:.:
*,.,aB?$,s;
: - ;
embahasan buku ini akan dimulai dengan suatu Pertanyaan
yang sangat penting. Pertanyaan tersebut adalah "Kapankah
kita menggunakan analisis survival?" Lebih tepatnya lagi,
"Kapankah kita horus menggunakan analisis survival?" Untuk
menjawab pertanyaan tersebut, penulis mengajak pembaca untuk
memperhatikan beberapa ilustrasi berikut.
.l.2.
Gombor llustrosi tigo pelori. Urulon iuoro ditenlukon oleh seberopo
cepot pelori mencopoi finis.
pasien 1
pasien 2
pasien 3
pasien 4
pasien 5
pasien 1
pasien 2
pasien 3
pasien 4
pasien 5
o 2 3oo16 B '1
,l.3.
Gombor Perbondingon keiodion kemolion podo obol A don obqt B.
Tondo I menuniukon bohwo posien meninggol.
itatus:
3 Yeningga 5
5 -lidup t0
ti:i:i a.i ?
]]:i::i::t.r:.].,il 4 leningga 4
A-*lfu
rq*
L 'os!
i**,
A. Beberapa Terminologi Penting
Untuk bisa memahami analisis survival, terlebih dahulu kita
harus mengenal beberapa terminologiyang berkaitan dengan analisis
survival.Terminologi yang harus dipahami adalah Kapplan Meier:
survivol rate, median survivol, asumsi proporsional hazard'hazard
rasio, event, dan sensor. Terminologi-terminologi tersebut dapat
dipahami dengan pendekatan Kurva Kapplan Meier. Maksudnya,
dengan memahami kurva ini, kita dapat memahami terminologi-
terminologi yang berkaitan dengan analisis survival.
Marilah kita perhatikan kurva Kapplan Meier pada gambar 2.1.
Jenis obat
obat baru
0.
0.8
!'I obat standar
f obat baru-censored
d
o.7 t obatstandar-censored
L
f 0.5
a
E o.4
-
o
o.2
0.t
0 I 2 3 4 5 6 7 8 9 l0
Waktu Survival (tahun)
Gombor 2.,l. Kurvo Kopplon Meier yong membondingkon woktu survivql
onloro duo buoh pengoboton.
:
y
:: : ::' :n: :::" : ":.o." :': : : :' : : .^:' :' : : :':: : ::
Jenis obat
obat baru
-fl obat standar
-!'I
f obat baru-censored
-6 o.7 t obatstandar-censored
L
=
E o.4
f
o 0.3
0.
0.t
3. Median survival
Median survival adalah waktu di mana 50% subyek mengalami
event- Median survival bisa diketahui dengan menarik garis
horizontal dari sumbu y pada titik 50% sampai memotong garis
survival. Perhatikan gambar 2.3.
I lenis obat
obat baru
0.9
!" I obat standar
f obat baru-censored
d
t obatstandar-censored
L
t,=
E 0.
f
o 0.
0.
0.t
3 4 5 6 7 I 9 t0 il t2
Waktu Survival (tahun)
Teminologi Suruival
Pada kelompok obat standar, median survival adalah 9 tahun
artinya sebanyak 50% pasien sudah meninggal pada tahun ke-9.
Median survival pada kelompok obat baru adalah I I tahun artinya
sebanyak 50% pasien sudah meninggal pada tahun ke- I l. Median
survival ini dapat digunakan untuk membandingkan survival antar
kelompok. Pada contoh ini, survival kelompok obat baru lebih
baik daripada survival kelompok obat standar. Selain itu, informasi
median survival ini bermanfaat untuk menghitung besar sampel
dalam penelitian dengan analisis survival. Untuk mengetahui
bagaimana cara menghitung besar sampel untuk analisis survival,
silahkan Anda membaca buku seri 2 yaitu buku Besar Sampel
dan Cara Pengambilan Sampel dalam Penelitian Kedokteran dan
Kesehatan, edisi 2, Salemba Medika, Jakarta, 2008.
Jenis obat
obat baru
-fl!' I obat standar
-
t obat baru-censored
t obatstandar-censored
d
L
0.5
o
E o.4
f
U 0.3
0.
0.t
:::::::':'!!"1'::-3"":::.":'::'.u:'"'y:':::':::::
Gambar 2.5 merupakan contoh grafik survival yang tidak
memenuhi asumsi survival. Grafik tersebut tidak memenuhi asumsi
PH karena garis survival antar kelompok berpotongan.
Jenis obat
;fl obat baru
-[l obatstandar
f obat baru-censored
f obatstandar-censored
L
o
E
f
U
5. Hazard rasio
Salah satu parameter yang penting dalam analisis survival adalah
rasio hazard (untuk selanjutnya disebut sebagai hazard rasio atau
HR). Untuk memahani hazard rasio, marilah kita kembali pada
contoh kasus pada Bab l. Pada Bab I telah dijelaskan mengenai
konsep insiden dan insidens rote. lnsidens rate adalah kecePatan
terjadinya suatu peristiwa yang secara matematis adalah merupakan
perbandingan antara insiden dengan waktu (person time). Nama lain
dari insidens rore adalah hazard.Apabila kita membandingkan dua
hazard,maka yang akan kita peroleh adalah hazard rasio.Sedangkan
bila kita membandingkan dua insiden maka yang akan kita peroleh
adalah resiko relatif (RR). Untuk lebih jelasnya, lihatlah dengan
seksama tabel 2.1.
