Z Gastroenterol 2016; 54 - KV139
DOI: 10.1055/s-0036-1586915

Überlebenszeitanalyse durch Kaplan-Meier – Und was ist mit Interaktion und Confounding? Analysemodelle klinischer Registerdaten am Beispiel des Darmkrebszentrum Oldenburg, Pius-Hospital

V Jürgens 1, A Timmer 1, V Uslar 2, K Eilermann 3, A Tannapfel 4, D Weyhe 2
  • 1Universität Oldenburg, Department für Versorgungsforschung, Abteilung für Epidemiologie und Biometrie, Oldenburg, Deutschland
  • 2Universitätsklinik für Viszeralchirurgie, Pius-Hospital, Oldenburg, Deutschland
  • 3Universitätsklinik für Medizinische Strahlenphysik, Pius-Hospital, Oldenburg, Deutschland
  • 4Ruhr-Universität Bochum, Medizinische Fakultät, Institut für Pathologie, Bochum, Deutschland

Einleitung: Registerdaten ermöglichen eine Abschätzung der Krankheitsverteilung in definierten Gruppen. Therapieeffekte (z.B. Chemotherapie) oder Überlebenszeit bis zu einem Ereignis (Tod, Erkrankung, Rezidiv) können so analysiert werden. Weitere Einflussfaktoren wie z.B. Alter oder Geschlecht werden im Rahmen von Überlebenszeitanalysen abgeschätzt.

Ziele: Im Rahmen eines How-to's präsentieren wir einen Überblick möglicher Ansätze zur Analyse von Überlebenszeiten, sowohl deskriptive als auch Modellierung zur umfassenden Abschätzung von Einflussfaktoren und möglichen Wechselwirkungen, sowie deren Anwendbarkeit und Limitationen.

Methodik: Logrank-Test, Kaplan-Meier, Zensierung, Cox-Regression, Hazard Ratio, Accelerated Failure Time, multiple Regressionsanalyse ist nur eine Auswahl an Begriffen in dieser Thematik. Es gibt kein standardisiertes Vorgehen bzw. universelles Modell bei der Analyse der Überlebenszeit. Die zu untersuchenden Daten können sich hinsichtlich diverser Faktoren unterscheiden, wie z.B. des Ereignisses oder der Krankheit, und resultieren dadurch in unterschiedlichen Verteilungsannahmen.

Ergebnis: Die verschiedenen Analyseverfahren, Unterschiede und Interpretationen werden anhand von 5-Jahres Daten des Darmkrebszentrums Pius-Hospital Oldenburg demonstriert (n = 470 Patienten, Follow up 100%).

Schlussfolgerung: Ansätze wie Kaplan-Meier oder Cox-Regression haben sich überwiegend durchgesetzt. Dabei werden Kaplan-Meier Modelle verwendet um den Einfluss einzelner Faktoren auf die Überlebenszeit zu beschreiben. Der Ansatz findet genau darin seine Limitation und ist nur deskriptiv zu verstehen. Eine gleichzeitige Berücksichtigung mehrerer Faktoren, die sich gegenseitig hinsichtlich eines Outcome-Effekts bedingen (Stichwort Confounding und Interaktion) ist mit Kaplan-Meier-Modellen nicht möglich. Umfassendere Analysen sind mit Regressionsmodellen wie der Cox-Regression möglich, obwohl auch diese universelle Methode nur unter bestimmten Voraussetzungen und damit nicht grundsätzlich anwendbar ist.