censoring·Kaplan–Meier·risk set

Al finalizar este tema

Podrás distinguir entre el tiempo del evento y el censoring en los datos de supervivencia, y explicar qué es un conjunto de riesgo en un momento dado. Interpretarás el estimador de Kaplan–Meier como un resumen de la función de supervivencia e incorporarás en la estructura de los datos y el código que el fin de la observación no implica necesariamente que haya ocurrido un evento.

Que no se haya observado un evento

Una fila en un análisis de supervivencia puede contener el tiempo transcurrido desde el inicio de la observación hasta el evento o el fin de la observación, así como si ocurrió el evento. Si se observa el evento, event_observed=1; si el estudio ha terminado o se perdió el seguimiento sin haber observado el evento, se puede marcar como censoring derecho (right-censored). El censoring no es equivalente a la ausencia de un evento.

duration: tiempo observado
event_observed: si se observó el evento
entry: momento de entrada en la observación (si se usa)

conjunto de riesgo

En el tiempo t, el conjunto de riesgo es el grupo de sujetos observables que no han experimentado el evento hasta el momento inmediatamente anterior. A medida que avanza el tiempo, los sujetos que han experimentado el evento o han sido censurados se eliminan del conjunto de riesgo. Por lo tanto, no se asume que todos los sujetos permanezcan en el mismo denominador durante todo el período de seguimiento.

Kaplan–Meier y Python

from lifelines import KaplanMeierFitter

km = KaplanMeierFitter(label="synthetic")
km.fit(durations, event_observed=event_observed)
survival = km.survival_function_
ci = km.confidence_interval_
print(survival.head())

He verificado la ejecución de este código en el entorno de supervivencia lifelines==0.29.0. La API oficial de lifelines KaplanMeierFitter.fit recibe la duración y el indicador de evento, y proporciona la función de supervivencia y el intervalo de confianza como resultado. La función de supervivencia mostrada es una estimación basada en datos sintéticos y no representa el pronóstico clínico real de un estudio.

Volvamos a la pregunta de investigación para interpretarlo

La curva de Kaplan-Meier muestra la evolución estimada de la proporción de sujetos que no experimentan el evento a lo largo del tiempo. En algunos casos, no se calcula la mediana de supervivencia; es necesario verificar, junto con esta, el número y los momentos del censoring, así como el tamaño del conjunto de riesgo. No se debe inferir la causa o el efecto de un tratamiento solo porque la curva sea alta.

Errores comunes

• No codificar el censoring como la ausencia de un evento.
• No asumir que todas las unidades fueron observadas hasta el final del estudio.
• No indicar el punto de inicio y las unidades de la duración.
• No extrapolar la curva de supervivencia para obtener conclusiones sobre efectos causales o recomendaciones clínicas.

Resumen clave

• La duración y el indicador de evento son campos distintos.
• El conjunto de riesgo cambia con el tiempo.
• Kaplan-Meier es un procedimiento para estimar la función de supervivencia, que incluye el censoring.

Próximo tema

En la siguiente entrega, trataremos el hazard ratio del modelo de Cox y el supuesto de riesgos proporcionales.

Referencias

• lifelines KaplanMeierFitter: https://lifelines.readthedocs.io/en/stable/fitters/univariate/KaplanMeierFitter.html
• lifelines Quickstart: https://lifelines.readthedocs.io/en/stable/Quickstart.html

Los ejemplos de duración y evento de esta entrega son ejemplos educativos sintéticos creados de forma independiente por BioStatPy.