Survival Analysis

Introduksi

Review
Desain Kohort:
Prospektif
Retrospektif
Trial prinsip kohort

Awal dari studi: free of disease

Grup pembanding:
Grup internal
Grup external
Historical cohort

Monitor outcome/disease status

Memonitor atau mem-follow-up semua
anggota studi
Semua anggota studi harus rentan
terhadap terjadinya outcome at risk
Tidak semua anggota studi dimonitor pada
saat yang bersamaan
Lamanya pengamatan tidak selalu bisa
sama untuk tiap anggota studi

Keuntungan
Dapat memberikan informasi yang valid
menurut urutan waktu (temporal
relationship terpenuhi), sehingga
memudahkan untuk menilai kausalitas
Dapat mempelajari beberapa
outcome/disease secara bersamaan (hatihati, jangan dirancukan dengan pengujian
hipotesa pada studi kohort)

Kerugian/Masalah
Mahal, memerlukan waktu yang panjang
Tidak baik untuk penyakit yang mempunyai
masa laten panjang, misal: kanker, penyakit
degeneratif
Tidak baik untuk mempelajari penyakit/outcome
yang jarang terjadi
Hati-hati akan study effect anggota studi bisa
merubah exposure nya karena terpapar oleh
studi
Kemungkinan withdraw dan loss to follow-up

Pertimbangan pada analisa

Concurrent follow-up semua orang mulai diamati pada
waktu yang sama dan waktu pengamatannya sama
(sampai akhir dari studi, atau sampai event/outcome
terjadi) fixed cohort
Moving baseline dates rekruitmen dari anggota studi
tidak bersamaan
Durasi pengamatan yang bervariasi
Survival analysis dapat mengatasi masalah baik saat
mulai pengamatan berbeda, maupun lamanya
pengamatan berbeda
Withdraw dan loss to follow-up sensor (bila
pengamatan berakhir bukan karena event terjadi atau
bukan karena akhir dari studi/pengamatan
Competing risk / competing causes of failure

Analisa pada studi kohort

Harus bisa memperhitungkan
durasi pengamatan yang berbeda
Awal pengamatan yang berbeda

Untuk dapat memperhitungkan durasi dan awal

pengamatan yang berbeda dipakai incidence
rate (yang pada survival analysis disebut
sebagai hazard rates)
Analisa pada kohort studi yang mempelajari
waktu dari awal pengamatan sampai terjadinya
failure (terjadi outcome)

Survival analysis
Adalah kumpulan prosedur statistik untuk
menganalisa data dimana variabel outcome
nya adalah time until an event occurs.
Time (=survival time): jam, hari, minggu, bulan,
tahun. Bia menggunakan umur, maka diperlukan
info umur saat terpapar dan umur saat event
terjadi.
Event (=failure): kematian, timbilnya penyakit,
kambuh, sembuh. Diasumsikan event hanya 1
kali terjadi.

Goal dari Survival Analysis

Mengestimasi dan menginterpretasikan
S(t) dan h(t)
Membandingkan beberapa survivor
functions atau beberapa hazard functions
Menilai hubungan antara variabel-variabel
independen dengan survival time

Terminologi
Survivor function S(t)
Hazard function h(t). Adalah incidence
density
Perlu diketahui hubungan antara S(t)
dengan h(t)

Survival analysis
Dengan kurva dan survival analysis, dapat
dilakukan analisa untuk exposure dengan
beberapa kategori
Dapat memperhitungkan confounder
dapat menghitung log-rank test pada tiap
strata
Untuk analisa yang melibatkan banyak
variabel menggunakan analisa
multivariat
11

Survival analysis
Bisa menggambarkan over-all survival
dan juga membandingkan antara 2
kelompok
Memerlukan uji statistik untuk
membedakan apakah 2 kelompok
mempunyai survival yang berbeda nonparametrik, salah satunya dengan logrank test (prinsip Mantel-Haenszel)
12

 Variabel outcome:
Time to event

Time survival time:

Dari awal pengamatan sampai terjadi event

Event disebut sebagai Failure, yang

bisa terdiri dari:

Kematian
Terjadinya penyakit (menjadi sakit)
Kambuh (relapse)
Sembuh (recovery)
13

Contoh failure/event
Kematian: penderita kanker meninggal
Penyakit: mengidap HIV timbul AIDS
Kambuh: penderita kanker yang sudah
mendapat pengobatan dan dinyatakan
sembuh (bersih) dari kanker kambuh
Sembuh: dari mengidap sakit (misal: flu)
sembuh
14

