Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Análisis de supervivencia.
Aplicación en una muestra de mujeres
con cáncer cervical en México*
Lourdes Flores-Luna, M. en C., (1) Salvador Zamora Muñoz, M. en C.,(1,2)
Eduardo Salazar-Martínez, Dr. en C., (1) Eduardo Lazcano-Ponce, Dr. en C.(1)
* Este estudio fue realizado con financiamiento del Instituto Nacional de Salud Pública (INSP).
(1) Centro de Investigación en Salud Poblacional, INSP. Cuernavaca, Morelos, México.
(2) Instituto de Investigación en Matemáticas Aplicadas y en Sistemas, Universidad Nacional Autónoma de México.
Solicitud de sobretiros: Dr. Eduardo Lazcano Ponce. Centro de Investigación en Salud Poblacional, Instituto Nacional de Salud Pública.
Avenida Universidad 655, colonia Santa María Ahuacatitlán, 62508 Cuernavaca, Morelos, México.
Correo electrónico: elazcano@insp3.insp.mx
te histórica mediante revisión de expedientes clínicos, Tabla de vida. Esta tabla es un resumen (parecido a
durante el periodo de 1984 a 1996 (150 meses), en 378 la tabla de frecuencias usual) de la información re-
mujeres en el Hospital de Ginecobstetricia No. 4 Luis cabada. Contiene algunas estadísticas que permiten
Castelazo Ayala, del Instituto Mexicano del Seguro tener una visión, en cada intervalo de tiempo, del com-
Social, en la ciudad de México, con diagnóstico de portamiento de la mortalidad, supervivencia y tasa de
CACU invasor confirmado histopatológicamente. Para riesgo, entre otras características de las pacientes en la
la obtención de la información se utilizaron entrevis- muestra.2
tadoras estandarizadas que se mantuvieron ciegas a
la hipótesis del estudio. La información se obtuvo me- Un indicador importante del impacto que puede
diante un cuestionario diseñado específicamente para tener el CACU sobre las pacientes es la experiencia
el estudio y se tomó como fuente de información los de supervivencia de la población; entendiéndose a
registros clínicos del departamento de ginecología ésta como la probabilidad de que una paciente so-
oncológica del hospital. La calidad de la información breviva a un tiempo fijo, t. El uso del estimador Ka-
fue supervisada por dos oncólogos durante el perio- plan-Meier (K-M), permite estimar los valores de la
do de seguimiento. supervivencia en cualquier momento y proporciona,
además, una manera gráfica de presentarla.3 En caso
Población de estudio. Se seleccionó una unidad de alto de que se deseen comparar varias poblaciones, una
nivel de atención que concentra pacientes ginecobs- manera de explorar si existe diferencia entre ellas, al
tétricas, que cuenta con el servicio de ginecología on- menos de manera empírica, es graficar simultá-
cológica, siendo, además, este hospital el que mayor neamente los estimadores de K-M.
número de casos de CACU notifica en el área metro- Para evaluar el efecto que cada uno de los factores
politana de la ciudad de México. Las mujeres que han pronósticos tienen sobre la supervivencia de la pobla-
sido canalizadas, diagnosticadas y tratadas en este ción es común realizar comparaciones univariadas
hospital con CACU invasor confirmadas histopatoló- entre las poblaciones que determinan las categorías de
gicamente fueron elegidas para formar parte del estu- estos factores, por lo general, por medio de pruebas
dio, garantizando así que todas las mujeres son de la como las de log-rank y Wilcoxon.4
misma cohorte y que su entrada al estudio depende
del diagnóstico, independientemente de la fecha del Modelo de riesgos proporcionales. Una manera usual
mismo. de determinar el efecto conjunto de los factores
Definición de las variables de estudio. La variable res- pronósticos que resultan significativos de forma indi-
puesta fue construida tomando en cuenta el tiempo vidual es mediante el modelo de regresión de Cox5 o
que transcurre desde el momento del diagnóstico de modelo de riesgos proporcionales. Este modelo espe-
CACU confirmado histopatológicamente (evento ini- cifica cómo cambia la función de riesgo básica (indi-
cial), hasta la ocurrencia de la muerte (evento final). viduos con nivel de covariables cero) respecto de
La variable de censura fue definida por las mujeres que aquellos con covariables distintas de cero. Este cam-
no presentaron el evento de interés dentro del periodo bio lo especifica el parámetro asociado a cada factor
de estudio, y como mecanismos de censura fueron es- introducido al modelo y se interpreta como el cambio
tablecidos: a) muerte por otra causa diferente al CACU; esperado en el cociente de riesgos entre un individuo
b) pérdida durante el seguimiento (cambio de domi- en la población básica y uno fuera de ella.
