MerQuR+Başvuru Kitabı

147. Göreli sağkalım ve net sağkalım

Şablon kimliği: goreli_sagkalim · Kategori: sağkalım · Dil: R · Dosya: pro/sablonlar/sagkalim/goreli_sagkalim.R (satır 1–256; üstbilgi 1–139) · Örnek veri: _ornek/colrec_kolon.csv · Paketler: relsurv 2.3-3, survival 3.8-6

147.1 Ne işe yarar

Şablon, ölüm nedeni bilinmediğinde bir hastalığın yol açtığı fazla ölümlülüğü kestirir. Hastaların gözlenen ölümlülüğünü, yaşı, cinsiyeti ve takvim yılı hastalarla eşleşen genel nüfusun beklenen ölümlülüğüyle karşılaştırır (Estève vd., 1990; Pohar Perme ve Pavlič, 2018). Cevapladığı soru şudur: "Bu hastalık dışındaki bütün ölüm nedenleri ortadan kalksaydı hastaların sağkalımı ne olurdu?" Bu büyüklüğe net sağkalım denir. Aynı çerçevede ölümün gerçek dünyada hastalıktan mı yoksa başka bir nedenden mi gerçekleştiği kaba ölüm olasılıklarıyla ve izlem süresince hastalık yüzünden yitirilen yıllarla da özetlenir.

Model, her hastanın ölüm tehlikesini nüfus tehlikesi ile hastalığa bağlı fazla tehlikenin toplamı sayar:

\lambda_{O,i}(t)=\lambda_{P,i}(t)+\lambda_E(t),\qquad S_N(t)=\exp\{-\Lambda_E(t)\},\quad \Lambda_E(t)=\int_0^t\lambda_E(u)\,du.
  • \lambda_{O,i}(t): i numaralı hastanın tanıdan t gün sonraki gözlenen ölüm tehlikesi.
  • \lambda_{P,i}(t): aynı yaşta, aynı cinsiyette ve aynı takvim tarihindeki genel nüfusun günlük ölüm tehlikesi (nüfus yaşam tablosundan).
  • \lambda_E(t): hastalığa bağlı fazla tehlike; hastalar arasında ortak varsayılır. \Lambda_E birikimli fazla tehlike, S_N net sağkalımdır.

Ne zaman kullanılır?

  • Ölüm nedeni kayıtlı değilse ya da güvenilir değilse (nüfus tabanlı kanser kayıtları).
  • Farklı yaş yapısındaki dönemleri, bölgeleri ya da ülkeleri karşılaştırmak gerekiyorsa: net sağkalım yaş yapısından bağımsız bir ölçüdür; ham sağkalım değildir.
  • Eski yayınlarla karşılaştırma için Ederer I, Ederer II ya da Hakulinen göreli sağkalım oranları gerekiyorsa.

Ne zaman kullanılmaz?

  • Ölüm nedeni güvenilir biçimde biliniyorsa: nedene özgü sağkalım ve rekabet riskleri için cok_durumlu_mstate (Bölüm 145) ya da temel programdaki Kaplan–Meier ve Cox analizleri.
  • Hasta kümesine uygun bir nüfus yaşam tablosu yoksa: şablon yalnız iki tablo sunar (Slovenya ve ABD); başka ülke için tablo kurmak gerekir (147.8).
  • Hastalığın etkisini ortak değişkenlere bağlı bir fazla tehlike regresyonuyla modellemek gerekiyorsa: bu şablon yalnız parametresiz kestirim yapar; esnek_parametrik (Bölüm 146) nüfus tehlikesi içermez.
  • Ortalama ya da kısıtlı ortalama yaşam süresi karşılaştırması isteniyorsa: rmst_regresyon (Bölüm 153).

Temel programla ilişki. Temel program gözlenen sağkalımı (Kaplan–Meier, log-sıra, Cox) verir; nüfus tablosu, net sağkalım ve kaba ölüm olasılıkları yoktur. Bu şablon yalnız MerQuR+'tadır.

147.2 Şablonun girdileri

Form on dokuz [[param]] bloğundan kurulur (goreli_sagkalim.R:11–138). Türlerin ve formun ortak denetiminin anlamı Bölüm 1.2'de anlatılmıştır.

Alan (form etiketi) · ad Tür · sekme Varsayılan Geçerli değerler Kodda etkisi
Takip süresi · zaman sayısal sütun · Değişkenler yok (zorunlu) sayısal sütun T; birime göre güne çevrilir (12–16, 155).
Takip süresinin birimi · zaman_birim seçim · Değişkenler gun gun, yil yil ise 365,241 ile çarpılır (17–23, 155).
Durum · durum sayısal sütun · Değişkenler yok (zorunlu) yalnız 0 ve 1 1 = ölüm (24–28, 157–158).
Tanıdaki yaş · yas sayısal sütun · Değişkenler yok (zorunlu) sayısal sütun Nüfus tablosuna girer (29–33, 156).
Yaşın birimi · yas_birim seçim · Değişkenler yil yil, gun yil ise 365,241 ile çarpılır (34–40, 156).
Cinsiyet · cinsiyet sütun · Değişkenler yok (zorunlu) herhangi sütun Tablo satırı seçimi (41–45, 163).
Erkek kodu · erkek_kodu metin · Değişkenler 1 herhangi metin Bu değere eşit olanlar erkek (1), geri kalan her değer kadın (2) olur (46–51, 163).
Tanı tarihi · tani sütun · Değişkenler yok (zorunlu) YYYY-AA-GG, GG.AA.YYYY, YYYY/AA/GG ya da takvim yılı Tablonun takvim boyutu (52–56, 164–171).
Grup · grup kategorik sütun · Değişkenler boş herhangi sütun Katman; log-sıra testi (57–62, 190–195, 234).
Tahminci · yontem seçim · Model pohar-perme pohar-perme, ederer2, ederer1, hakulinen rs.surv(method =) (63–69, 213).
Nüfus yaşam tablosu · nufus seçim · Model slopop slopop, survexp.us Beklenen tehlike (70–76, 180).
Rapor zamanları · zamanlar metin · Çıktı 1, 5, 10 virgül, noktalı virgül ya da boşlukla ayrılmış pozitif sayılar (yıl) Özet tablosunun zamanları (77–82, 198–208).
Üst yaş sınırı · yas_ust ondalık · Seçenekler 0 0–120 Bu yaş ve üstü dışlanır (92–98, 172–178).
Kaba ölüm olasılıkları · kaba_olum onay · Çıktı açık açık/kapalı cmp.rel (100–105, 238–250).
Güven düzeyi · guven ondalık · Seçenekler 0,95 0,5–0,999 conf.int (106–114).
GA dönüşümü · ga_turu seçim · Seçenekler log log, log-log, plain conf.type (115–122).
Sağkalım eğrisi kestirimi · kestirim_turu seçim · Gelişmiş kaplan-meier kaplan-meier, fleming-harrington type (123–130).
Tablo son yılı aşılırsa · nufus_sonrasi seçim · Seçenekler sabit sabit (son yılın tehlikesi sürer, uyarıyla), dur izlem tablonun son yılından sonrasına uzanıyorsa uyarı ya da durdurma (84–90, 184–189).
Nüfus integrali adımı · hassasiyet ondalık · Gelişmiş 1 0,1–365 (gün) precision (131–138).