Sensor
Adalah: tidak terjadinya event
Ter-sensor karena:
Withdraw
Hilang dari pengamatan
Meninggal karena sebab lain (competing risk)
Pengamatan berakhir

Sensor
Sampai akhir dari studi/pengamatan (periode
pengamatan tertentu) event tidak terjadi
Hilang dari pengamatan loss to follow-up
Withdraw (secara voluntir, atau karena
meninggal yang disebabkan oleh sebab lain
selain event yang diteliti)
SEMUA DI ATAS DISEBUT SEBAGAI RIGHT CENSOR
LEFT CENSOR, terjadi bila pengamat tidak mengetahui waktu
exposure mulai sebelum awal pengamatan
16

EVENT TERJADI

Individu B, C, D, E mengalami right censored karena

studi berakhir, withdraw atau hilang

17

 Outcome: time to event

1=failure
0=sensor

S(t) = survivor/al function summary dari

probabilitas untuk survive selama waktu t
H(t) = hazard function merupakan
kebalikan dari S(t)

18

 Dasar dari Analisa Survival adalah

survivor/al function (summary dari
probabilitas untuk survive)
Sifat dari survivor/al function:
Probabilitas untuk survive selalu akan
menurun dengan berjalannya waktu
Pada awal pengamatan, probabilitas untuk
survive selalu=1 S(0)=1.
Bila waktu pengamatan tak terhingga (lama
sekali), maka probabilitas untuk survive
akan=0 S()=0.
19

 Hazard function h(t)

Memberikan informasi mengenai instantaneous
potential per unit time untuk terjadinya event
(dengan syarat bahwa bahwa individu tersebut
telah berhasil survive sampai waktu tertentu t)
Mengandung komponen velocity (kecepatan)
Disebut sebagai conditional failure rate
Bukan probabilitas, oleh karena itu nilainya bisa >
1 h(t) 0, dan h(t) tidak mempunyai batas atas
Beda dengan survivor/al function yang harus mulai
dari 1 (karena probabilitas) dan makin lama makin
kecil, sampai mencapai 0.
20

Macam hazard function

Constant hazard, disebut sebagai exponential model
hazard nya konstan (terjadi pada orang sehat)
Weibull meningkat
contoh: survival dari penderita
lekemia yang tidak ber-respons terhadap obat, makin
lama prognosisnya makin buruk dan akhirnya meninggal
Weibull menurun
contoh: pasien yang
mengalami operasi, kemungkinan utk survive akan lbh
besar dengan berjalannya waktu
Lognormal contoh: pasien TB, dimana kemungkinan
utk meninggal pada awalnya tinggi, tetapi bila bisa
bertahan maka risiko kematiannya akan menurun
21

Hasil Survival Analysis

Diekspresikan sebagai proporsi dari
subyek yang belum mengalami event
pada periode waktu tertentu (dapat
menggambarkan survival pada beberapa
titik waktu yang berbeda) tergambarkan
sebagai kurva incidence cumulative
Untuk kurva tsb, diperlukan starting
date/time, finishing date/time, dan
terjadi/tidaknya event
22

Hasil Survival Analysis

Starting date:
Pada penelitian klinis:
Date of diagnosis
Date of first treatment
Date of randomization

Pada penelitian kohort epidemiologi:

Date of first exposure to causal agent under
investigation (misal: pertama kali bekerja di suatu
lingkungan, pertama kali minum pil KB)
23

Hasil Survival Analysis

Kurva survival akan terlihat sebagai anak
tangga (step) makin banyak jumlah
observasi, makin kecil step kurva makin
halus.
Terdapat 2 macam cara untuk membuat
kurva:
Metode product limit (dikenal dengan Kaplan
Meier)
Metode aktuarial atau life-table.
24

Metode aktuarial
Lebih kasar dibandingkan dengan product
limit
Time interval tidak berdasarkan waktu
terjadinya event atau sensor (interval waktu
bisa cukup lebar, tetapi harus dipilih interval
dimana sensor yang terjadi tidak terlalu
banyak pada tiap interval waktu)
Tidak dianjurkan bila jumlah observasi hanya
sedikit (sangat berguna bila N besar)
25

Metode Kaplan Meier (product-limit)

Menghasilkan estimate yang lebih efisien,
karena setiap waktu dari terjadinya event
dan sensor akan dipergunakan untuk
membangun kurva survival
Kurva yang dihasilkan oleh metode kaplan
Meier ini lebih mendekati true survival
curve

26

Survival analysis
Life table methods (test statistik: Mantel
Haenzel)
Kaplan Meier (test statistik: Log-rank test)