Jenis obat
_fl obat baru
-[! obatstandar
t obat baru-censored
6
0.7 t obatstandar-censored
't 0.6
o:
!
0.5
E 0.4
l
o 0.
0.
0.1
0.
0t23456789
' Waktu Survival (tahun)
Tbrminologi Survival
HR pada kurva diatas adalah 2,63 (lK 2,12-3,27).Karena garis
survival tidak berpotongan, maka asumsi PH terpenuhi' Dengan
demikian, dapat diartikan bahwa"setiap saat, kelompok standar 2,63
kali kemungkinannya untuk meninggal dibandingkan kelompok obat
baru". Perhatikan kata kunci "setiap saat". Kita akan membuktikan
pernyataan ini pada bab-bab selanjutnya- (Lihat halaman 49)
a. Variabel stotus
ti:ii,iB
$$l
$s Alternatif I Alternatif 2
-'ahnnlrttrl fgai*::l.l:;.:l,t.,:l.:l:tl:.:::.t:ttr:
l.llllil l:rllrl:]1:,:llllril:r,ll
::t:tatlarla:iarrirlta:tal
c. Variabel bebas
Terminologi Survival
pada pasien kanker, variabel bukan peminum umumnya dijadikan
sebagai variabel pembanding karena dianggap sebagai kategori
yang tidak beresiko. Pada saat memberikan kode bagi kategori
pembanding, kita mempunyai dua alternatif.
3i: Sensor le ,,
<40 Seimb,ang
*::':":::'::"",,
4::
nO
t-t
3 4
s'%r*
B': o 4
&' 5$
:rtr*',fl I
r$..
tr-:l
';l---J'j' T"r.riuan Bab 3:
'{*+o*EFg
Pre*erve ll Fsstot*
*.""
-
varg [8] -i f-"
F€ilure €ved
Fsilda vaiabis Flfuia vales
: 9-l
Ildt !. : \Jtrigl*r
I
: 6ptim : ldvamd I
lircvairtla flMrnilosdlovainbla
liD
*!si
F.tk e
vairblo:
Fa&.lr Failre vdrs:
dd6vl
ilqc#*$uhgi
HTDM
lP*;]l-!eG;l
Y.rl:[s] = J-*
ttgtui tim obat stddim
1 I Heninq{a. 11 obit ita StaCisx
? ? mani nqgn l Obat rta Stddiun
l I ffefri nq$a l olat sta 5ta,li un
4 4 flrni nggd 11 obdt 5tadr!r
'ta
5 5 I'lrni n'lqe 11 ot'at sta Stadi un
6 6 lrleni nqga 11 obat 5ta Stidi us
i Lleni n{q€ 4 obat 5ta ltadiM
€ B Fleni ngga 4 obat 5ta 5tndi ua
9 9 lt!enir,?ga obd std stadiffi
10 LO Plenr nQ4a 11 4bat 5ta 5tadium
:Y:::::':n!!'.o:::!':::::'ly"^:'.'Y:':::'::::':
B. Membuat kurva Kapplan Meier secara keseluruhan
Untuk membuat kurva secara keseluruhan dengan menggunakan
Stata, lakukanlah langkah-langkah berikut
q;eti
"', iqr," tatq:] t.1y;:qg-r:i:ej;i.i.qeai.4go"1ri[ta;L"ria+r:!rL+- l-s{rer"...tr+ti:
i Jculat@
;--- -----.---.- l
the dirui* b zero !€luer ot adpsMt rdiBHes:
ilAdiult*'-'*^-'-
i*-*-
L* *-* *. --- .-*--*--- . .-- -. , - ."-*-*i
t".iFnr:ij ii i!:r';j:ii i.r!!,tl1r ii ii;jrj i.ii:lt: :ri:.:ii.,:j
:
i-^--***-"**'- ** "**"-*-*:"1
l----** ***-.J
: iri-i,r-r:qli!!i.:{r,4+r:,}36j
Jlthowpoirtwiseesiidencebnrd$
. sts graph
MembuatKuntaKapllanr"*r,O::r::Y:r:t:::r:.*3F
Kaplan-Meier survival estimate
analysis time
g{*g "".-"**.-=- __ J
l,: -q(-:.11-€]f:ffi:l
Pilih groph Kopplon Meier survivalfunaion podo funaion
Masukan variabel obat pada kotak seporote on different
groups of specified variable: (by varioble)
il;.3r.r*.1
analysis time
i
Untuk selanjutnya, perintah membuat kurva Kapplan Meier
berdasarkan variabel bebas tertentu dapat dilakukan dengan
mengetik kalimat perintah pada bagian command.
