วิเคราะห์การรอดชีพ Survival Time โดย STATA
Survival Time
Analysis มีจุดเด่นคือนับเวลารอดชีพ แบบ Person-Years
มีข้อมูลเวลา ก่อนที่จะขาดหายไปจากการศึกษา (Loss
follow-up) ไว้ด้วย
การศึกษาบางแบบนับจำนวนเฉพาะ ตอนต้นและตอนท้ายการศึกษา
ซึ่งผู้ที่ขาดหายไปจากการศึกษาจะไม่ได้นับรวมไว้
ถ้าใช้วิธี Logistic Regression โดยไม่ใช้ข้อมูล เวลา
หรือวิธี Compare means ของเวลา โดยไม่ใช้ ข้อมูลหยุดการติดตาม Censored
จะได้ผลที่ทำให้เข้าใจผิดได้ (Mis-Leading results)
เพราะ Censored มีความหมายได้หลายแบบ เช่น ขาดหายไปจากการศึกษา
ยังคงไม่เสียชีวิตเมื่อครบเวลาศึกษา หรือเสียชีวิตจากโรคอื่น
Survival time
คือเวลา ที่ยังคงไม่เสียชีวิตในการศึกษา หน่วยเป็น เดือน หรือ ปี
died = 1 คือเสียชีวิตจากโรคนั้นๆ
died = 0 (Censored) คือ ยังคงรอดอยู่เมื่อสิ้นสุดการศึกษา
หรือขาดหายไปจากการบันทึก หรือเสียชีวิตจากโรคอื่นๆ
STATA การ Compare
การรักษา 2 วิธี ด้วย “Survival Time”
.stset t_var
s_var
.sts graph คือ Kaplan Meier
plot
.stsum
.stdes แสดงค่า Median
Survival time
LogRank test
ทดสอบว่า Survival curve 2 วิธี ไม่ต่างกันหรือต่างกัน
โดยเปรียบเทียบ median survival time 2 กลุ่มวิธี Chi Square
กรณีไม่มีข้อมูล censored ใช้ Wilcoxon test
.clear
.webuse drug2
.stset test drug
.sts graph, by(drug)
.sts test drug
.sts test drug,
wilcoxon
.stsum,
by(drug)
.stdes if
drug==0
.stdes if
drug==1
จากตัวอย่างเป็น drug2
จาก internet (
webuse drug2)
ที่ได้สั่งทำ .stset time survival มาแล้ว
จึงมี column _st _d _t และ
_t0 ด้วย
ถ้าเป็นข้อมูลที่ยังไม่ได้ทำ .stset
จะมีเพียงตัวแปร study_time, died, drug, age
study_time (min=1, 2, 3… , max=39)
died (0, 1)
1 คือ เสียชีวิต ด้วยโรคที่ศึกษา ได้ลงบันทึกในเดือนนั้นและสิ้นสุดการบันทึก
0 เรียกว่า “Censored” ลงบันทึกในเดือนนั้นและสิ้นสุดการบันทึก
ขาดการติดต่อและไม่ได้มาตรวจอีก จึงไม่ทราบว่าหายป่วยแล้วยังไม่เสียชีวิต หรือเสียชีวิตจากสาเหตุอื่นๆ
drug (0, 1)
คือการรักษาชนิดที่ 0
และการรักษาชนิดที่ 1
age (min=32, 33, 34… , max=67)
จากคำสั่ง .stset t_var
s_var
จะสร้างตัวแปรเพิ่มขึ้นอีกคือ ตัวแปร
_st, _d, _t0, _t
_st = 1
Failure
= 0
Censored
_d = 1
Failure
= 0
Censored
_t0 =
เวลาเริ่มต้น
_t = risk
time
ใช้ไฟล์ drug2.dta จาก website (internet)
. webuse drug2
(Patient Survival in Drug Trial)
. list
ให้วาด Kaplan-Meier แบบให้แยกกลุ่ม
โดย กำหนด option ",
by(drug)"
และ click
checkbox [*] Make separate calculations by group
โดยตั้งค่าที่ Menu
[File, Edit, Data, Graphics, Statistics... ]
เลือก Graphics
--> Survival Analysis Graphs
Kaplan-Meier Survival
Function
[*] Graph Kaplan-Meier
survivor funcion
[*] Make separate calculations by group
คำสั่งให้ STATA
วาดกราฟ Kaplan-Meier แยกกลุ่ม
คือคำสั่ง .sts โดยกำหนด
option ", by(drug)"
. sts graph, by(drug)
failure _d: died
analysis time _t: studytime
เส้นกราฟแนวนอนคือยังไม่เกิด Events (ถ้าเกิด Events เส้นกราฟจะลดระดับลง)
drug = 0 เส้นกราฟลดระดับลงเกือบถึง 0 เกิด event เกือบทั้งหมด (ที่เวลา 8 เดือน drug=0 มี 1 Censored)
