Analisis Data Klinik

Tugas : 02

KURVA SURVIVAL KAPLAN-MEIER

DAN UJI LOG-RANK
(Terjemahan hal. 57-61)
Kelompok 4

Jusman (H12115026)

A.Muthiah Nur angriany (H12115307)

Waode Rahmalia Safitri (H12115308)

PRODI STATISTIKA

FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM

Jika kita membiarkan A menjadi event dimana subjek
bertahan setidaknya waktunya () dan kita membiarkan B
menjadi event bahwa subjek bertahan pada masa waktu () ,
maka event gabungan A dan B menyederhanakan event B,
yang inklusif dari A. Ini berarti probabilitas A dan B sama
dengan probabilitas bertahan dari waktu lampau () .

dan, karena () adalah waktu kegagalan berikutnya setelah

(1) , Tidak akan ada kegagalan setelah waktu (1) dan
sebelum waktu () . Oleh karena itu, probabilitas A sama
dengan probabilitas bertahan melewati waktu jatuhnya (
1).

Selanjutnya, probabilitas bersyarat dari B yang diberikan A

sama dengan probabilitas bersyarat dalam rumus KM.

Jadi, dengan menggunakan aturan dasar probabilitas, rumus

KM dapat diturunkan.

Lalu bagaimana mengevaluasi kurva KM untuk dua atau

lebih grup secara statistik setara. Pada bagian ini hanya
mempertimbangkan dua grup. Metode pengujian yang
paling populer disebut tes log-rank

Ketika menyatakan bahwa dua kurva KM "setara secara

statistik," kita bermaksud bahwa, berdasarkan prosedur
pengujian yang membandingkan dua kurva dalam beberapa
"Secara keseluruhan," kita tidak memiliki bukti untuk
menunjukkan bahwa (populasi) kurva kelangsungan hidup
berbeda.
Uji log-rank adalah uji chi-square sampel besar yang
menggunakan sebagai kriteria uji statistik yang memberikan
perbandingan keseluruhan kurva KM. Statistik (log-rank),
seperti banyak Statistik lain yang digunakan dalam uji chi-
square, memanfaatkan jumlah sel yang diamati versus yang
diharapkan dari kategori hasil. Data statistik log-rank
ditentukan oleh masing-masing waktu kegagalan yang
diperintahkan untuk keseluruhan rangkaian data yang
dianalisis.

Sebagai contoh informasi yang diperlukan untuk uji log-

rank, kami mempertimbangkan perbandingannya
pengobatan (grup 1) dan plasebo (grup 2) dalam data remisi
pada 42 pasien leukemia.

Di sini, untuk setiap waktu kegagalan yang dipesan, () ,

dalam seluruh rangkaian data, kami menunjukkan jumlah
subjek () gagal pada saat itu, secara terpisah oleh grup
(), diikuti oleh jumlah subjek () di risiko ditetapkan
pada saat itu, juga secara terpisah oleh grup.

Jadi, misalnya, pada minggu ke 4, tidak ada subjek yang

gagal dalam grup 1, sedangkan dua subjek gagal dalam grup
2. Juga, pada minggu ke 4, risiko yang ditetapkan untuk
grup 1 berisi 21 orang, sedangkan risiko yang ditetapkan
untuk grup 2 berisi 16 orang.

Demikian pula, pada minggu ke 10, satu subjek gagal dalam

grup 1, dan tidak ada subjek yang gagal pada grup 2; risiko
ditetapkan untuk masing-masing grup terdiri dari 15 dan 8
subjek.

Kami sekarang memperluas tabel sebelumnya untuk

memasukkan jumlah sel dan perkiraan minus yang diharapkan
untuk setiap grup pada setiap waktu kegagalan. Rumus untuk
jumlah sel yang diharapkan ditunjukkan di sini untuk setiap grup.
Untuk grup 1, rumus ini menghitung jumlah yang diharapkan
pada waktu (mis. (1) ) sebagai proporsi dari total subjek pada
kedua grup yang beresiko pada waktu , itu adalah, (1) /
((1) + (2) ), dikalikan dengan jumlah kegagalan kedua grup
pada saat itu ( mis. (1) + (2) ). Untuk grup 2, (2)
dihitung sama.
Ketika dua grup sedang dibandingkan, Statistik uji log-rank
dibentuk dengan menggunakan jumlah taksiran yang
diharapkan dikurangi semua kegagalan untuk salah satu dari
dua grup. Dalam contoh ini, jumlah ini adalah -10.26 untuk
grup 1 dan 10.26 untuk grup 2. Kita akan menggunakan
nilai grup 2 untuk melaksanakan pengujian, namun seperti
yang kita lihat, kecuali tanda minus, perbedaanya sama
untuk kedua grup.