Örnek ayar (ornek_param, satır 9): zaman = sure_gun, zaman_birim = gun, durum = durum, yas = yas_gun, yas_birim = gun, cinsiyet = sex, erkek_kodu = 1, tani = tani, grup = donem, nufus = slopop, zamanlar = 5, 10, yas_ust = 80. Varsayılandan farkları: yaşın birimi (gün), grup, rapor zamanları ve 80 yaş sınırıdır.

Şablonun kendi denetimleri (hepsi mq_hata ile çalıştırmayı durdurur):

Koşul İleti (özet) Satır
Veri açık değil "Önce Veri sekmesinde bir veri açın." 134
Aynı sütun iki rolde "… için farklı sütunlar seçin." 138
Eksiksiz 20'den az hasta "Eksiksiz en az 20 hasta gerekli." 141
Süre, durum ya da yaş sayısal değil "'…' sayısal olmalı." 143
Durum 0/1 dışında "Durum yalnız 0 (sansürlü) ve 1 (ölüm) olmalı." 147
Süre sıfır ya da negatif "Takip süreleri pozitif olmalı." 148
En uzun izlem 120 yıldan uzun "En uzun takip süresi … yıl ediyor …" 149
Yaş 0–120 yıl dışında "Yaşlar 0-120 yıl aralığında olmalı …" 151
Sayısal tanı tarihi 1800–2200 dışında "Sayısal tanı tarihi takvim yılı olmalı …" 155
Tarih okunamadı "Tanı tarihi okunamadı; YYYY-AA-GG … biçiminde olmalı." 159
Yaş sınırından sonra 20'den az hasta "Yaş sınırından sonra 20'den az hasta kaldı." 166
3'ten az ölüm "En az 3 ölüm gerekli." 168
İzlem yılları tablo kapsamıyla uyuşmuyor "Tanı ve izlem yılları (…) nüfus tablosunun kapsamıyla (…) uyuşmuyor." 170–172
Rapor zamanı sayı değil ya da \le 0 "Rapor zamanları pozitif sayılar olmalı …" 183
Rapor zamanlarının hepsi en uzun izlemden sonra "Rapor zamanları en uzun izlemden sonra." 185
rs.surv / rs.diff / cmp.rel hatası "Göreli sağkalım kestirilemedi: …" ve benzerleri 188–209

Notlar (çalıştırmayı durdurmaz): yaş sınırı uygulanınca kaç hastanın çözümlemede kaldığı yazılır (175–176); tek düzeyli grup uyarıyla yok sayılır (192); warning iletileri en çok beş tanesi konsola yazılır (251). Eksik değerli satırlar çıkarılır ve kaç satırın çıkarıldığı yazılır (150–151; 147.8). Çözümlemeden sonra rapor zamanlarından izlemi aşanlar atılır ve atılanlar not edilir (206–208; 147.8).

Tohum. Şablon rastgelelik kullanmaz; sonuç belirleyicidir. Kod panelindeki Tohum alanı sonucu değiştirmez (Bölüm 1.3).

147.3 Örnek veri

colrec_kolon.csv: Slovenya Kanser Kayıtlarından kolorektal kanserli 2003 hasta (colrec; Pohar Perme ve Pavlič, 2018); 1994–1995 ve 1999–2000 yıllarında tanı almışlardır ve izlem tanıdan 10 yılda sansürlenir. Eksik değer yoktur.

Değişken Rol Tür (veri sekmesi) Özet
sex cinsiyet ikili 1: 1079 hasta (erkek), 2: 924 hasta
yas_gun tanıdaki yaş (gün) sayısal 7202–35325 gün; ortalama 67,29 yıl
tani tanı tarihi tarih 1994-01-01 – 2000-12-30
sure_gun izlem süresi (gün) sayısal en çok 3652,41 (10 yıl; 548 hasta); ortanca 2,13 yıl
durum ölüm göstergesi ikili 1453 ölüm (%72,5), 550 sansür
donem grup ikili 1: 1994–1995 (883 hasta, 665 ölüm); 2: 1999–2000 (1120 hasta, 788 ölüm)
evre ek sütun sayısal 1: 218; 2: 1162; 3: 514; 99 (bilinmiyor): 109

Veri sekmesi tani sütununu "tarih" olarak algılar ve R'ye tarih olarak aktarır; donem ve sex ikili sayısal sütunlar olduğundan sayısal rolde ya da kategorik sütun olarak sorunsuz kullanılır (Bölüm 1.3). Düzey sırası. grup seçimi factor() ile kurulduğundan düzeyler sıralanır (sayısal sütunda sayısal, metin sütunda alfabetik sıra); verideki ilk görülme sırası değildir. Tablolarda ve şekildeki göstergede gruplar bu sırayla görünür.

Örnek ayarda 80 yaş ve üstü 279 hasta çıkarılır; 1724 hasta (dönem 1: 752, dönem 2: 972; 1183 ölüm) çözümlemede kalır. Pohar Perme tahmincisi beklenen sağkalımı düşük olan çok yaşlı hastalara büyük ağırlık verdiğinden bu sınır varyansı sınırlar (147.4.2).

Bu bölümde kullanılan çalıştırmalar: gs_ornek (örnek ayar); gs_tum (yas_ust = 0); tahminciler gs_ederer1, gs_ederer2, gs_hakulinen, gs_ederer1_tum; gs_fh (Fleming–Harrington), gs_loglog, gs_plain (guven = 0,9); gs_grupsuz, gs_evre (dört düzeyli grup), gs_us (ABD tablosu); gs_prec01, gs_prec7 (hassasiyet 0,1 ve 7); sınır durumları gs_kd_kod12, gs_kd_kodmetin, gs_kd_sifir, gs_kd_yil, gs_kd_yilkodu, gs_kd_ggaayyyy, gs_kd_aagg, gs_kd_cinsmetin, gs_kd_eksik, gs_kd_gelecek, gs_kd_olumsuz, gs_kd_tekgrup, gs_kd_zamanyanlis, gs_kd_yasyanlis, gs_kd_zaman20, gs_kd_zamanvirgul, gs_kd_ayni. Ek veriler veri_uret.py ile colrec_kolon.csv'den türetilmiştir (tohum 11).

