Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Tema 6. Análisis de
supervivencia
Índice
Esquema
Ideas clave
A fondo
Test
Esquema
Metodologías de Investigación Avanzada
Tema 6. Esquema 4
© Universidad Internacional de La Rioja (UNIR)
Ideas clave
En este tema, vamos a ver un tipo de análisis cada vez más presente en la literatura
cuenta el número de sujetos que hay en estudio en cada instante para hacer sus
estimaciones, y, por lo tanto, una de las variables con las que trabaja es el tiempo.
Precisamente por trabajar con el tiempo, una variable no normal, las técnicas que
supervivencia.
ratio).
hasta que sucede un evento de interés. Es decir, una de las variables con las que
solamente se mueve hacia adelante, es decir, solamente avanza. Esta cualidad nos
va a llevar a trabajar con una serie de técnicas concretas y adaptadas a él, que
En medicina y otras ciencias, los sujetos que entran al estudio no tienen por qué
hacerlo todos a la vez. Por ejemplo, si quiero hacer un estudio del tiempo que
transcurre entre el final de un tratamiento con personas con un TCA y una recaída,
donde se empezará a medir. El evento de interés, en este caso, será la recaída. Una
Como las personas han ido entrando al estudio en diferentes momentos, también
tendrán diferentes tiempos de seguimiento. Una vez que se produce el evento,
marcaremos el tiempo para ese sujeto. Sin embargo, no todos tienen por qué haber
personas que, al finalizar el tiempo de seguimiento, sigan sin recaer, y también habrá
personas de las que habremos perdido el seguimiento, bien porque hayan dejado de
ir a consulta, se hayan cambiado de ciudad o porque haya sucedido otro evento que
no nos permite estudiar el nuestro, por ejemplo, porque han fallecido por una causa
Vamos ahora a definir una serie de conceptos (Rebasa, 2005), algunos los hemos
una persona. Esa observación no tiene por qué ser necesariamente directa, puede
ser a través del teléfono; es el tiempo en el que seguimos recogiendo información de
una persona. Se puede obtener en días, semanas, meses o años. Es el tiempo
transcurrido desde que el sujeto entra en el estudio hasta su fecha de último
seguimiento.
observación del sujeto sea por el motivo que sea, porque se ha producido el
evento de interés, porque hemos perdido su seguimiento o porque la investigación
En los estudios clásicos de cáncer, en medicina, suele ser la muerte, pero puede
tratarse de cualquier otro evento, por ejemplo, una recaída. En modelos más
complejos de análisis de supervivencia, se pueden estudiar más de un evento, pero,
en este tema, solamente vamos a ver un modelo sencillo.
desde que ingresa en el estudio hasta que se produce el evento se llama tiempo
interés, o que hemos perdido su seguimiento antes de que sucediera este evento.
▸ Sujetos perdidos: son aquellos sujetos de los que hemos perdido el seguimiento,
Tanto los sujetos vivos como los que tienen pérdida de seguimiento los trataremos
importante informar cuántos de nuestros casos censurados son vivos y cuántos son
pérdidas de seguimiento.
Los datos censurados son los que hacen que el análisis de supervivencia sea un
en el que ha durado su seguimiento, pero eso no quiere decir que el evento no vaya
Vamos a ver cómo podemos clasificar las tres formas que tenemos de producir datos
censurados:
del sujeto, el sujeto puede haber dejado acudir a las revisiones o se puede
estudio.
Es importante que definamos bien el evento y cada uno de los tipos de censura
que sufren nuestros datos para que el lector de nuestra investigación pueda
de un determinado tratamiento, un sujeto que ha fallecido a los tres meses por otra
causa distinta a la estudiada será un evento censurado, por lo tanto, no se podrá
La mayoría de las variables con las que solemos trabajar son variables que
pocos valores muy pequeños con respecto a la media, otros muy grandes con
sin embargo, la variable tiempo no sigue esta distribución. Es por esto por lo que la
aparece en la figura 2:
S (t)=P(T>T) ; t≥ 0
▸ Los tiempos en los que se han producido cada uno de los eventos:
anterior a tk → nk
P(T≤tk|T>tk−1)=dknk,k=1,…,N(t = )
Con esta fórmula, podemos calcular la probabilidad de que un sujeto que ha llegado
vivo al instante anterior al instante tk, llegue vivo también al instante tk.
Estimador de Kaplan-Meier
Desde el inicio hasta el mes 1,3, la probabilidad de estar vivo es del 100
Cada una de las censuras está representada con una línea que corta la
La lógica de este tratamiento de datos es que esperamos que los datos no completos
En el siguiente vídeo, vamos a ver cómo realizar una curva de supervivencia con el
programa Jamovi.
comparar la supervivencia entre dos grupos para ver si la variable que genera
personas que toman un fármaco X con las que toman un fármaco Y, comparar
prueba, lo que hacemos es comparar la hipótesis nula de que todos los grupos tienen
tiempo.