Perintah u-u- : sts graph, by(variable)
Contoh : sts graph, by(obat)
: ::: : ::':'I :
: : 3." :": : : : : .^:',
:y :' : : :':: : ::
Membuat Kurva Kapllan Meier dengan Software Statistik
i1.::l';i:'::1,::i,::+1.::
i'::r;l!.:ii=::::
I ?
ffiffi
4
Pada bab ini akan dibahas bagaimana cara memPeroleh nilai
hazard rasio dengan menggunakan program Stata.
stsla lD vadBblesl
fu} Bteslow
* Etron
0llset variable:
- '-- -ti
__"_i
_l
ffiffis, f- oK -_-] f-c"-" f::,911-]
Strata lD variables:
q:i Breslow
.]\i:;
.I L[On
Shared frailty lD variable: S Exact marginal likelihood
0llset variable:
r_ --.^-- -*--""*"--i::
i j!*i
t
I
i
I
1,,_-.__
. xi:stcox i.rokok
i . rokok -Irokok-0-1- (natura'l1y coded; -lrokok-0 omitted)
failure status
analysis time -d:
-t: time
Iteration O: 1og likelihood: -2150.8691
rteration l-: 1o9 likelihood: -ZLLO.O5L7
Iteration 2: 1og like'lihood: -21-1-0-0401-
Refini ng estimates l
Iteration 0: 1og likelihood: -21-1-0-0401
cox regression -- Breslow method for ties
No. of subjects = 500 Number of obs = 500
No. of failures : 37O
-r'ime at risk
= 472L
LRchi2(1) = 81-.66
rog likelihood = *21-10.0401 Prob>chi2 =0.0000-
'""!.'"Y'.i"::'3::"::::':'.^:':Y.'::Y::::':,
l-l*! ; ) w*ru uwd irml
ChmgP Csntr*t
--;-l change
-nnlistl
l
{u,0""* i
L':'::',:T',:'.::::':::::::'.^:',::',:::':::::
{ Pilih regression model
Pilih cox proportional hazard model
^/
Akan terlihat tampilan sebagai berikut.
--7 ll-liiliilll--r
I
I lulvrYdr sE(trrus... I
: .*il
,
--*--
Shala iD vaiableo
.,f,.
i ; Ltron
Shared frdilty lD vnriable: $ Eract merginal likelihood
- -------"-*'-,*ll * Erect partial likelihood
'-"--
:..--- '-.'*-.ci
0lfset variable;
t;r;'[G_r-^."1*:_qrlip j.+t_t"oyl],lt"gry;n;fi"s_e$!.1"F1"j
-l 1
lndependentvariables f_ilGGFGJ i
1..;i---,'=---:-. :_ _,_
Shota lD variables:
L1) Breslow
*Etron
Shared frailty lD variable: ;} E xaci marginal likelihood
i*-""'-'_-" _-_""'_- *::t::l
i i$l fi Exact partial likelihood
0lfset variable:
,*r
I
!
;
i
l
t*----* _ _i
ffiffiffi [: qK-- l fG@-l {-::$!]ar l
,/ Proses telah selesai, klik OK.
U ntu k selanj utnya, peri ntah mem buat koefi sien dapat d i laku kan
dengan mengetik kalimat perintah pada bagian commond.
Perintah umum : xi:stcox i.categoricvariable, nohr
Contoh : xi:stcox i.rokok, nohr
i nterpretasi
Dimana,
Dimana,
Strata lD variables:
i6l Frerrnu
'1
''-'---.
*:
U ttron
. Shared friilt!' lD variable: .] Eract marqinal likelihood
: 0llset viliablg:
'l .sa
: Strata lD variables:
$ Breslcw
r:€;
i"r L[on
Shered fiailg lD variable: $ Erect marginal likelihood
0ffset variable:
I _-'t!
.Sip1il {jc{6i*tngIllgs"rreiHepnrlns2uel:g'"*."-*
G*reral* *ew vaiat'Jes
Partial martinqale residuals llumulative baseline hazatd
1a
--" ' -j
:' iriii*--
Baseline hazatd csntributions Baseline sutvivel function:
;;;kJ-"--*"--:
I - --------------,.-.--:
E stimated log{railties:
;---*---.-*]
:- --*
,- - -.- ,- .
-.
i
MH€ j l f- J,,b4 I
oft
-lI r?*-l-
{per j{ Gqrtl i
': : :: ::' .' : ?.1:": :":^.:' :': : ."* i" " :(fY
-l
]
ij
bahwa variabel tersebut adalah baseline Hazard variabel I
t
I
merokok. !
I
./ Klik stotistic
./ Pilih summories, tobles, &test
,/ Pilih tobles
,/ Pilih oneltwo woy toble of summory stotistics. Akan diperoleh
tampilan sebagai berikut.
':::::'"':.'::':::::::'::'.^:'":y:':::':::::
Variable 2: Ioptionall
.,Stri :.r{ii
Summarize variable:
si
Iutput
Summery table llther
LJ 5uppress medns
f] Show numeric codes, not labels
__$
Summari:e variable:
0utpul
I Suppress meanr
I Show numeric codes, not labels
Suorc* *mbet
; H
of obs.
