KELOMPOK 8
Elizabeth Wulandari
Dessi Marantika Nilam Sari
Isnaini Dewi Saefina
Dwi Rahmawati
Yanti Herawati
Outline
Perbandingan
Estimasi Perbandingan
Survival dengan
Probabilitas Actuarial Method
2 Grup Exposure
Survival
Pada tahun ke-1, Probabilitas kumulatif survival pada Life table (Table
5.3) tidak berbeda jauh dengan Kaplan Meier (Table 5.5) :
Life table : 0,996135
Kaplan Meier : 0,996136
Product Limit Method (Kaplan–Meier) vs Actuarial Method (Life Table)
• Estimasi probabilitas survival kumulatif & SE, sangat baik hingga 3 tahun terakhir
• Hal ini dikarenakan pada tahun selanjutnya, terdapat banyak sensor dan relatif sedikit event
• Kaplan Meier tidak dapat memberikan hasil yang akurat pada tahun-tahun selanjutnya
Product Limit Method (Kaplan–Meier) vs Actuarial Method (Life Table)
Kaplan Meier Life Table
Jika terdapat banyak peristiwa, grafik analisis KM yang Jika dibandingkan dengan grafik Life table (Gambar 5.4), interval
dipublikasikan umumnya akan berupa ekstrak dari seluruh tabel waktu dalam fungsi survival KM jauh lebih kecil dibandingkan
kehidupan, seperti yang diberikan pada Tabel 5.6., sehingga dengan fungsi aktuaria, sehingga menghasilkan tampilan yang lebih
menghasilkan tampilan grafis lebih jelas halus.
n g a n S u r v i v a l
P er b a n d i
a n 2 G r u p E x p o s u r e
d en g
Membandingkan survival antara 2 grup atau lebih bertujuan untuk
mencari ukuran yang paling komparatif antar survival selama periode
pengamatan.
• Metode ini dapat digunakan pada • Uji log-rank adalah bentuk lain dari uji
kelompok data dengan interval waktu Mantel–Haenszel yang diterapkan pada data
yang sudah ditentukan. survival dengan pendekatan KM.
• Metode ini mirip dengan metodologi yang • Uji ini merupakan uji statistik nonparametrik
dan sesuai digunakan ketika data tidak
digunakna untuk menghitung strata
simetris yaitu data miring ke kanan.
berdasarkan varaibel perancu.
n d i n g k a n s u r v i v al
m e m b a
Test statistik
p e x p o s u re :
de n ga n 2 g r u
e l d a n L o g - ra n k t e s t
M an t e l -H a en z
COMPARISON OF TWO SETS OF SURVIVAL PROBABILITIES
1. MANTEL–HAENSZEL METHODS
Metodologi Mantel–Haenszel digunakan untuk menghasilkan ringkasan atas strata yang didefinisikan oleh
variabel confounding. Metode Mantel-Haenszel adalah sebuah metode statistik yang digunakan untuk
mengukur hubungan antara dua variabel kategorikal mengontrol atau memperhitungkan variabel confounder
(pengacau).
Misalkan waktu follow-up untuk kedua kelompok yang akan dibandingkan dibagi menjadi interval berturut-turut
yang sama, seperti yang terdapat di Tabel 5.4. Pertimbangkan jumlah yang masih hidup pada awal setiap interval
dan jumlah peristiwa dalam setiap interval, sama seperti yang telah kita lakukan sebelumnya. Tabel 5.7
menampilkan nilai-nilai yang relevan yang diekstraksi dari Tabel 5.4.
Pertimbangkan interval pertama (0 hingga 1 tahun follow-up). Kita dapat menyusun pengalaman kelangsungan
hidup dari dua kelompok selama interval ini sebagai tabel 2x2 (Tabel 5.8). Kemudian, kita bisa menggunakan
metode dari Bab 3 untuk membandingkan pengalaman kelangsungan hidup dalam tahun pertama ini, meskipun ini
tidak akan mempertimbangkan pasien yang di censored. Yang lebih menarik di sini adalah fakta bahwa tabel yang
mirip dengan Tabel 5.8 dapat dibuat untuk setiap interval dalam Tabel 5.7: sembilan tabel secara keseluruhan.
Contoh 5.7 Metode Mantel-Haenszel akan digunakan sekarang untuk merangkum kelangsungan hidup dalam
contoh SHHS. Tabel 5.9 memberikan set tabel 2x2 yang dihasilkan dari Tabel 5.7
COMPARISON OF TWO SETS OF SURVIVAL PROBABILITIES
2. LOG RANK TEST
Seperti halnya estimasi KM, uji log-rank memerlukan komputasi yang intensif, dan akan tidak praktis untuk
memberikan contoh numerik terperinci tentang penggunaannya pada SHHS selama 9 tahun. 'uji log-rank'
kadang-kadang digunakan untuk prosedur uji lain yang serupa.
ekspektasi adalah perkiraan yang akan terjadi jika tidak ada perbedaan nyata antara kelompok, sementara
varians menggambarkan sejauh mana data aktual dari kelompok-kelompok tersebut menyebar dari
ekspektasi. Semakin tinggi variansnya, semakin sulit untuk mengambil kesimpulan statistik yang kuat dalam
uji log-rank. Varians yang rendah dan perbedaan yang signifikan antara hasil aktual dan ekspektasi dapat
mengindikasikan bahwa ada perbedaan yang nyata antara kelangsungan hidup kelompok yang dibandingkan.
CONFIDENCE INTERVAL FOR KM CURVE