, 2017

MÉTODOS DE ESTIMACIÓN

MÉTODO ACTUARIAL

MÉTODO DE KAPLAN-MEIER

 Ambos son métodos no paramétricos

 Supuesto de censura no informativa

 Se basan en el cálculo de probabilidades condicionadas

M Rodríguez Barranco, 2017

MÉTODO ACTUARIAL

 Calcula la probabilidad de sobrevivir en intervalos de tiempo definidos

por el investigador

 La estimación de la función de supervivencia en el tiempo tk viene dado

por:

𝑘 𝑚𝑖
𝑛𝑖 − − 𝑑𝑖
𝑆 𝑡𝑘 = 2
𝑚𝑖
𝑛𝑖 −
𝑖=1 2

donde
di = número de exitus en el intervalo [ti-1 , ti)
ni = número de sujetos a riesgo al inicio del intervalo [ti-1 , ti)
mi = número de censuras en el intervalo [ti-1 , ti)

M Rodríguez Barranco, 2017

 MÉTODO ACTUARIAL
11

ltable timevar deadvar, intervals(0(1)10)

1910 − 1.5 − 599

𝑆 1 = = 0.6861
1910 − 1.5

1308 − 190
𝑆 2 =𝑆 1 · = 0.5865
1308
M Rodríguez Barranco, 2017
 MÉTODO ACTUARIAL
12

M Rodríguez Barranco, 2017

EL ESTIMADOR DE KAPLAN-MEIER

 Para obtener las estimaciones de la función supervivencia, se

ordenan los tiempos a los que se producen eventos

t1 < t 2 < t3 . . .

 La estimación de la función de supervivencia en el tiempo t viene

dado por:

ˆ ni  d i
S (t )   ( ) t  t1
t i t ni
donde
di = número de eventos en el intervalo (ti-1 , ti]
ni = número de sujetos a riesgo al inicio del intervalo (ti-1 , ti]

M Rodríguez Barranco, 2017

 EL ESTIMADOR DE KAPLAN-MEIER
14

sts list

1910 − 4
𝑆 0.0027 = = 0.9979
1910
1906 − 4
𝑆 0.0055 = 𝑆 0.0027 · = 0.9958
1906
M Rodríguez Barranco, 2017
 EL ESTIMADOR DE KAPLAN-MEIER
15

sts list, at(0(1)10)

Note: Survivor function is calculated over full data and evaluated at

indicated times; it is not calculated from aggregates shown at left.

M Rodríguez Barranco, 2017

 EL ESTIMADOR DE KAPLAN-MEIER
16

M Rodríguez Barranco, 2017

 MÉTODO ACTUARIAL VS KAPLAN-MEIER
17

M Rodríguez Barranco, 2017

18
REPRESENTACIÓN DE LA FUNCIÓN DE SUPERVIVENCIA

sts graph

M Rodríguez Barranco, 2017

COMPARACIÓN DE CURVAS DE SUPERVIVENCIA

sts graph, by(groupvar)

M Rodríguez Barranco, 2017

TEST DEL LOG-RANK

 La diferencia observada entre las curvas de supervivencia, ¿es

estadísticamente significativa, o podría deberse
exclusivamente al azar?

 Contraste de hipótesis:
H0: No existen diferencias entre las funciones de supervivencia
H1: Existen diferencias no atribuibles al azar

 Log-rank test de comparación de funciones de supervivencia

entre dos o más grupos

M Rodríguez Barranco, 2017

TEST DEL LOG-RANK

sts test groupvar, logrank

M Rodríguez Barranco, 2017

22
DEFINICIÓN DE DATOS DE SUPERVIVENCIA

 Es necesario para ejecutar análisis posteriores (K-M, Cox, supervivencia neta, etc.)

 Alternativas:
• Mediante fecha de inicio y fin de seguimiento
• Mediante el tiempo de seguimiento en días
• Mediante el tiempo de seguimiento en años

M Rodríguez Barranco, 2017

23
RESUMEN DE COMANDOS
DEFINICIÓN DE DATOS DE SUPERVIVENCIA PARA ESCALA ANUAL
Variable(s) Comando
Fechas de inicio y fin stset fseg, origin(fdiag) fail(deadvar==1)
de seguimiento scale(365.25)
Tiempo en días stset timevar, fail(deadvar==1) scale(365.25)
Tiempo en años stset timevar, fail(deadvar==1)

ANÁLISIS
Análisis Comando
Método actuarial ltable timevar deadvar, intervals(numlist)
Kaplan-Meier sts list, at(numlist)
Gráfico de la función sts graph, ci censored(option) tmax(#)
supervivencia by(groupvar) separate
Log-rank test sts test, logrank

M Rodríguez Barranco, 2017