1 .996688s8
2 .99La2926
3 .981_01_099
4 .970768L2
5 .94990002
6 .93930927
7 .89947523
8 . 83 51_8065
9 .72787889
1_0 .5L3273
1_1 .40830729
L2 .40830729
..:
:
Untuk selanjutnya, perintah menampilkan boseline hozard dan :
I
bose/ine survivol dapat dilakukan dengan mengetik kalimat t
Perintah umum :
tabulate t, summarize(baseline survival variable) nostandard
nofreq noobs
tabulate t, summarize(baseline hazard variable) nostandard
nofreq noobs
Contoh :
tabulate time, summarize(s-rokok) nostandard nofreq noobs :
C. Mengaplikasikan persamaan
Marilah kita gunakan persamaan yang telah kita peroleh untuk
menghitung hazard dan probabilitas survival pada pasien dengan
karakteristi k beri kut.
pada tahun,ke
(perilakumerokok)
S(t) = $o(1)e^o'rsa
= 0,874
Dengan demikian, probabilitas survival pasien perokok
pada tahun ke lima adalah = 0,874
= 0,835
Dengan demikian, probabilitas survival pasien bukan
perokok pada tahun ke delapan adalah = 0,835
:-.::::::'!.i'::!::'::::':';"n:':y:':::':::::
Jawaban empat pertanyaan di atas dapat dirangkum ke dalam tabel
5.1 berikut.
0, I 3410,05 l0 : 2,63
0,473/0,1800: 2,63
, \"
"::::::".'::r.o::"::'":.'"':"'.':'":::'.*9;n
I 'l '
EFr:'''..,'.,,-:.:;,.-,'.'.:,.:'.,1i'.......n,::,.1;..,.it._.:',,i.,t,,,.,',,,.
l
'.".i'!T'.i":'.':::::::'::'.^:'"*::':::':::::
Ti*:.
i_,1 ffiiItffiiffi*1,:,,,
gls!w:i: . r' '
i-: -l Sffiit-
ll
r.,l I
atii.rl:r.ril:' !
l::ar:la:.lr J
:riiat::ir: I "
Lonhmt:
{r.d."' :l :EH_J
iririrrt:.ial, {
€L!*t,, ,i'rlnr ' ,l
l;irr:tr :'3 itn*1ir*i,ee1qq,lii,
A. Langkah-langkah analisis survival
Sampai saat ini, Anda sudah mengenal beberapa hal penting
yang berkaitan dengan analisis survival.Tibalah saatnya sekarang
untuk membahas langkah-langkah teoritis bagaimana melakukan
analisis survival.
Analisis survival terdiri dari tiga langkah utama yaitu pengecekan
asumsi proporsional hazard (PH), analisis bivariat dan multivariat.
Berikut ini adalah rincian dari langkah-langkah tersebut.
l. Pengecekan asumsi PH
Sebagaimana telah disampaikan pada Bab 2, asumsi PH dapat
diketahui dengan membuat kurva Kapplan Meier. Metode lain
untuk menguji asumsi PH adalah dengan membuat kurva -/n
In survival dan global test.Asumsi PH terpenuhi apabila:
a. Garis survival pada kurva Kapplan Meier tidak saling
berpotongan.
b. Garis survival pada kurva -ln ln survival tidak saling
berpotongan
c. Nilai p pada uji globol test lebih besar dari 0,05.
Mungkin terdapat beberapa variabel yang memenuhi asumsi
PH dan beberapa variabel tidak memenuhi asumsi PH.
Perlakukan pada variabel yang memenuhi asumsi PH berbeda
dengan variabel yang tidak memenuhi asumsi PH.
3. Analisismultivariat
Variabel yang masuk analisis multivariat adalah variabel yang
pada analisis bivariat mempunyai nilai p<0,25. Selain itu, variabel
yang tidak memenuhi asumsi PH dan secara teoritis PentinS'
harus dimas,ukan ke dalam analisis multivariat. Bila semua
variabel memenuhi asumsi PH, maka analisis multivariat yang
dipilih adalah analisis time independen cox regression. Apabila
terdapat variabel yang tidak memenuhi asumsi PH, maka dapat
dilakukan analisis cox regression full model atau cox regression
redaced model. Kita harus memilih manakah analisis yang lebih
baik, apakah full model atau reduced model. Model analisis
multivariat ini akan dibahas pada Bab 7 (time independen cox
regression ), Bab 8 (cox regression full model) serta Bab 9 (cox
regression reduced mode[).
4. lnterpretasi hasil
Setelah menyelesaikan analisis survival, kita melakukan
interpretasi hasil. Beberapa hal yang dapat kita simpulkan dari
analisis survival adalah sebagai berikut
a. Variabel yang berhubungan dengan variabel tergantung
dengan melihat nilai p dan interval kepercayaan dari HR
pada masing-masing variabel. Dikatakan berhubungan jika
nilai p kurang dari 0,05 dan pada interval kepercayaan
tidak ada angka l.
b. Urutan kekuatan darivariabel-variabelyangberhubungan
dengan variabel tergantung. Pada analisis survival, urutan
kekuatan dilihat dari besarnya nilai HR.
c. Model atau rumus untuk memprediksikan hozord function
dan suryiyol funaion.