cilio no notificado, negativa a continuar dentro del es- Los supuestos del modelo de riesgos proporcio-
tudio, falta de seguimiento del tratamiento), y c) todas nales de Cox son los siguientes:
aquellas mujeres que permanecieron vivas hasta el fi-
nal del periodo de estudio. 1. La razón de riesgos, para cualquier variable X, es
Métodos estadísticos utilizados. Como en muchas áreas constante a través del tiempo.
estadísticas, los métodos que se utilizan en análisis de 2. En términos de las probabilidades de supervi-
supervivencia son tanto paramétricos como no paramé- vencia, la curva de supervivencia de un grupo
tricos; entendiéndose por estos últimos, aquellos mé- debe estar siempre por encima de la curva de su-
todos que no suponen ninguna distribución sobre los pervivencia del otro grupo; éstas no se pueden
datos observados. Dado el objetivo que se perseguía cruzar.
en esta investigación se utilizaron únicamente méto- 3. Si el supuesto es violado, entonces se debe utili-
dos no paramétricos, a excepción del modelo de ries- zar el modelo de Cox estratificado.
gos proporcionales (MRP) que es semiparamétrico. A 4. El supuesto de proporcionalidad se evalúa me-
continuación se describen brevemente: diante: a) las líneas del gráfico de las curvas de
supervivencia (éstas no deben cruzarse), y b) las 50%). Por supuesto, lo anterior se ve reforzado con el
líneas del gráfico loglog: Ln[-Ln(S)] vs. tiempo para hecho de que en este periodo se tienen las tasas de ries-
todos los grupos (las líneas deben ser aproxi- go, en general, más elevadas (se puede consultar el
madamente paralelas). apéndice para observar cómo cambia la supervivencia
de acuerdo con el estadio clínico de la enfermedad).
Después de ajustar el MRP es importante verifi- La figura1 muestra la gráfica del estimador K-M.
car si éste se ajusta adecuadamente a los datos, por Aquí podemos observar de manera más precisa el de-
lo que se utilizan distintas clases de residuos, que sir- crecimiento de la supervivencia en los tres primeros
ven para verificar diversas características propias del años (1 000 días aproximadamente). Los años si-
MRP.6-8 guientes muestran una caída en la supervivencia mu-
Como última fase del análisis, es muy importan- cho más lenta, además de periodos en los que ésta se
te evaluar el impacto de cada observación en el ajuste mantiene constante.
del MRP. Las observaciones pueden producir un fuerte El cuadro II resume los datos de supervivencia
impacto en todo el vector de parámetros (una obser- estimados. Encontramos que las mujeres que se ha-
vación que tiene un impacto de esta naturaleza, impli- bían realizado alguna vez la prueba de Papanicolaou
ca que el modelo cambia radicalmente con y sin la tienen una supervivencia de 75.65%, que es estadísti-
observación) o en particular, en cada una de las co- camente superior a la de las que nunca se lo habían
variables que componen el modelo.9 En cualquiera de hecho (46%) (las pruebas de log-rank mostraron dife-
estos dos casos es importante, después de localizar es- rencias en las curvas, p<0.001). Para la etapa I se tiene
tas observaciones, tratar de determinar a qué se debe una supervivencia de 82% y desciende al aumentar la
lo desmedido de su impacto en el MRP. Cabe destacar etapa clínica, encontrando que para las etapas tardías
que cada uno de los métodos descritos incorpora las la supervivencia fue de 47% en la etapa III, y de 21%
censuras en su construcción. en la etapa IV (p<0.001). La presencia de síntomas se
Para el manejo y análisis de la información se uti- clasificó de la siguiente manera:
lizó el paquete estadístico Stata 6.0.
1. Generales, esta categoría está formada por las
Resultados mujeres que no presentaron ningún síntoma o
únicamente tuvieron descarga vaginal.
El cuadro I muestra la tabla de vida. En ella se observa 2. Específicos, abarcan: a) hemorragia genital anor-
que la mayoría de las muertes por CACU ocurren en mal (HGA); b) HGA poscoito, y c) dolor.
los primeros tres años de observación (92 de 107), lo 3. Graves, se definieron así cuando existe tumor pél-
que da como resultado que la probabilidad de so- vico o pérdida de peso.