147.4 Yöntem: formüller ve hesap adımları

Hesap sırası: (i) veri doğrulanır, birimler güne çevrilir ve tarihler okunur; (ii) her hasta için nüfus tablosundan beklenen tehlike ve sağkalım hesaplanır (relsurv); (iii) rs.surv seçilen tahmincinin sağkalım eğrisini ve standart hatasını kurar; (iv) summary rapor zamanlarında değer okur; (v) grup varsa rs.diff log-sıra türü testi hesaplar; (vi) açıksa cmp.rel kaba ölüm olasılıklarını hesaplar; (vii) eğri çizilir.

147.4.1 Nüfus tablosu ve beklenen sağkalım

Nüfus tablosu üç boyutlu bir dizidir: yaş (0–103 tamamlanmış yıl; kesimler k\cdot365{,}241 gün), takvim yılı (47 tarih kesimi, 1930'dan 2022'ye; ilk kesimler 1930, 1948, 1952, 1960) ve cinsiyet. Her hücre, o yaşta ve o yılda günlük ölüm tehlikesini verir (slopop: 104 × 47 × 2 hücre; en büyük değer 0,01082). Hasta i için tanıdan u gün sonra tehlike

\lambda_{P,i}(u)=\text{tablo}\bigl(\text{yaş}_i+u,\ \text{tarih}_i+u,\ \text{cinsiyet}_i\bigr)

ve beklenen sağkalım S_{P,i}(t)=\exp\{-\int_0^t\lambda_{P,i}(u)\,du\}'dir. Tehlike yaş ve takvim kesimlerinde parçalı sabittir; hastanın yaşı arttıkça ve takvim ilerledikçe hücre değişir.

Neden günlük ve hastaya özgü?

Beklenen ölümlülük hastanın yaşına, cinsiyetine ve tanı yılına bağlıdır, izlem boyunca da değişir. Yaşlı bir hasta ilk yıl içinde bile genç hastadan çok daha yüksek bir nüfus ölüm riski taşır. Nüfus ölümlülüğü bu yüzden hastanın kendi yaşı ve tarihiyle hücre hücre taranır; tek bir ortalama kullanılmaz.

Koddaki tercih

Beklenen tehlikenin integrali relsurv'de h gün adımlı sayısal toplamla alınır; adım hassasiyet (precision, varsayılan 1 gün) alanından gelir (goreli_sagkalim.R:213–214, 239). Yaş, gün cinsinden (365,241 gün = 1 yıl) ve tarih Date olarak tabloya verilir; rs.surv'ün rmap bağımsız değişkeni kullanılmaz, çünkü veri çerçevesinin age, sex, year sütunları tablo boyutlarıyla aynı adı taşır (212).

Örnek hasta: ilk satırdaki erkek, tanı tarihi 1994-10-20 ve yaşı 24277 gün (66,47 yıl). Yaş hücresi 66 (24105,906 ≤ 24277 < 24471,147), takvim hücresi 1994 (1994-01-01'den başlar); günlük tehlike 9{,}278\cdot10^{-5} (yıllık %3,33). Beş yıl boyunca hücreler değişir ve birikimli tehlike 0{,}200694 olur: S_P(5\text{ yıl})=0{,}818163. Hastanın kendi izlemi 22 günde sansürlenmiştir; beklenen sağkalım yine de tanımlıdır ve Ederer I tahmincisinde bütün hastalar için kullanılır.

147.4.2 Pohar Perme net sağkalım tahmincisi

N_i(t) ölüm sayma süreci, Y_i(t) riskte olma göstergesi olsun. Hasta ağırlığı w_i(t)=1/S_{P,i}(t) ve birikimli fazla tehlike tahmincisi

d\hat\Lambda_{PP}(t)=\frac{\sum_i w_i(t)\,dN_i(t)}{\sum_i w_i(t)\,Y_i(t)}-\frac{\sum_i w_i(t)\,Y_i(t)\,\lambda_{P,i}(t)\,dt}{\sum_i w_i(t)\,Y_i(t)},\qquad \hat S_{PP}(t)=\prod_{s\le t}\{1-d\hat\Lambda_{PP}(s)\}.
  • Ağırlık w_i(t) nüfus sağkalımının tersidir: beklenen sağkalımı düşük (yaşlı) hastalar büyük ağırlık alır.
  • Birinci terim ağırlıklı gözlenen ölümlerdir, ikinci terim ağırlıklı beklenen ölümlerdir; fark fazla tehlikeyi verir.
  • type = "kaplan-meier" ise çarpım biçimi, type = "fleming-harrington" ise \exp\{-\hat\Lambda_{PP}(t)\} kullanılır.

Neden bu ağırlık?

Hastalar nüfus tehlikeleri farklı olan alt gruplardan gelir ve hastalar sansürlenme nedeniyle riskten çıkar. Sağkalımı yüksek (genç) hastalar riskte daha uzun kalır; ağırlıksız bir tahminci riskte kalanları bu yönde yanlı seçer. 1/S_{P,i} ağırlığı bu bilgi veren sansürü düzeltir ve net sağkalımın tutarlı kestirimini verir; Ederer II ağırlıksızdır ve genelde yanlıdır (Pohar Perme vd., 2012).

\hat\Lambda_{PP}'nin varyansı \operatorname{Var}\{\hat\Lambda_{PP}(t)\}=\sum_{s\le t}\sum_i w_i(s)^2\,dN_i(s)\big/\{\sum_i w_i(s)Y_i(s)\}^2 ile kestirilir (goreli_sagkalim.R'nin çağırdığı rs.surv; relsurv kodu). Şablon tablosundaki SH, summary'nin verdiği sağkalım ölçeğindeki standart hatadır, yani \hat S_{PP}(t)\cdot\sqrt{\operatorname{Var}\{\hat\Lambda_{PP}(t)\}}; \log \hat S_{PP} ölçeğindeki standart hata değildir (örnek: 0{,}049310 ve \hat S=0{,}413827 için SH =0{,}020406).

Güven aralığı. \log dönüşümü: \hat S\exp\{\pm z\,\mathrm{SE}_{\log}\}; \log–\log: \hat S^{\exp\{\mp z\,\mathrm{SE}_{\log}/\log\hat S\}}; düz: \hat S\pm z\,\mathrm{SE}_{\log}\hat S. Kritik değer z=\sqrt{\chi^2_{1,\,\text{güven}}} (0{,}95 için 1{,}959964). Log ve düz aralık [0{,}1] ile kırpılmaz (147.8).