Untuk hazord function, rumusnya adalah :
H(t) = Ho(t) er
H(t) = hazard pada waktu tertentu
Ho(t) = boseline hozord pada waktu tertentu
Y = b,x, +brxr*brxr*.......*bn"n
Analisis bivariat:
Analisis bivariat:
Analisis cox regression
analisis cox regression
untuk variabel yang
memenuhi asumsi PH
lnterpretasi
L Variabel yang berhubungan
dengan variabel tergantung Pilih mana analisis
2. Urutan kekuatan hubungan yang lebih baik
3. Hozord function don survivol
'::::':':':'.'::::"::.":'::.^:::y:'::1::"'::"
-ln ln survival,dan metode global test. Pada bagian ini, kita akan
mempelajari secara lebih detail mengenai masing-masing prosedur
pengecekan asumsi PH. Pada contoh berikut, kita ingin mengetahui
apakah fungsi survival berdasarkan variabel obat memenuhiasumsi
PH atau tidak.
o
r
;
Io
analysis time
obat=baru **- obat=standar
tu
Pilih survivol analysis
Independent vaiiable:
:- _*_*
:obtst i*:
, lf .Adiust Bstimates :
. stphplot, by(obat)
failure _d: status == |
::-:'::::':'::'.:":::1":"::.":',::"',::y:':::':.'::.
$+
.o
o6o
{L
E c.t
.:
a-
c
Eo
-i
.511.52
ln(analysis time)
_____+_ obat = baru __-#_ obat = standar
{S Breslow
f rmn
* EB€ct marqiEl likelihdod
1-
- - ---*';:
Shared fiailty lD variable
0lfset vEriEble:
la1
_"__J
]
9ffiffi []s{: t- -q"r"4 .l f-qqF!!t-
Shatd lD variables:
{$ Breslow
:
i
I
, - -,:gj fi elrcn
$
|t,.-.-'------';i
Shared lrailty lD vaiable: Exact marginal likelihood
-_..-_..*--- .i I
* EH6ct pdrtial likelihBod
0lfset variable:
It , , , 'itl
:.:1!
i
****,*-l
HffiB f--qf-: l-qrn"{: I--s!l'ff -l
:':':':'.':::':'.':::.":'::'.o::'y"':::Y,':":.
,i{q!-"lit_qg_-"-_"U'lCiFr{llll-sE{L*g5f-t"F$ts,j
!:
Fepnrtins2
iqLllgelr9111 ,
Generale rren ?ariebl*: I
t
.--.., ..-..,i
i r-*------.-***-J '
l*._--*"--_,_-_'*'*i i
ji Baseline hazard mnkjbiltiorc:
Basehne conkibutions: function:
Baseline survival function
Easeline i
li---"---*-"--::
i r*,..-.'.-.'....-.........***,,---i r-,-__,__---*,-,, :
I
I Estimatedlog{railties:
i:i
j'..'""---***-
j Partial eflicient score residuals: {e.q., esr"l
ii i
;------
, Schoenfeld residuels: [e.9.. sch']
SUII-UUdL
L an gk a h - L a n gka h A n a I is i s"::ir:1
6h
. xi: stcox i.obat, nohr schoenfeld(sch-obat) scaledsch(sca-
obat)
i.obat (natura-l1y coded; -robat-O omitted)
-robat-0-1
fai'lure status == 1
analysis time -d:
-t: ti me
rteration 0: 1og likel'ihood = -2150.8691
Iteration 1: log likelihood = -2LAO'O5L7
rterat'ion 2: log likelihood = -2110-0401
nefining estimates:
rteration 0: log likelihood = -2110.0401
cox regression -- Breslow method for ties
tto. of subjects = 500 Number of obs = 500
ruo. of failures = 370
rime at risk 472-L
LR chj 2 (1) = 81.66
rog likelihood = -2aaO.04O1" prob > chi2 - 0.0000
.'.
varzo LIl =
i; ; -;iitiil/i i;.issils;
..:- '. - "-: -- .-
l-
..--.. i -
:Moin iflin
i'-*-*-*--
---gj
Sample
estat phtest
.rest of proportional hazards assumption
Time: Time
I chi 2 df prob>chi 2
-----+---*
g1obal test I 0. oo 1_ 0.9646
Oleh karena nilai p pada global tesr adalah 0,946 (lebih besar dari
0,05), maka asumsi PH terpenuhi.
Perintah umum :
xi: stcox i.varible, schoenfeld(sch-variable) scaledsch(sca-
variable)
Diikuti dengan perintah: stphtest atau estat phtest
Contoh :
j: r: | : : l' :
t. 5'eb'uikan,t1ta metode untuk' mengetahui as*'msi
groporsional'hazard terpenuhi atau tidEkl
2. l{*pankah'''.kita menggunakan anafisis tirne'
rlrAeper.tdnet?,'. , '
stadium I
stadium ll
Jawab:
Lakukanlah langkah-langkah sesuai dengan alur analisis survival
pada gambar 6.l.Ada langkah pendahuluan yang harus dilakukan
lika akan mengolah data dengan stata yaitu mempersiapkan data
untuk diolah dengan anhlisis survival. Cara mempersiapkan data
untuk analisis survival adalah dengan perintah stset t, failure(fail)
dengan tmenunjukkan variabel person tirne dan foil menunjukkan
variabel status. Jadi, jika t diganti menladi time dan fail diganti
menjadi status, maka perintah stset t, failure(fail) berubah meniadi
stset time, fai lu re(status).