Untuk kasus dua grup, statistik log-rank, yang ditunjukkan

di sebelah kiri, dihitung dengan membagi kuadrat
penjumlahan yang diamati dikurangi nilai yang diharapkan
untuk salah satu grup-katakanlah, grup 2-oleh varians
penjumlahan yang diamati dikurangi skor yang diharapkan.
Ekspresi untuk varians perkirakan ditampilkan disini. Untuk
dua grup, rumus variannya sama untuk masing-masing
grup. Rumus varians ini melibatkan jumlah dalam
kumpulan risiko pada setiap grup () dan jumlah
kegagalan pada masing-masing grup () pada waktu .
Penjumlahannya lebih dari semua waktu kegagalan yang
berbeda.

Hipotesis nol yang diuji adalah bahwa tidak ada perbedaan

keseluruhan antara dua kurva kelangsungan hidup.
Berdasarkan hipotesis nol ini, statistik log-rank adalah kira-
kira chi-kuadrat dengan satu derajat kebebasan. Jadi, nilai P
untuk uji log-rank ditentukan dari tabel distribusi chi-
kuadrat.

Beberapa program komputer tersedia menghitung statistik

log-rank. Sebagai contoh Stata package memiliki perintah
yang disebut "uji sts" yang menghitung informasi deskriptif
tentang kurva Kaplan-Meier, statistik log-rank, dan statistik
alternatif pada statistik log-rank, yang akan dijelaskan
kemudian. Paket lain, seperti SAS dan SPSS, memiliki
prosedur yang memberikan hasil yang serupa dengan data
Stata. Perbandingan prosedur dan output Stata, SAS, dan
SPSS disediakan di Lampiran Komputer di bagian belakang
teks ini.

Untuk data remisi, hasil cetak yang telah diedit dengan

menggunakan prosedur Stata "uji sts" ditunjukkan di sini.
Statistik log-rank adalah 16.79 dan nilai P yang sesuai
adalah nol sampai tiga tempat desimal. Nilai P ini
menunjukkan bahwa hipotesis nol harus ditolak. Oleh
karena itu, dapat di simpulkan bahwa grup pengobatan dan
grup plasebo memiliki kurva kelangsungan hidup KM yang
berbeda secara signifikan.
Meskipun penggunaan komputer adalah cara termudah
untuk menghitung statistik log-rank, kami sediakan di sini
beberapa rincian perhitungannya. Kita telah melihat dari
perhitungan sebelumnya bahwa nilai 2 2 adalah 10.26.
Estimasi varians dari 2 2 dihitung dari rumus varians
diatas menjadi 6.2685. Statistik log-rank kemudian
diperoleh dengan mengkuadratkan 10.26 dan membagi
dengan 6.285, yang menghasilkan 16.793, seperti yang
ditunjukkan pada hasil cetak computer

Perkiraan terhadap statistik log-rank, yang ditunjukkan di

sini, dapat dihitung dengan menggunakan nilai yang diamati
dan yang diharapkan untuk setiap grup tanpa harus
menghitung rumus varian. Rumus perkiraan adalah bentuk
chi-square klasik yang jumlahnya diatas masing-masing
grup dibandingkan kuadrat dari nilai perkiraan yang diamati
dibagi dengan nilai yang diharapkan.

Perhitungan rumus perkiraan ditunjukkan di sini untuk data

remisi. Nilai yang diharapkan adalah 19.26 dan 10.74 untuk
grup 1 dan 2. Nilai chi-square yang diperoleh adalah
15.276, yang sedikit lebih kecil dari statistik log-rank
16.793.

Tes log-rank juga bisa digunakan untuk membandingkan

tiga atau lebih kurva bertahan hidup. Hipotesis nol untuk
situasi yang lebih umum ini adalah semua kelangsungan
hidup kurva adalah sama.

Meski layout tabel yang sama bisa digunakan untuk

melakukan perhitungan bila ada lebih dari dua grup,
statistik uji lebih rumit secara matematis, melibatkan kedua
varians dan kovarians penjumlahan yang diamati dikurangi
nilai yang diharapkan untuk masing-masing grup. Rumus
matematika yang mudah digunakan dapat diberikan dalam
bentuk matriks. Kami menyajikan formula matriks untuk
pembaca yang berminat dalam lampiran di akhir bab ini.