147.4.3 Ederer I, Ederer II ve Hakulinen

Üç tahminci göreli sağkalım oranı S_R(t)=S_{\text{gözlenen}}(t)/S_{\text{beklenen}}(t) ya da fazla tehlike üzerinden verir:

  • Ederer I: \hat S_{E1}(t)=\hat S_{KM}(t)\big/\bar S_P(t), \bar S_P(t)=\tfrac1n\sum_{i=1}^{n}S_{P,i}(t): bütün hastaların beklenen sağkalımının ortalaması; sansürden bağımsızdır.
  • Ederer II: d\hat\Lambda(t)=\dfrac{dN(t)}{Y(t)}-\dfrac{1}{Y(t)}\sum_i Y_i(t)\,\lambda_{P,i}(t)\,dt, \hat S_{E2}(t)=\prod\{1-d\hat\Lambda\}: yalnız riskte olan hastaların beklenen tehlikesi.
  • Hakulinen: \hat S_H(t)=\hat S_{KM}(t)\big/\exp\{-\int \sum_i Y^*_i\lambda_{P,i}/\sum_i Y_i^*\}; Y_i^* hastanın potansiyel izlemidir: ölenler ve olay yaşayanlar için fin.date (varsayılan: verideki son tarih) - tanı tarihi, sansürlüler için sansür zamanı (rs.surv kodu).

Ederer I, II ve Hakulinen: raporlanan zaman

rs.surv, add.times bağımsız değişkenini yalnız Pohar Perme tahmincisi için kullanır. Diğer üç tahmincide eğri, gözlenen zamanlarda adım adım değişir ve rapor zamanındaki değer, o zamandan önceki son gözlem zamanının değeridir. Örnekte dönem 2'nin 5 yıl değeri 5\times365{,}241=1826{,}205 günde değil, son gözlem olan 1812. günde okunur (80 yaş altı Ederer I: 0{,}516554; 1826,205. günde tam değer 0{,}517307). Fark olay seyrek olduğunda büyür (147.8).

Örnekte (80 yaş altı, dönem 1, 5 yıl) dört tahminci sırasıyla 0{,}4138, 0{,}4136, 0{,}4172 ve 0{,}4171 verir (Pohar Perme, Ederer II, Ederer I, Hakulinen); Ederer I ve Hakulinen Pohar Perme'den yaklaşık 0{,}003 yüksektir.

147.4.4 Net sağkalımın eşitliği: log-sıra türü test

grup verilirse rs.diff(f, data, ratetable) çalıştırılır ve gruplar arasında net sağkalımın eşitliği, ağırlıklı fazla tehlike farklarına dayanan ki-kare istatistiğiyle sınanır (Graffeo vd., 2016); sd, grup sayısı eksi birdir (234–236). Test seçilen tahminciden bağımsızdır: aynı satırlar her yontem için yazılır (147.8). Örnekte \chi^2=9{,}254295, sd =1, p=0{,}002349.

147.4.5 Kaba ölüm olasılıkları ve yitirilen yıllar

cmp.rel (Pohar ve Stare, 2006; Cronin ve Feuer, 2000) rekabet eden risk çerçevesinde iki olasılık verir: P_E(t), t'ye kadar hastalıktan ölme olasılığı ve P_P(t), aynı süre içinde diğer nedenlerden (nüfus ölümlülüğünden) ölme olasılığı. İkisi tüm nedenlerle ölümü böler:

P_E(t)+P_P(t)=1-\hat S_{KM}(t).

Tablonun son sütunu yitirilen_yil, her olasılık eğrisinin 0'dan en uzun izleme kadar altında kalan alandır: izlem süresince hastalık (ya da diğer nedenler) yüzünden yitirilen yıl. Aynı değer bir grup ve neden için bütün rapor zamanı satırlarında yinelenir (ör. 10 yıla kadar 5{,}0803 yıl; 147.8). Standart hata ve güven aralığı conf.int düzeyindedir.

Neden kaba olasılık da veriliyor?

Net sağkalım, "başka neden olmasaydı" varsayımsal dünyada bir büyüklüktür. Hastaya "10 yıl içinde bu hastalıktan ölme olasılığınız yüzde kaç?" sorusunun gerçek dünyadaki cevabı ise yaşlı hastalarda diğer nedenlerin payı yüksek olduğundan net sağkalımdan farklıdır. Kaba olasılık bu ikinci soruyu cevaplar.

147.5 Kod adım adım

Satırlar Ne yapar Neden / dikkat
140–152 Dil yardımcısı .m, paketler, veri denetimi, eksik satırların çıkarılması Eksik değerli satırlar atılır ve sayıları yazılır.
153–163 Birimler güne çevrilir, durum ve yaş denetlenir; cinsiyet 1/2 kodlanır 1 yıl =365{,}241 gün; erkek_kodu'na eşit olmayan her değer kadın.
164–171 Tanı tarihi: sayısal yıl → 1 Temmuz; metin → üç biçimden biri Sayısal yılda tarih ay ortasına sabitlenir.
172–179 Üst yaş sınırı ve ölüm sayısı < ile karşılaştırılır; sınıra eşit yaş çıkarılır.
180–189 Nüfus tablosu seçimi, izlem yıllarının tablo kapsamıyla denetimi; tablonun son yılını aşan izlemde uyarı ya da durdurma Üst sınır tablonun son yılından 30 yıl ileridedir (147.8).
190–197 Grup faktörü, relsurv veri çerçevesi dr Grup tamsayıya çevrilir; etiketler glab ile geri yazılır.
198–208 Rapor zamanlarının ayrıştırılması, izlemi aşanların atılması ve not edilmesi Ondalık virgül liste ayırıcıdır (147.8).
209–232 rs.surv, summary; tablo 1 SH sağkalım ölçeğindedir.
233–237 rs.diff; tablo 2 Yalnız grup varsa.
238–250 cmp.rel, summary(area = TRUE); tablo 3 Tahminciden bağımsızdır.
251–256 Uyarılar, plot.rs.surv, şekil Grup renkleri sabit sırayla.

147.6 Elle hesap: örnek veride bağımsız yeniden hesap

Bağımsız Python (dogrulama/goreli_sagkalim/elle_hesap.py) relsurv ya da şablon kodunu kullanmaz. slopop yalnız veri olarak (slopop_*.csv) okunur; her hastanın beklenen birikimli tehlikesi yaş ve takvim kesimlerinde tam parçalı integralle hesaplanır. Bağımsız R (r_dogrulama.R) beklenen sağkalımı survival::survexp(method = "ederer") ile (başka bir C kodu) ve Pohar Perme'yi açık formülle hesaplar; relsurv::rs.surv, cmp.rel ve rs.diff kullanılmaz.

Adım 1 — Beklenen sağkalım ve Kaplan–Meier (dönem 1, 80 yaş altı, 752 hasta). Beş yılda riskte 269 hasta, Kaplan–Meier \hat S_{KM}(5)=0{,}358222 ve kohortun ortalama beklenen sağkalımı \bar S_P(5)=0{,}858688; on yılda 0{,}282316 ve 0{,}702923. survexp aynı 0{,}858688 ve 0{,}702923 değerlerini 10^{-15} içinde verir.