:-:':::':':'::'.':::'::"::::'::.^:::y.'::::":"'::"
Prelerye ll Reslore
3 3 nren"i ngga t
abet bar : stadi unt
4 4 , nr*ni ngga 11 obat bar : stadi um
vdrl:lsl -
titr obat 5tadi6
1 ftni ngga 11 obat bdr stad'i ur 11
t 2 ileni ngga I obat bar stadiuil l
I ffini nqta I obat bar etadiM 3
analysis time
\o
b
o
q?
o
anatysis time
- -
Berdasarkan kurva Kapplan Meier^, garis survival pengobatan
tidak berpotongan. Begitu pula dengan garis survival stadium.
Dengan demikian, asumsi PH terpenuhi.
=
:'$
ao
o
e
TL
EN
t3
o
c
F-
1 1.5
ln(analysis lime)
-----l- obat = obat baru obal = obat siandar
-:F-
a
a
taa
::Y:'.': :' ::: :." :' : :' :' Y' : : Y:: .':':,
Lanjutkan perintah dengan mengetik stphtest.
. stphtest
Hasilnya adalah sebagai berikut.
I chi 2 df Prob>chi 2
-----f---
Pada data editor', variabel sch I dan sca I sudah tidak ada.
Data sudah siap untuk pengujian gtobot test untuk variabel
stadium.
vfr4 [t ],
rc *Sur trtu . abtt : rtldih ,tt
sbat ts *ad16 :
1 mninsqe rf
: I mnincca : ; obat 8c Itidim .
dan scal yang digunakan untuk dasar perhitungan global test untuk
variabel stadium.
vf14l6l "
1?.. s.ru:,., .t.1-q tl obrt *.dr6 -* .d 3rh
.rireiili ' ${
a.ririiis
1 . *i]l99i br
6bat st&{id f 1
.&:61991 1.69:51{6
... t.*n'n9s1...... .. I br
obar *6drs I I
.&3E:SZ 1.S9t5l<6
I eilnggi I rb6t b.r rdJl6 1 !
{ : ftfinggs . 11 obat b{ 3'.drr I I ,arrgs::s i.ror:rrr
5 enrn996 . ltI ob.r bar st.dr4 1 r .!r:ris:: ' z.r:r:rls
g : mri&qa :rr obat bd rtadrm I I .s$g:s: i :-asr:r:s
. stphtest
Hasilnya adalah sebagai berikut.
chi2 df Prob>chi 2
. xi:stcox i.stadium
failure status == 1
analysis -d:time -t: time
Iteration 0: 1og likelihood = -21s0.8691_
Ite rat'i on l-: I og I i kel i hood = -2130.72L8
rteratr'on 2: 1og likelihood = -21_30.6351_
Iteration 3: 1og likelihood = -21_30.6351_
nefini ng estimates:
rte rati on O : i og 1 i kel 'i hood = -2130.6351
cox regression -- Breslow method for ties
r,lo. of subjects = 500 ltumber of obs so0
No. of failures = 37O
-Time at risk 472L
ln chi2(1) 40.47
log 1 i kel 'i hood = -2130 . 63 51- prob > chi2 0.0000
I gaz. natio std. Err. p>lzl 195% conf. rntervall
-Iobat_1 | 2.O2O997 .2325854 6.11- 0.000 1.612893 3.532362
3. Analisis multivariat
Variabel yang masuk analisis multivariat adalah variabel yang
pada analisis bivariat memPunyai nilai p<0,25. Karena variabel
obat dan variabel stadium yang memPunyai nilai p sebesar <0,001
maka kedua variabel tersebut akan masuk ke dalam analisis
multivariat. Perintah untuk analisis multivariat dengan cox regression
adalah sebagai xi:stcox vorioblenumeric i.vorioblecategoric untuk
mendapatkan HR, lK, dan nilai p. Sementara untuk mendapatkan
nilai koefisen untuk masing-masing variabel, perintahnya adalah xi:
stcox va ri oblen u m e r ic i.v o ri obl ecatego ric, n oh r d an u ntu k m em pe rol e h
tabel boseline hazord don boseline survival perintahnya masing-
masing adalah xi:stcox i.obot i.stadium, basesurv(s0) dan xi.'stcox
i.obat i.stadiu m, baseh oza rd (s0)
-rstadium-l- I L.788229
.2075297 5.01 0.oo0 L.424421 3.244955
i'.i'.'!!'"'::::1:'::.':'Y.^::Y:'::Y::.'::.
Berdasarkan output di atas, kita dapat memperoleh informasi
mengenai nilai HR, lK95% dari HR, dan nilai p. Pada output ini,
kita belum memperoleh nilai koefisien untuk masing-masing
variabel. Untuk memperoleh koefisien ini, harus dilakukan perintah
berikut.