largo del tiempo, y la prueba logrank no se podrá utilizar. Debemos utilizar la prueba
cada uno de los grupos, y los compara con los que se esperarían en el caso de que
ambos grupos fuesen iguales. Al final, obtenemos un valor que puede compararse
la siguiente fórmula:
n tk
sería:
N.º de sujetos en riesgo del grupo1∗ (n.º de eventos ocurridos en el instante tkn.º gl
N.º de sujetos en riesgo del grupo 2 ∗ (n.ºde eventos ocurridos en el instante tkn.ºgl
siguientes datos:
▸ Grupo 1:
▸ Grupo 2:
12 * 1026=4,61
Y para el grupo 2:
14 * 1026=5,38
Esto que hemos hecho para el tiempo 6, habría que hacerlo para cada uno
de los tiempos en los que se producen eventos, y una vez realizados todos
los cálculos, sumamos cada una de las columnas, de tal manera que
esperados que hemos calculado para cada uno de los tiempos. Haremos
χ2=(O1-E1)2E1+(O2-E2)2E2
X2 sería:
longrank.
Tabla de supervivencia
mutación genética.
calculado.
Para el tiempo 13, hemos dicho que la estimación puntual de supervivencia es del 75
Por último, las dos columnas siguientes nos muestran el número de eventos
cada tiempo una vez eliminado el sujeto del evento correspondiente o la pérdida de
seguimiento.
sujetos.
Si nos fijamos en la tabla anterior (1), en el grupo que sí tiene mutaciones, cuando la
que es lo que nos indica la tabla siguiente. Vemos que nos da información de la
mediana para cada uno de los grupos, y también para el total, es decir, si no
Tabla 2. Tabla de medias y medianas. Fuente: elaboración propia (programa IBM SPSS).
Prueba de logrank
lo tanto, podemos afirmar que la probabilidad de supervivencia entre los grupos que
Para ver cuál de los dos grupos tiene mayor probabilidad de supervivencia, podemos
Figura 8. Curvas de supervivencia para dos grupos. Fuente: elaboración propia (programa IBM SPSS).
mutaciones está representado en color azul, y el que sí las tiene, en color rojo.
primeros meses para el grupo con mutaciones, y mucho más lento para el grupo que
no las tiene. Y que, además, la curva de los no mutados va siempre por encima de
los mutados, por lo tanto, a lo largo del tiempo, su supervivencia es siempre mayor.
Con estos dos últimos datos, podemos concluir que la supervivencia del grupo con
Además de toda esta información que hemos aportado hasta ahora, existe otra
diferencias una vez que las hemos encontrado. La prueba es la regresión de Cox, y
nos va a dar como resultado estadístico el valor del hazard ratio (HR), que nos va a
otro.
estadístico.
es, como en cualquier tipo de modelo de regresión que conocemos, detectar y tratar
que le supone a un individuo contar, o no, con valores positivos (es decir, presencia
de una mutación como en nuestro ejemplo, siendo el valor nulo la ausencia) de esas
variables explicativas. Por lo tanto, la función con la que vamos a trabajar en nuestro
h(tj)=P(T=tj|T≥tj),j=1,2,…
hi(t)=eβxih (t)
tiempo. Con esto, podemos calcular el HR, es decir, el número de veces que está
Los datos que nos va a reportar cualquier programa estadístico sobre la regresión de
Tabla 4. Tabla regresión de Cox. Fuente: elaboración propia (programa IBM SPSS).
Los datos para tener en cuenta son la significación del modelo, en este caso,
0,020 menor que 0,05, y, por lo tanto, significativo, y el valor del Exp. ( B ) —del
exponente beta—, que nos está indicando el HR, como acabamos de ver en la
fórmula anterior. En este caso, diremos que, pertenecer al grupo con la mutación,
tuviésemos.
expuesto a lo largo del tema, este tipo de análisis nace en el área de la medicina
sin embargo, lo que en medicina el evento estudiado es la muerte, no tiene por qué
serlo, incluso en este ámbito, ya que puede tratarse de una recaída o cualquier otro
puede ser también una recaída si, por ejemplo, estamos estudiando adicciones,
Hemoterapia, 18(2).
http://scielo.sld.cu/scielo.php?script=sci_arttext&pid=S0864-02892002000200004
https://scc.org.co/wp-content/uploads/2017/10/Supervivencia.pdf
135.
https://doi.org/10.1016/S0009-739X(05)70923-4
0de%20riesgos%20proporcionales.pdf
En este documento, perteneciente a la Dra. Eva Boj del Val, podrás encontrar un
análisis mucho más profundo del que hemos visto hasta ahora sobre la regresión de
Cox.
https://bookdown.org/isubirana/longitudinal_data_analyses/TimeDepsurvival.html
variables dependientes del tiempo. En este caso, el software para llevarlo a cabo es
R.
2. Los datos censurados son los que hacen que el análisis de supervivencia sea:
A. Difícil.
B. Desconocido.
C. Especial.
D. Ninguna es correcta.
correctamente:
B. Hay que definir cada uno de los tipos de censura que sufren nuestros
datos.
D. La B y la C son correctas.
A. Asimétrica positiva.
B. Simétrica negativa.
C. Simétrica positiva.
D. Asimétrica negativa.
5. En la regresión de Cox:
de variables.
modelos de regresión.
supervivencia.
D. La B y la C son correctas.
C. La prueba de valor Z.
D. Ninguna es correcta.
B. Un traslado de domicilio.
C. Una recaída.
D. La muerte.