Adım 2 — Pohar Perme. Her hastanın w_i=1/S_{P,i} ağırlığı ve \sum w_iY_i, \sum w_idN_i gözlem zamanlarında hesaplanır ve \hat S_{PP}=\prod(1-d\hat\Lambda_{PP}) çarpılır (artım ikinci terimi \sum_iY_i(w_{i,k}-w_{i,k-1})/\sum_iw_{i,k}Y_i olarak yazılır; \lambda w\,dt=dw olduğundan tam integral budur). Sonuç, dönem 1 için 5 ve 10 yılda 0{,}413827 ve 0{,}396201; dönem 2 için 0{,}509148 ve 0{,}496769. Python ve R sekiz basamakta aynıdır.

Adım 3 — Standart hata. \operatorname{SE}_{\log}=\sqrt{\sum w^2dN/(\sum wY)^2}: dönem 1, 5 yıl 0{,}049310; \mathrm{SH}=\hat S\cdot\mathrm{SE}_{\log}=0{,}020406 (şablon: 0{,}020404). Güven aralığı (log): 0{,}413827\cdot\exp(\mp1{,}959964\cdot0{,}049310)=(0{,}37568;\ 0{,}45579) (şablon: 0{,}375675;\ 0{,}455782).

Adım 4 — Ederer I. \hat S_{E1}=\hat S_{KM}/\bar S_P şablonun gerçekte okuduğu zamanda: dönem 1'in 5 yıl değeri 1826. günde 0{,}417165 (80 yaş altı), tüm yaşlarda 0{,}409091; dönem 2'nin 5 yıl değeri 1812. günde 0{,}516554 (tüm yaşlarda 1814. günde 0{,}497227). Python ve R bu değerleri şablonla 10^{-10} içinde bulur. Aynı hesabın tam 1826,205. gündeki değeri dönem 2 için 0{,}517307'dir (7{,}5\cdot10^{-4} fark; 147.8).

Adım 5 — Ederer II. Artım dN/Y-\sum_{\text{riskte}}\Delta H_i/Y; dönem 1, 5 yıl bağımsız 0{,}413655, şablon 0{,}413647 (8\cdot10^{-6} fark; sayısal adımdan).

Adım 6 — Kaba olasılıklar. Her satır için P_E+P_P=1-\hat S_{KM} bağıntısı sınanır: dönem 1, 5 yıl 0{,}568074+0{,}073704=0{,}641778=1-0{,}358222; bağıntı 4 zaman × 2 grup noktasında 10^{-6} içinde sağlanır.

Adım 7 — hassasiyet yakınsaması. Şablonun adım uzunluğu azaldıkça Pohar Perme net sağkalımı tam integrale yaklaşır, ama yakınsama yavaştır: dönem 1, 5 yıl için hassasiyet 7, 1, 0{,}1 iken 0{,}413783, 0{,}413794, 0{,}413798; tam integral 0{,}413827. Bu noktada fark her durumda 10^{-4}'ten küçüktür (en büyük fark örnekte dönem 2, 10 yılda 2{,}3\cdot10^{-4}); hassasiyet = 0,1 çalıştırması yaklaşık 2–3 dakika, hassasiyet = 1 olan yaklaşık 8 saniye sürer.

147.6.1 Doğrulama: MerQuR+, Python ve R

Büyüklük MerQuR+ Python (bağımsız) R (bağımsız) En büyük fark
Pohar Perme net sağkalım, Dönem 1, 5 yıl 0,41379439 0,41382671 0,41382671 3,2e−5 ✓
Pohar Perme SH (sağkalım ölçeği), Dönem 1, 5 yıl 0,02040416 0,0204058 0,0204058 1,6e−6 ✓
Pohar Perme GA alt (log), Dönem 1, 5 yıl 0,3756747 0,37570395 0,37570395 2,9e−5 ✓
Pohar Perme GA üst (log), Dönem 1, 5 yıl 0,45578209 0,4558178 0,4558178 3,6e−5 ✓
Riskte kalan, Dönem 1, 5 yıl 269 269 269 0 ✓
Pohar Perme net sağkalım, Dönem 1, 10 yıl 0,39607697 0,39620092 0,39620092 1,2e−4 ✓
Pohar Perme SH (sağkalım ölçeği), Dönem 1, 10 yıl 0,02444721 0,0244551 0,0244551 7,9e−6 ✓
Pohar Perme GA alt (log), Dönem 1, 10 yıl 0,35094621 0,35105562 0,35105562 1,1e−4 ✓
Pohar Perme GA üst (log), Dönem 1, 10 yıl 0,44701144 0,44715185 0,44715185 1,4e−4 ✓
Riskte kalan, Dönem 1, 10 yıl 212 212 212 0 ✓
Olay sayısı (0–5 yıl), dönem 1 482 482 — 0 ✓
Olay sayısı (5–10 yıl), dönem 1 57 57 — 0 ✓
Pohar Perme net sağkalım, Dönem 2, 5 yıl 0,50912022 0,5091478 0,5091478 2,8e−5 ✓
Pohar Perme SH (sağkalım ölçeği), Dönem 2, 5 yıl 0,01867825 0,0186793 0,0186793 1,0e−6 ✓
Pohar Perme GA alt (log), Dönem 2, 5 yıl 0,47379672 0,47382233 0,47382233 2,6e−5 ✓
Pohar Perme GA üst (log), Dönem 2, 5 yıl 0,54707724 0,54710694 0,54710694 3,0e−5 ✓
Riskte kalan, Dönem 2, 5 yıl 427 427 427 0 ✓
Pohar Perme net sağkalım, Dönem 2, 10 yıl 0,49700288 0,49676939 0,49676939 2,3e−4 ✓
Pohar Perme SH (sağkalım ölçeği), Dönem 2, 10 yıl 0,02467636 0,02466539 0,02466539 1,1e−5 ✓
Pohar Perme GA alt (log), Dönem 2, 10 yıl 0,45091686 0,45070391 0,45070391 2,1e−4 ✓
Pohar Perme GA üst (log), Dönem 2, 10 yıl 0,54779914 0,54754313 0,54754313 2,6e−4 ✓
Riskte kalan, Dönem 2, 10 yıl 328 328 328 0 ✓
Olay sayısı (0–5 yıl), dönem 2 545 545 — 0 ✓
Olay sayısı (5–10 yıl), dönem 2 99 99 — 0 ✓
Kaba olasılıklar toplamı (hastalık + diğer), dönem 1, 5 yıl 0,6417784 0,6417784 0,6417784 3,7e−14 ✓
Kaba olasılıklar toplamı (hastalık + diğer), dönem 1, 10 yıl 0,71768409 0,71768409 0,71768409 7,1e−15 ✓
Kaba olasılıklar toplamı (hastalık + diğer), dönem 2, 5 yıl 0,56069959 0,56069959 0,56069959 3,3e−14 ✓
Kaba olasılıklar toplamı (hastalık + diğer), dönem 2, 10 yıl 0,66255144 0,66255144 0,66255144 2,0e−14 ✓
Ederer I, 80 yaş altı, dönem 1, 5 yıl 0,4171651 0,4171651 0,4171651 2,5e−14 ✓
Ederer I, 80 yaş altı, dönem 1, 10 yıl 0,40163138 0,40163138 0,40163138 5,0e−15 ✓
Ederer I, 80 yaş altı, dönem 2, 5 yıl 0,51655436 0,51655436 0,51655436 7,6e−11 ✓
Ederer I, 80 yaş altı, dönem 2, 10 yıl 0,50115498 0,50115498 0,50115498 9,3e−11 ✓
Ederer I, tüm yaşlar, dönem 1, 5 yıl 0,40909128 0,40909128 0,40909128 2,3e−14 ✓
Ederer I, tüm yaşlar, dönem 1, 10 yıl 0,39573094 0,39573094 0,39573094 2,9e−15 ✓
Ederer I, tüm yaşlar, dönem 2, 5 yıl 0,49722692 0,49722692 0,49722692 6,8e−11 ✓
Ederer I, tüm yaşlar, dönem 2, 10 yıl 0,49306341 0,49306341 0,49306341 8,9e−11 ✓
Ederer II, 80 yaş altı, dönem 1, 5 yıl 0,41364692 0,41365497 — 8,0e−6 ✓
Ederer II, 80 yaş altı, dönem 1, 10 yıl 0,39351074 0,39352921 — 1,8e−5 ✓
Ederer II, 80 yaş altı, dönem 2, 5 yıl 0,50864956 0,50866044 — 1,1e−5 ✓
Ederer II, 80 yaş altı, dönem 2, 10 yıl 0,48709929 0,48713112 — 3,2e−5 ✓