brevivir a esos tres años se reduzca en 28%, que es
muy alta comparada con la reducción total que es de Al evaluar la presencia de síntomas, encontramos
56.54% (en términos relativos es aproximadamente que cuando hay síntomas graves se muestra la menor
Cuadro I
TABLA DE VIDA DE LAS MUJERES CON CÁNCER CERVICOUTERINO. HOSPITAL DE GINECOBSTETRICIA NO. 4,
MÉXICO,1984-1996
Intervalo Número de mujeres Número de Número de mujeres Fallas Proporción Supervivencia Función
(años) en el intervalo censuras expuestas al riesgo de fallas acumulada de riesgo
100
Cuadro II
SUPERVIVENCIA DE LAS MUJERES CON CÁNCER
75 CERVICOUTERINO . H OSPITAL DE G INECOBSTETRICIA
NO. 4, MÉXICO, 1984-1996
Supervivencia (%)
Cuadro IV
EVALUACIÓN GLOBAL Y POR COVARIABLE DEL SUPUESTO
1.5
DE RIESGOS PROPORCIONALES, EN UNA MUESTRA
DE MUJERES CON CÁNCER CERVICOUTERINO.
Función de riesgo acumulada
5 2
Residuos de martingalas
-ln[-ln(Supervivencia)]
-in[-In(Supervivencia)]
3 0
1 -2
-1 -4
0 3 6 9 1 2 3 4
In tiempo Etapa clínica
Etapa= 1 Etapa= 3
Etapa= 2 Etapa= 4
FIGURA 5. EVALUACIÓN DE LA LINEALIDAD DEL FACTOR
FIGURA 3. RIESGOS PROPORCIONALES POR ETAPA, EN UNA PRONÓSTICO , EN UNA MUESTRA DE MUJERES CON CÁNCER
MUESTRA DE MUJERES CON CÁNCER CERVICOUTERINO . CERVICOUTERINO. HOSPITAL DE GINECOBSTETRICIA NO. 4,
HOSPITAL DE GINECOBSTETRICIA NO. 4, MÉXICO, 1984- MÉXICO,1984-1996
1996
0 evaluación global.
Supervivencia
-2
Conclusiones
-4 El uso de los métodos del análisis de supervivencia, a
1 000 2 000 3 000 4 000 5 000
lo largo de este artículo, ha puesto de manifiesto lo
Tiempo
(Días transcurridos desde el diagnóstico hasta la ocurrencia del evento) importante que resulta utilizar los procesos de análi-
sis de información más adecuados de acuerdo con las
FIGURA 4. EVALUACIÓN DE LOS SUPUESTOS DEL MODELO
características de los datos. Como se comentó en la in-
DE RIESGOS PROPORCIONALES, EN UNA MUESTRA DE MUJERES
troducción, estos métodos incorporan las observa-
CON C Á N C E R C E RV I C O U T E R I N O . H O S P I TA L DE
ciones censuradas en su construcción, lo que permite
GINECOBSTETRICIA NO. 4, MÉXICO, 1984-1996 tener una descripción más adecuada de las mujeres
mexicanas con CACU, así como la evaluación de los
factores pronósticos que determinan su superviven-
cia. En este último punto, es fundamental que los mé-
todos utilizados incorporen las censuras, ya que, de lo
contrario, se corre el riesgo de introducir un sesgo en
Si se realiza un análisis detallado de los registros para la estimación de estos efectos en la población.
esta observación se encuentra que la característica Además de describir a la población, hemos podi-
que puede hacer atípica a esta paciente es el hecho do evaluar el efecto que de manera individual tienen
de que pertenece a la etapa IV (etapa tardía) y su re- algunos de estos factores pronósticos sobre la supervi-
gistro de supervivencia es grande comparado con el vencia, mediante pruebas como log-rank y Wilcoxon.
promedio del resto de observaciones en esa categoría Sin embargo, estas pruebas no permiten hacer una eva-
(347 días vs. 1 650 días). No obstante lo anterior, se luación conjunta de todos los factores que fueron signi-
decidió conservar el modelo original, ya que, pese a lo ficativos para esta supervivencia, por lo que se utilizó
poco común de esta observación, es posible que ocu- el MRP que permite evaluar el impacto de un factor,
Apéndice
El objetivo de este apartado es presentar por medio de tablas de vida las etapas del tumor, así como ilustrar el
cálculo de algunos de sus elementos.
