Kaplan-Meier: Grundlage der Überlebenszeitanalyse
Die Kaplan-Meier-Methode schätzt die Überlebensfunktion S(t) direkt aus den Daten, ohne eine parametrische Verteilungsannahme zu treffen. Das macht sie zur ersten Anlaufstelle in jeder Überlebenszeitanalyse. Die resultierende Treppenkurve zeigt an, wie hoch der Anteil der Studienteilnehmer ist, der ein bestimmtes Ereignis bis zu einem gegebenen Zeitpunkt noch nicht erlitten hat.
Ein zentrales Merkmal ist der korrekte Umgang mit zensierten Beobachtungen. Patienten, die bis zum Studienende kein Ereignis erlebt haben oder deren Verlauf aus anderen Gründen nicht weiter beobachtet werden konnte, gehen zensiert in die Analyse ein. Kaplan-Meier berücksichtigt diese Beobachtungen anteilig, ohne sie einfach auszuschließen.
Zur grafischen Darstellung empfiehlt sich eine Treppenkurve mit Konfidenzband sowie einer Risikotabelle unterhalb der Abbildung, die zeigt, wie viele Patienten zu jedem Zeitpunkt noch unter Beobachtung stehen. Diese Darstellungsform ist in medizinischen Fachzeitschriften Standard und wird auch von Dissertationsgutachtern erwartet.
Der Log-Rank-Test vergleicht die Überlebensfunktionen zweier oder mehrerer Gruppen, etwa Therapie A gegen Therapie B. Er testet, ob die Gesamtverläufe der Kurven über die Zeit hinweg signifikant voneinander abweichen. Wichtig: Der Log-Rank-Test setzt voraus, dass die Hazard-Raten beider Gruppen proportional zueinander sind. Ob diese Annahme hält, lässt sich grafisch im log-log-Plot prüfen.
Kaplan-Meier reicht immer dann aus, wenn Sie einen deskriptiven Gruppenvergleich ohne weitere Einflussfaktoren benötigen. Sobald Störvariablen wie Alter, Komorbiditäten oder Tumorstadium berücksichtigt werden sollen, ist die Cox-Regression der geeignete nächste Schritt.
Cox-Regression: multivariate Überlebenszeitanalyse
Grundprinzip des Cox-Modells
Das Cox-Modell ist ein semiparametrisches Regressionsmodell. Es macht keine Annahme über die Form des Baseline-Hazards, schätzt aber den relativen Einfluss von Prädiktoren als Hazard Ratio (HR). Das HR gibt an, um welchen Faktor sich das Ereignisrisiko in einer Gruppe im Vergleich zur Referenzgruppe verändert, wobei alle anderen Variablen konstant gehalten werden.
Die Interpretation folgt einer klaren Logik: Ein HR größer als 1 bedeutet ein erhöhtes Ereignisrisiko, ein HR kleiner als 1 ein vermindertes Risiko, und ein HR von genau 1 signalisiert, dass kein Zusammenhang besteht. Entscheidend ist stets das 95-Prozent-Konfidenzintervall: Schließt dieses die 1 ein, ist der Effekt statistisch nicht signifikant.
Wann Cox-Regression statt einfachem Log-Rank?
Die Cox-Regression ist dann dem Log-Rank-Test vorzuziehen, wenn mehrere potenzielle Störvariablen gleichzeitig kontrolliert werden sollen. In der medizinischen Praxis sind das typischerweise Alter, Geschlecht, Komorbiditäten, Tumorstadium oder Vorbehandlungen. Mit diesen Variablen als Kovariaten liefert das Cox-Modell einen adjustierten Effektschätzer, der den bereinigten Einfluss des primären Prädiktors wiedergibt.
Auch kontinuierliche Prädiktoren lassen sich in das Cox-Modell aufnehmen, was der Log-Rank-Test nicht ermöglicht. Viele Dissertationen verwenden deshalb eine Kombination: Kaplan-Meier und Log-Rank für die deskriptive Darstellung, anschließend die multivariate Cox-Regression für die adjustierte Schätzung.