Ölçütü karşılayan: 40/40. Pohar Perme ve Ederer II kestirimlerinde şablonun çağırdığı relsurv sayısal adımla (varsayılan 1 gün) integral aldığından tam integralden 10^{-4} düzeyinde ayrılır; ölçüt bu satırlarda 3\cdot10^{-4} (SH için 2\cdot10^{-5}, Ederer II için 10^{-4}) alınmıştır. Ederer I satırlarında Python ve R tam sağkalım, MerQuR+ ise raporlanan zamandan önceki son gözlem zamanındaki değer olduğundan karşılaştırma o zamanda yapılır (bkz. 147.8).

Yayımlanmış değerlerle karşılaştırma (Pohar Perme ve Pavlič, 2018, colrec örneği; değerler yayımlandığı basamak sayısıyla):

| Büyüklük | MerQuR+ | Yayımlanmış | |fark| | | |---|---:|---:|---:|:-:| | Pohar Perme net sağkalım, dönem 1, 5 yıl | 0,41379439 | 0,414 | 2,1e−4 | ✓ | | Pohar Perme net sağkalım, dönem 1, 10 yıl | 0,39607697 | 0,396 | 7,7e−5 | ✓ | | Pohar Perme net sağkalım, dönem 2, 5 yıl | 0,50912022 | 0,509 | 1,2e−4 | ✓ | | Pohar Perme net sağkalım, dönem 2, 10 yıl | 0,49700288 | 0,497 | 2,9e−6 | ✓ | | Log-sıra türü test istatistiği | 9,2542952 | 9,254295 | 2,0e−7 | ✓ | | Log-sıra türü test, p | 0,00234944 | 0,00235 | 5,6e−7 | ✓ | | Kaba hastalık ölüm olasılığı, dönem 1, 5 yıl (tüm yaşlar) | 0,57954704 | 0,5795 | 4,7e−5 | ✓ | | Kaba hastalık ölüm olasılığı, dönem 1, 10 yıl | 0,59808273 | 0,5981 | 1,7e−5 | ✓ | | Kaba hastalık ölüm olasılığı, dönem 2, 5 yıl | 0,5071292 | 0,5071 | 2,9e−5 | ✓ | | Kaba hastalık ölüm olasılığı, dönem 2, 10 yıl | 0,52378391 | 0,5238 | 1,6e−5 | ✓ |

Yayımlanmış değerlerle eşleşen: 10/10.

147.7 Çıktıyı okuma

Örnek ayar (gs_ornek), konsol:

Üst yaş sınırı 80: 2003 hastanın 1724'i çözümlemede.

Tablo 1 — Net sağkalım (Pohar Perme):

grup  zaman_yil  risk_altinda  olay  sagkalim        SH    GA_alt    GA_ust
   1          5           269   482  0.413794  0.020404  0.375675  0.455782
   1         10           212    57  0.396077  0.024447  0.350946  0.447011
   2          5           427   545  0.509120  0.018678  0.473797  0.547077
   2         10           328    99  0.497003  0.024676  0.450917  0.547799

Tablo 2 — Grupların karşılaştırılması: istatistik = 9.254295, sd = 1, p = 0.002349.

Tablo 3 — Kaba ölüm olasılıkları (10 yıla kadar yitirilen yıl):

grup  neden                   zaman_yil  olasilik       SH  yitirilen_yil
   1  hastalık                        5  0.568074  0.019396       5.080285
   1  hastalık                       10  0.584723  0.021044       5.080285
   1  diğer nedenler (nüfus)          5  0.073704  0.002165       0.719574
   1  diğer nedenler (nüfus)         10  0.132961  0.005023       0.719574
   2  hastalık                        5  0.474965  0.017682       4.281411
   ...

Şekil 147.1. Örnek ayar: iki tanı döneminde Pohar Perme net sağkalım eğrisi (dönem 1: mor, dönem 2: mavi). Eğriler en uzun izlemde (10 yıl) sona erer.

Öğe Ne yazar Nasıl yorumlanır
risk_altinda t anında riskte kalan hasta Rapor zamanında izlemin ne kadar sürdüğünü gösterir; azsa SH büyür.
olay Bir önceki rapor zamanından bu zamana kadarki ölüm sayısı (aralık sayısı; birikimli değil) İlk satırda 0–5, ikinci satırda 5–10 yıl (482 + 57 = 539 ölüm).
sagkalim Seçilen tahmincinin değeri Pohar Perme: net sağkalım; diğerleri göreli sağkalım oranı.
SH Sağkalım ölçeğinde standart hata Güven aralığı ga_turu ölçeğinde kurulur.
GA_alt, GA_ust Güven aralığı Log ve düz ölçekte [0{,}1] dışına çıkabilir.
Test satırı \chi^2, sd, p Net sağkalımın gruplar arasında eşitliği; tahminciden bağımsız.
olasilik Kaba ölüm olasılığı İki neden toplamı 1- Kaplan–Meier.
yitirilen_yil Eğri altı alan (yıl) Hasta başına izlem süresince yitirilen ortalama yıl.