Etapa I
0-1 126 14 119.0 10 .0840 .9160 .0002
1-2 102 26 89.0 4 .0449 .8748 .0001
2-3 72 15 64.5 1 .0155 .8612 .0000
3-4 56 12 50.0 1 .0200 .8440 .0001
4-5 43 12 37.0 1 .0270 .8212 .0001
5-6 30 12 24.0 1 .0417 .7870 .0001
Etapa II
0-1 137 10 132.0 14 .1061 .8939 .0003
1-2 113 22 102.0 5 .0490 .8501 .0001
2-3 86 17 77.5 5 .0645 .7953 .0002
3-4 64 23 52.5 1 .0190 .7801 .0001
4-5 40 15 32.5 2 .0615 .7321 .0002
5-6 23 7 19.5 1 .0513 .6946 .0001
Etapa III
0-1 97 2 96.0 24 .2500 .7500 .0008
1-2 71 13 64.5 8 .1240 .6570 .0004
2-3 50 8 46.0 8 .1739 .5427 .0005
3-4 34 14 27.0 1 .0370 .5226 .0001
4-5 19 5 16.5 2 .1212 .4593 .0004
5-6 12 5 9.5 0 .0000 .4593 .0000
Etapa IV
0-1 18 1 17.5 11 .6286 .3714 .0025
1-2 6 1 5.5 2 .3636 .2364 .0012
2-3 3 1 2.5 0 .0000 .2364 .0000
3-4 2 0 2.0 0 .0000 .2364 .0000
4-5 2 1 1.5 0 .0000 .2364 .0000
5-6 1 1 0.5 0 .0000 .2364 .0000
Etapa II
dj
^ j 14
S j= Π 1- ––: supervivencia en el intervalo j,i.e., la probabili- ^
S1= (1- –––) = 0.8939
i=1
n’j dad de sobrevivir al intervalo j, dado que se llegó 132
vivo al inicio del mismo
^ 14 5
dj S2= (1- –––)*(1- –––) = 0.8939*0.9510=0.8501
^
h j= ––––: función de riesgo estimada en el intervalo j 132 102
dj
^ 14 5 5
(n’j - ––)*τ S3= (1- –––)*(1- –––)*(1- ––––) = 0.8939*0.9510*0.9355=0.7953
2 132 102 77.5
14
τ: Tamaño del intervalo ^
h 1= ––––––––––––– = 0.0003
14
Ahora, ilustraremos algunos cálculos de estas dos (132- –––)*365
2
últimas cantidades para cada etapa.
^ 5
Etapa I h 2= –––––––––––– = 0.0001
5
(102- –––)*365
10 2
^
S= (1- –––) = 0.9160
119 ^ 5
h 3= –––––––––––– = 0.00002
10 4 5
^ (77.5- –––)*365
S2= (1- –––)*(1- –––)= 0.9160* 0.9551= 0.8748
119 89 2
10 4 1 Etapa III
^
S3= (1- –––)*(1- ––)*(1- ––––)= 0.9160*0.9551*0.9845=0.8612
119 89 64.5 24
^
Que denotan las supervivencias al primero, se- S1= (1- –––) = 0.7500
gundo y tercer año, respectivamente, de las mujeres 96
con CACU en etapa I. De una forma totalmente análoga
24 8
se calculan el resto de los intervalos hasta el final. ^
S2= (1- –––)*(1- –––) = 0.7500*0.8760=0.6570
96 64.5
10
^
h1= –––––––––––– = 0.0002 24 8 8
10 ^
S3= (1- –––)*(1- –––)*(1- –––) = 0.8939*0.9510*0.8261=0.5427
(119- –––)*365 96 64.5 46
2
4 ^
24
^ h 1= ––––––––––– = 0.0008
h2= –––––––––––– = 0.0001
4 24
(89- ––)*365 (96- –––)*365
2 2
^ 8 ^ 2
h2= ––––––––––– = 0.0004 h 2= –––––––––––– = 0.0012
8 2
(64.5- ––)*365 (5.5- ––)*365
2 2
^ 8 ^ 0
h3= ––––––––––– = 0.00005 h 3= –––––––––––– = 0.0000
8 0
(46- ––)*365 (2.5-–––)*365
2 2
Etapa IV
Algunos comentarios importantes:
11
^
S1= (1- –––) = 0.3714 La supervivencia estimada a los cinco años que se
17.5 presenta en el cuerpo del artículo no se calculó mediante
la tabla de vida sino del K-M que es más preciso.
11 2
^
S2= (1- –––)*(1- –––) = 0.3714*0.6364=0.2364 El cálculo de las tablas de vida se realizó en SPSS
17.5 5.5 8.0.
Los elementos que se muestran en las tablas no
11 2 5
^
S3= (1- –––)*(1- –––)*(1- –––) = 0.3714*0.6364*1=0.2364 son todos los que se obtienen con este proceso. Se pre-
17.5 5.5 2.5 sentaron sólo los que se consideraron importantes en
el análisis. No se presenta ningún cálculo de los erro-
11
^
h1= –––––––––––– = 0.0025 res estándar de los valores estimados de la supervi-
11 vencia ni de la función de riesgo.
(17.5- –––)*365
2