Voraussetzungen und häufige Fehler
Die wichtigste Voraussetzung des Cox-Modells ist die Proportional-Hazards-Annahme (PH-Annahme): Das Hazard Ratio muss über die gesamte Beobachtungszeit konstant bleiben. Diese Annahme wird häufig nicht geprüft, was zu verzerrten Schlussfolgerungen führt. Die Prüfung erfolgt über Schoenfeld-Residuen oder grafisch über den log-log-Plot.
Ein weiterer häufiger Fehler ist die Überfittung des Modells bei kleiner Stichprobe. Die Faustregel lautet: mindestens 10 Ereignisse pro in das Modell aufgenommene Variable. Wer bei 40 Todesfällen 8 Prädiktoren in das Modell nimmt, riskiert ein instabiles Modell, das sich nicht auf andere Stichproben übertragen lässt.
Kritisch ist auch die sorgfältige Dokumentation der Zensierungsart. Wenn Patienten nicht wegen eines Enddatums zensiert werden, sondern weil ein konkurrierendes Ereignis eingetreten ist, zum Beispiel Tod durch eine andere Ursache als die interessierende, spricht man von konkurrierenden Risiken (competing risks). Werden diese ignoriert, ist die Überlebensfunktion überschätzt. Schließlich verwechseln viele Autorinnen und Autoren den Hazard Ratio mit dem relativen Risiko (RR), was zu fehlerhaften Aussagen in der Diskussion führt.
Publikationsreife Darstellung in der Dissertation
Eine publikationsreife Kaplan-Meier-Abbildung enthält die Treppenkurve, das Konfidenzband, die Risikotabelle unter der Abbildung, die Anzahl zensierter Beobachtungen sowie den p-Wert des Log-Rank-Tests. Die Abbildungsunterschrift muss alle relevanten Informationen so vollständig enthalten, dass die Abbildung ohne Lektüre des Textes verstanden werden kann.
Die Ergebnistabelle der Cox-Regression listet für jeden Prädiktor das Hazard Ratio, das 95-Prozent-Konfidenzintervall und den p-Wert auf. Zudem ist anzugeben, ob es sich um ein univariates oder multivariates Modell handelt. Der Methodenteil muss die verwendete Software nennen, etwa R mit dem Paket survival, SPSS oder STATA, sowie die Versionsnummer.
Wie ZPS Ihre Überlebenszeitanalyse umsetzt
ZPS übernimmt die vollständige statistische Umsetzung Ihrer Überlebenszeitanalyse. Der Prozess beginnt mit der Datenprüfung und der korrekten Kodierung des Zeitkontinuums sowie des Ereignisstatus. Anschließend erstellt ZPS die Kaplan-Meier-Kurven mit Log-Rank-Test, grafisch aufbereitet mit R (ggsurvfit oder survminer) nach den Darstellungsstandards medizinischer Fachzeitschriften.
Das Cox-Modell wird mit vollständiger Prüfung der PH-Annahme, begründeter Modellselektion und einer druckfertigen Ergebnistabelle geliefert. ZPS verfasst darüber hinaus die Interpretation der Ergebnisse im Stil eines Ergebnisteils, den Sie direkt in Ihre Dissertation übernehmen können. Die Übergabe des fertigen Methoden- und Ergebnisteils erfolgt typischerweise innerhalb von rund 10 Werktagen; bei dringendem Bedarf ist ein Express-Verfahren auf Anfrage möglich.
- Ist der Endpunkt (Ereignis) eindeutig definiert und in den Daten kodiert?
- Startpunkt (Zeit Null) für alle Patienten einheitlich festgelegt?
- Zensierungsursachen dokumentiert (Lost to Follow-up, Studienende, konkurrierender Endpunkt)?
- Ist die Fallzahl ausreichend für eine multivariate Cox-Regression?
- Wurden konkurrierende Risiken (competing risks) berücksichtigt?