. xi:stcox i.obat i,stadium, nohr
'i.obat _robat_o-l- (natural'ly coded; omitted)
i.stadium (naturally coded; -robat-o
_rstadium-O omitted)
-rstadium-0-1
failure *d: status =: 1
analysis time -t: time
Iteration 0: log likelihood = -215O.8691
rteration l-: 1og likelihood = -2096.7259
tteration 2: 1og likelihood = -2096.6389
tteration 3: log likelihood = -2096.6389
nefining estimates:
rteration 0: 1og likelihood = -2096.6389
cox regression -- Breslow method for t'ies
wo. of subjects = s00 Number of obs = 500
tto. of fai]ures = 370
Time at risk 472L
LR chi 2 (2) = 108.46
Log likelihood =-2096.6389 prob > chi2 = O.OOOO
yalt [:lJ -
ob , *ndi6 : rho
obil br :stodie : o ,5:161503
hd .iia;iii " o ' .01:41a79
.:.:!a!tq,. o : .O13a1879
ouit td o .lI5t_1_91
ii; -a
"t;
obat tE; *iii,i',- ,
.
o . rl36r50i
bar 0
'.irasixss
l* o
,. .onmi!1
'o
obat
ob*
br :!:f;...
5P!1.!d :
,oss159
!Y :..
o .53267W3
Summary of
cumul ati ve
basel'i ne
hazard
ti me Mean
------------+
1_ - 0023301-8
2 . 0062 s 366
3 .oL343879
4 .02080169
5 .03 s85868
6 .04375L67
7 .0732003s
8 .L22087L4
9 .2069L24L
1_0 , .38802768
11_ .53367s03
T2
------------+ -- -:::::1:::
'lictal
I .32617555
::'':::'.:':::1":::":',::"^::y:'::::':.Y:"
6. lnterpretasi
Setelah menyelesaikan analisis survival, kita melakukan
interpretasi hasil. Beberapa hal yang dapat kita simpulkan dari
analisis survival adalah sebagai berikut.
a. Variabel yang berhubungan dengan variabel tergantung dengan
melihat nilai p dan interval kepercayaan pada masing-masing
variabel.
_t I Haz.Ratio std. Err. z p>lzl 195% conf. tntervall
_robat_l | 2.437299 .2694575 8.06 0.000 L.962472 3.0270]^1-
_rstadium_l I L.788229 .2O75297 s.01 0.000 L.42442L 3.2449ss
S(5) = 0,964'"0'est(o)+o's8r(r)
= 0,937
0 =stadium I
I =stadium ll
0 = laki-laki
| = perempuan
dta dan siapkan data tersebut untuk analisis survival yaitu dengan
perintah stset t, failure(fail)
. stset time, failure(status)
S*.
l. Pengecekan asumsi PH
Sebagaimana telah disampaikan pada Bab 7, asumsi PH
dapat diketahui dengan membuat kurva Kapplan Meier, kurva
-ln ln survival, dan global test.Asumsi PH terpenuhi apabila garis
survival tidak saling berpotongan dan pada global test nilai p >0,05.
Lakukanlah pengecekan asumsi PH sebagaimana telah dijelaskan
pada Bab Xl.Apakah semua variabel memenuhi asumsi PHI
analysis time
ssx=psr€mpuan sex=lakFlaki
-
Analisis Survival cox Regression Futl Model MENGGLINAKAN STAa
stphplot, by(sex)
fai I ure -d: status
anal ys-is ti me -t: ti me
2. Analisis bivariat
Untuk variabel yang memenuhi asumsi PH, analisis bivariat
dilakukan dengan analisis cox regression. Hasil yang Anda peroleh
akan sama dengan hasil pada Bab7.
. xi:stcox i.obat
Hasil dari perintah tersebut adalah sebagai berikut.
. xi : stcox i . stadi um
failure -d: status == l_
anal ysi s ti me -t: t-i me
3. Analisis multivariat
Variabel yang masuk analisis multivariat adalah variabel yang
pada analisis bivariat mempunyai nilai p<0,25.Variabel tersebut
'::::Y'.'::'.i::-!:,":3;:'::.^::'Y':::::.Y.
w@rr'f -
-.'l'-'-ii '', &&
1
)ru*ztie: I t$.
! -t
or t:.,tfrtwa
,44,.*1.,j!.t!+t':j:?Yb*j::
o: t 8: .5t2ffi77,
i
t: l:
I o, oi a .%74as o : .,.. .,.1... .,.. . ..1..: :ot7T1?. -
. ...,?..-.,....,..1.,
oi o:,%71n9 : o: L 6: -o125og:
t:
4.
1i itl. d:
d: 6; 1 ,5ffiW1 G r o .5t2ffi77
..., .. . . ....1 t: , tlo: 6: t : .:79{f11 : o t, o:.ttwv
6t t '.
t: u :
a -tffiwL o 1 0 -1tzffin
7; t L,.......9.: 6 I : ,ffi@96 o i o -otwzgo
6t I 1 0l o: t: ,wffi o 1 g .otw7a5
q o: .wtffi 6 o o .ufuzae
- fr.-!.. .'.:
t.
4.
t:
a
o: oI 7: .twl : a: t a,.512ffi77:
H(5) = 0,038e1'2a(t)+o'se8(l)-o's8e(l*o)
= 0,238
Kasus pada Bab 9 ini sama dengan pada Bab 8. Pada analisis
multivariat, pada bab 8 dipilih fult model sedangkan pada bab 9, kita
akan melakukan analisis reduced model-
Jawab:
Bu ka fi le su rvival-kanker-sex-dta
by sex
vdsltst * r****-*"***-
: 1 ,8 i';Ah*' :r&eJ -t*d;d m
1: L Lt O A 1 .416&6ffi1 -5g*4L7t
z r 1:..-. d, a a .lztiasr "a2z546rA
trlao t .gzziaaes -azzsaale
4' 1 lt al & I -ctese(ii -tgq74t4
11 aO t -476&6fi1 .sgsiqtit
8711 60 1 ,cfieiet -ssstctit
?t4ta 1 .gwgalsz ,otgjJ6a5
4DA 1 .9Wi4157 .ptsij@s
9
'ti
L
i:
4
11 .