drug = 1 เส้นกราฟลดระดับลงมาแต่ไม่ถึง 0 (เกิด event บางส่วน และบางส่วนเป็น Censored)
. sts test drug
คือนับ Events observed, คำนวณค่า Events expected ของ drug 0 และ drug 1
Chi square = 28.27
p value < .0001
โดยทั่วไปใช้วิธี Log-rank test
test for
equality of survivor functions
ถ่วงน้ำหนักด้วย
1, ทดสอบวิธี Chi Square
Wilcoxon
ถ่วงน้ำหนักต่างไปจาก Log-rank
กรณีที่ไม่มี Censored เช่นเกิด Events ทุกราย ใช้วิธี Wilcoxon
(ตัวอย่างนี้ มี Censored เลือกใช้วิธี Log-rank)
Wilcoxon (Breslow) test
for equality of survivor function
Events(drug=0, drug=1)
จำนวนเสียชีวิต (Failure
died=1)
Events observed เทียบกับค่าคาดหวัง Events expected
ทดสอบวิธี Chi Square
ถ้า p < 0.05 ปฏิเสธ Ho:
(ตัวอย่างนี้ มี Censored เลือกใช้วิธี Log-rank test)
. stsum, by(drug)
ที่ 50% คือ Median Survival time
drug = 0 (20 คน) Median Survival time = 8 เดือน
drug = 1 (28 คน) Median Survival time = 28 เดือน (ที่ Survival time 75% ไม่มีตัวเลข)
------------------------------------------------------------------------------
ในข้อมูล drug2.dta
มีตัวแปร drug (0, 1) การได้รับยาและไม่ได้รับยามี Hazard Ratio เป็นเท่าไร
มีตัวแปร age คืออายุ และ Events
(died=1)
ถ้าอายุเพิ่มขึ้น 1
ปีความเสี่ยงต่อการเสียชีวิตจะเป็นกี่เท่า
ของความเสี่ยงต่อการเสียชีวิตของปีก่อนหน้านี้
Cox
test ถ่วงน้ำหนักด้วย 1, ทดสอบวิธี Wald
Cox proportional hazards model และ Hazard Ratio
คำสั่งของ STATA
คือ
.stcox drug
. stcox drug
drug มี hazard ratio = 0.13 น้อยกว่า 1 การได้รับยาเป็นปัจจัยป้องกันการเสียชีวิต
95%CI 0.05 to 0.31 (*sig. "ไม่คร่อม 1") ,
P>| Z | < 0.001 หมายถึง Hazard Ratio ไม่เท่ากับ 1
. stcox drug age
drug มี Hazard Ratio = 0.57 น้อยกว่า 1 เป็นปัจจัยป้องกันการเสียชีวิต "longer survival time"
95%CI 0.16 to 2.0 เปรียบเทียบที่อายุเท่าๆ กัน "Controlling for age" (แต่ไม่ sig.)
P>| z | = 0.386 หมายถึง Hazard Ratio อาจจะ = 1
age คือ Co-Variate Hazard Ratio = 1.12 ถ้าอายุมากขึ้นจะเสียชีวิตมากขึ้น
95%CI 1.04 to 1.2 (*sig.) P>| Z | = 0.002 หมายถึง Hazard Ratio ไม่เท่ากับ 1
ถ้าอายุุมากขึ้น 1 ปี การเสียชีวิตเพิ่ม = (1.12 - 1) = 12%
โดยทั่วไป กำหนดให้ 5 ปี เป็น 1 หน่วยเวลา โดยคำสั่ง replace age = age / 5
ก่อนใช้คำสั่ง stcox drug age
Hazard Ratio ของ Age เพิ่มจาก 1.12 เป็น 1.76
"a one-unit change indicates a 5-year change"
webuse drug2 (Stata 11)
webuse drugtr (Stata 13, 14)
http://www.stata.com/manuals13/ststcox.pdf
http://www.stata.com/manuals14/ststcox.pdf
ไฟล์ตัวอย่าง drugtr.dta สำหรับ Stata13, Stata 14 example 2 page 6, 7, 8
(ข้อมูลคล้ายคลึงกับไฟล์ drug2.dta แต่ไฟล์ drugtr.dta ผลทดสอบ significant ทั้ง drug และ age)
"Persons known to have died—“noncensored” in the jargon— have died = 1,
whereas
the patients who are still alive—“right-censored” in the jargon— have died = 0."
https://dl.dropboxusercontent.com/u/1999671/EPI_56/survival/index.htm