Rapor cümlesi: 1994–1995 ve 1999–2000 yıllarında kolorektal kanser tanısı almış, 80 yaşın altındaki 1724 hastada net sağkalım Pohar Perme tahmincisiyle Slovenya nüfus tablosuna göre kestirildi. Beş yıllık net sağkalım ilk dönemde 0,414 (%95 GA 0,376–0,456), ikinci dönemde 0,509 (0,474–0,547); on yıllık net sağkalım 0,396 ve 0,497 bulundu. Dönemler arasındaki fark log-sıra türü testle anlamlıydı (\chi^2_1=9{,}25; p=0{,}002). Kaba olasılıkla ilk dönemde hastalıktan ölme olasılığı 5 yılda 0,568, 10 yılda 0,585'tir.

147.8 Sık hatalar ve tuzaklar

  • Ondalık virgül için zamanları noktalı virgülle ayırın. Alanda noktalı virgül varsa virgül ondalık ayracıdır: zamanlar = "2,5; 7,5" 2,5 ve 7,5 yılı hesaplar. Noktalı virgülsüz yazımda virgül liste ayırıcıdır ("2,5,7,5" → 2, 5, 7 yıl) ve çıktıya "virgül ayırıcı sayıldı" uyarısı düşer; "1, 5, 10" gibi virgül ve boşluklu liste uyarısız çalışır (gs_kd_zamanvirgul; satır 198–205).
  • Rapor zamanı izlemi aşıyorsa atılır ve bildirilir. zamanlar = "1, 20" ve en uzun izlem 10 yıl iken tabloda yalnız 1 yıl vardır; "en uzun izlemden (10,00 yıl) sonraki rapor zamanları atıldı: 20" notu yazılır (gs_kd_zaman20; satır 206–208). Tüm zamanlar aşılırsa hata verir.
  • Ederer I, II ve Hakulinen son gözlem zamanında okunur. Rapor zamanı gözlem zamanlarıyla çakışmıyorsa değer, ondan önceki son gözlemin değeridir (dönem 2, 5 yıl: 1812. gün). Tablonun son sütunu deger_zamani_yil değerin ait olduğu zamanı verir ve fark 1 günü aşınca bir not yazılır; Pohar Perme için rapor zamanı tam olarak eklenir ve sütun rapor zamanına eşittir (147.4.3; satır 218–225, 230–231).
  • Log ve düz güven aralığı [0{,}1] içine çekilir. Evre 1 grubunda (gs_evre) 10 yıl için ham üst sınır 1{,}0142 çıkar; tablo sınırı 1'e çeker ve kaç sınırın çekildiğini not eder (satır 225–226, 232). log-log dönüşümü sınırı zaten [0{,}1] içinde tutar (gs_loglog).
  • Log-sıra testi her tahminci için aynıdır. ederer1, ederer2 ve hakulinen seçildiğinde de tablo 2 Pohar Perme tabanlı 9{,}254295 değerini yazar (gs_ederer1, gs_ederer2, gs_hakulinen); tablo başlığı "Pohar Perme tabanlı, seçilen tahminciden bağımsız" der (satır 236).
  • İzlem nüfus tablosunun son yılını aşarsa son yılın tehlikesi sürer. Bütün tanı tarihleri 2050-01-01 yapılırsa şablon çalışır; tablonun son yılının tehlikeleri sabit tutulur ve net sağkalım 0{,}414 yerine 0{,}387 çıkar (gs_kd_gelecek). Çıktıya "izlemi nüfus tablosunun son yılından (2022) sonrasına uzanıyor" uyarısı yazılır; nufus_sonrasi = dur seçilirse çalıştırma durur (satır 184–189). Tanı yılının tablonun son yılından 30 yıl sonrasından ileri olması ayrıca hata verir (182–183).
  • Eksik değerli satırlar çıkarılır ve bildirilir. 40 yaş değeri silinen veride 2003 satırın 1963'ü kalır; "Not: eksik değerli 40 satır çıkarıldı" ve "Üst yaş sınırı 80: 1963 hastanın 1693'i çözümlemede" iletileri yazılır (gs_kd_eksik; satır 149–151).
  • Birim ve kodlama hataları durdurur. Süre yıl seçilip gün verilirse "3652 yıl", yaş birimi yıl seçilip gün verilirse "Yaşlar 0-120 yıl aralığında olmalı" iletisi; 1/2 kodlu durum "yalnız 0 ve 1" iletisiyle durur; metin kodlu durum sayısal rol olmadığından çalıştırma başlamaz (gs_kd_zamanyanlis, gs_kd_yasyanlis, gs_kd_kod12, gs_kd_kodmetin). Ay/gün/yıl (12/31/1999) tarihi okunamaz ve durur (gs_kd_aagg); GG.AA.YYYY ve sayısal takvim yılı (1 Temmuz) kabul edilir (gs_kd_ggaayyyy, gs_kd_yilkodu).
  • Cinsiyet kodu. Erkek kodu dışındaki her değer (eksik kodlar dahil) kadın sayılır; erkek_kodu yanlış verilirse bütün hastalar kadın tablosuyla eşlenir ve hata verilmez. E/K kodlu sütunda erkek_kodu = E seçilince sonuç aynıdır (gs_kd_cinsmetin).
  • Grup düzeyi tek ise uyarı yazılır ve grupsuz çözümlenir (gs_kd_tekgrup). Evre gibi küçük gruplarda (evre 3: beşinci yılda 14 hasta) GA geniştir ve Pohar Perme kararsızdır.
  • yas_ust sınıra eşit yaşı çıkarır (yas < sınır).
  • Ham ve net sağkalım karıştırılmaz. Net sağkalım gözlenen sağkalımdan yüksektir: dönem 1, 5 yıl, Kaplan–Meier 0{,}358, net sağkalım 0{,}414.
  • Başka nüfus tablosu. survexp.us ABD içindir; Slovenya hastalarına uygulanırsa 5 yıllık net sağkalım 0{,}414 yerine 0{,}401 çıkar (gs_us). Ülkeniz için tabloyu relsurv::transrate.hmd ile kurup Kod sekmesinde kullanın.
  • hassasiyet sayısal yaklaşım hatasını tam kaldırmaz ve 0,1'de yaklaşık 20 kat yavaşlar (147.6, Adım 7).

147.9 Uzman soruları

S1. Net sağkalım ile göreli sağkalım oranı arasındaki fark nedir?