O:
o
a
a
'' a
t
.9W5431?
,+iaei@'r
.QAgt16L6
-sgv+tzi
I sex
timel 0 1-l rotal
+---------- -+----------
1_ .99684618 .99826771, .99732003
2 .99044647 .996s2629 .99166244
J .97734695 .99477562 .97928347
4 .97568547 .98054357 .98000378
5 .97235a77 .95082405 .9s321602
6 .96229s21- .94s04601 .9s654547
7 .91849802 .92930752 . 92l_1_18 5
8 .83100876 .9a712982 .84134329
9 .67603688 .88696281 .71594a79
1_0 .60468234 . s9968s66 .6005471_6
11 . s6638912 .41686603 .4474503
t2 . s6638912 .41686603 .5261329
+---------- -+----------
rotal | .70128833 .62940806 1 .66908597
tabulate time sex, summarize(h0) nostandard nofreq noobs
N4eans of cumulative baseline hazard
sex
timel 0 1| rotal
+---------- -+----------
1_ .0031-3881 .00L72776 .00266846
2 .00949673 .00346761, .00829091-
3 .02254638 .0052a972 .0206212
4 .02424455 .01933616 .019881s4
5 .02765398 .04875867 .04641,37L
6 .03796167 .05479837 .04357391.
7 .081_6536 .07120302 .079L20t3
8 ,.1691-3751 .08409914 .l_589329
9 .32601312 .1-1-55851 .2862024L
10 .41831229 .35948403 .36962683
11 .4796302L .59974L21 .575L7305
L2 .47963021- .59974L2L .sta96779
+---------- -+----------
rotal | .3L820262 ,35845714 | .33623665
:.:::::':'!!'.1"::.1":"::,":'::'"o::*::'::"::::"'::
4. Interpretasi hasil
Setelah menyelesaikan analisis survival, kita melakukan
interpretasi hasil. Beberapa hal yang dapat kita simpulkan dari
analisis survival adalah sebagai berikut.
a. variabel yang berhubungan dengan variabel tergantung dengan
melihat nilai p dan interval kepercayaan pada masing-masing
variabel. Variabel yang berhubungan dengan mortalitas
pasien baik pada kelompok laki-laki maupun pada kelompol<
perempuan adalah variabel obat (p<0,001; HR = 2,26 lK
95% l,8l - 2,81) dan stadium (p<0,001 ; HR = 1,78 lK 95%
1,42- 2,23).
stratified by sex
, *-
:' :'."," .t: :.*." ! : : ! :': : :': : : :': Y: !:.' Y: : : :."
*:
Y
* s?'z rA
(9t Tw
S(t) = survival pada wal<tu tertentu
So(t) = baseline survivolpada waktu tertentu
Obat = I bila menggunakan obat standar, dan 0 bila
menggunakan obat baru
Stadium =I bila stadium ll, dan 0 bila stadium I'
stratified by sex
,/\"
(s*::::':':::'':::'.:"::':1"':::.":'::".u:lo::'.!:::":"'::.
S(5) = survival pada tahun ke lima
So(t) = boseline survivolpada tahun ke lima = 0,951
Obat = I karena menggunakan obat standar
Stadium =I karena stadium ll.
Dengan demikian:
S(5) = So(5;'"0't't1"oat)+o's77(stadium)
S(5) = 0,95 l"^o'ets(l)+0's77(r)
= 0.827
l;.il}tEi-ffi
Berapakah hazard dan probabilitas survival pada pasien
dengan karakteristik di bawah pada tahun ke-2. Lengkapilah
tabel berikut ini.
f--r tr
I
I
lK.l
\P' Tujuan Bab l0
i{
MRldf=
LRf -L/v
P(k - r)
rq6by,::::,:,:,.:'::::.::"':,::.o::*::,:::,:;::
Untu'k mengetahui berapa besar LR untuk masing-masing
model,l<ita dapat melihatnya pada output Stata dari prosedur yang
telah dilal<ukan pada Bab 8 dan Bab 9. Nilai LR pada full model dan
reduced model disajikan pada gambar l0 dan 10.
Gqmbor 10.1 Output dori full model. Niloi LR dori full model odoloh
sebesor 127,68
Gqmbor 1O.2. Oulpuf dori reduced model. Niloi LR dori reduced model
odoloh sebesor 93,30
I Mempersiapkan data
stset t, failure(fail) stset time, fai lu re(status)
untuk analisis survival
scaledsch(sca*) scaledsch(scax)
. stphtest . stphtest
. drop schl scal . drop schl scal
il Menampilkan boseline
t3 Menampilkan bose/ine
t4 Menampilkan baseline
Tab time variable, Tab time sex,
survival pada output
summarize(so) summarize(so)
berdasarkan strata