Göreli sağkalım oranı gözlenen sağkalımın beklenen sağkalıma oranıdır (Ederer I) ya da fazla tehlikeyi riskte olanların beklenen tehlikesiyle düzeltir (Ederer II); ikisi de sansürün yaş yapısıyla ilişkisini yok sayar. Net sağkalım hastalığa bağlı fazla tehlikenin tutarlı kestirimidir ve ancak Pohar Perme ağırlığıyla elde edilir. Örnekte (80 yaş altı, 5 yıl) fark küçüktür (0{,}4138 ve 0{,}4172), çünkü beklenen ölümlülük düşüktür; yaşlı ve sansürü yaşa bağlı örneklerde fark büyür.

S2. Neden 80 yaş sınırı konur?

Ağırlık 1/S_{P,i} nüfus sağkalımı küçük olan hastalarda çok büyür; 90 yaşında bir hasta beş yıl sonrası için büyük ağırlık taşır ve \sum wY ile varyans kararsızlaşır. Sınır, beklenen ağırlıkları sınırlar. Örnekte sınırsız çözümlemede (gs_tum) dönem 1'in 10 yıllık net sağkalımı 0{,}3654 (SH 0{,}0283), 80 yaş altında 0{,}3961 (SH 0{,}0244)'dir: SH belirgin büyür. Sınır sonucu da değiştirdiğinden gerekçesi raporlanmalıdır.

S3. Pohar Perme neden "tutarlı" ve Ederer II neden değil?

Fazla tehlike sansürden bağımsız ve hastalar arasında ortak ise Ederer II tutarlıdır; ama nüfus tehlikesi hastadan hastaya değişiyor ve sansür yaşa bağlıysa (genç hastalar daha uzun izlenir) riskte kalanlar beklenen tehlikesi düşük olanlara kayar. Bu bilgi veren sansürdür. Pohar Perme ağırlığı riskte kalanları nüfus sağkalımının tersiyle ağırlıklandırarak seçimi düzeltir (Pohar Perme vd., 2012; Danieli vd. 2012 de aynı noktaya dikkat çeker).

S4. Kaplan–Meier ve Fleming–Harrington biçimi ne kadar ayrılır?

kaplan-meier çarpım biçimini, fleming-harrington \exp(-\hat\Lambda) biçimini kullanır. Aynı d\hat\Lambda'dan türediklerinden büyük örneklemde birbirine yakındır: dönem 1, 5 yılda 0{,}413794 ve 0{,}414346 (gs_fh); 10 yılda 0{,}396077 ve 0{,}396762.

S5. Örnek veri neden 548 hastayı tam 10 yılda sansürler?

Veri 10 yılda sansürlenmiştir (3652,41 gün); bu yüzden 548 hastanın süresi tam 10 yıldır ve 10. yıl rapor zamanı gözlem zamanıyla çakışır. Bu, Ederer I'in dönem 2'nin 10 yıl değerini tam kılar (3652,41. gün), 5 yıl değerini ise yaklaşık 7{,}5\cdot10^{-4} kadar yanıltır (147.4.3).

S6. Başka bir nüfus tablosuyla (ör. Türkiye) nasıl çalıştırılır?

Şablon yalnız slopop ve survexp.us seçeneklerini sunar. Ülkenize özgü yaşam tablosunu İnsan Ölümlülük Veritabanı dosyalarından relsurv::transrate.hmd ile bir ratetable nesnesine çevirip Kod sekmesinde tab yerine kullanmak gerekir. Tablo yaş (gün), takvim yılı ve cinsiyet boyutlarına sahip olmalı ve hastaların tanı yıllarını kapsamalıdır; kapsam denetimi gevşektir (147.8).

S7. Aynı veride kaba olasılıkla net sağkalım nasıl uyumlu olur?

Dönem 1, 10 yıl: hastalıktan ölme olasılığı 0{,}584723, diğer nedenler 0{,}132961, ikisinin toplamı 1-\hat S_{KM}(10)=0{,}717684. Net sağkalım 0{,}396 ise, diğer nedenler ortadan kalksa 10 yılda hastalıktan ölme olasılığı 1-0{,}396=0{,}604 olur; kaba değer (0{,}585) bundan küçüktür çünkü bazı hastalar hastalıktan ölmeden önce diğer nedenlerden ölür (rekabet).

147.10 Kaynaklar

  • Cronin, K. A. ve Feuer, E. J. (2000). Cumulative cause-specific mortality for cancer patients in the presence of other causes: A crude analogue of relative survival. Statistics in Medicine, 19(13), 1729–1740. https://doi.org/10.1002/1097-0258(20000715)19:13<1729::AID-SIM484>3.0.CO;2-9
  • Danieli, C., Remontet, L., Bossard, N., Roche, L. ve Belot, A. (2012). Estimating net survival: The importance of allowing for informative censoring. Statistics in Medicine, 31(8), 775–786. https://doi.org/10.1002/sim.4464
  • Dickman, P. W., Sloggett, A., Hills, M. ve Hakulinen, T. (2004). Regression models for relative survival. Statistics in Medicine, 23(1), 51–64. https://doi.org/10.1002/sim.1597
  • Estève, J., Benhamou, E., Croasdale, M. ve Raymond, L. (1990). Relative survival and the estimation of net survival: Elements for further discussion. Statistics in Medicine, 9(5), 529–538. https://doi.org/10.1002/sim.4780090506
  • Graffeo, N., Castell, F., Belot, A. ve Giorgi, R. (2016). A log-rank-type test to compare net survival distributions. Biometrics, 72(3), 760–769. https://doi.org/10.1111/biom.12477
  • Hakulinen, T. (1982). Cancer survival corrected for heterogeneity in patient withdrawal. Biometrics, 38(4), 933–942. https://doi.org/10.2307/2529873
  • Kaplan, E. L. ve Meier, P. (1958). Nonparametric estimation from incomplete observations. Journal of the American Statistical Association, 53(282), 457–481. https://doi.org/10.1080/01621459.1958.10501452
  • Pohar, M. ve Stare, J. (2006). Relative survival analysis in R. Computer Methods and Programs in Biomedicine, 81(3), 272–278. https://doi.org/10.1016/j.cmpb.2006.01.004
  • Pohar Perme, M. ve Pavlič, K. (2018). Nonparametric relative survival analysis with the R package relsurv. Journal of Statistical Software, 87(8). https://doi.org/10.18637/jss.v087.i08
  • Pohar Perme, M., Stare, J. ve Estève, J. (2012). On estimation in relative survival. Biometrics, 68(1), 113–120. https://doi.org/10.1111/j.1541-0420.2011.01640.x
  • Pohar Perme, M. ve Manevski, D. (2025). relsurv: Relative survival (R paketi, sürüm 2.3-3). https://doi.org/10.32614/CRAN.package.relsurv
  • Therneau, T. M. (2026). survival: Survival analysis (R paketi, sürüm 3.8-6). https://doi.org/10.32614/CRAN.package.survival
  • R Core Team (2026). R: A language and environment for statistical computing. R Foundation for Statistical Computing.