Zusammenfassung
Hintergrund: Die Überlebenszeit ist eine wichtige Kenngröße zur Beurteilung von therapeutischen
Maßnahmen. Sie spielt eine eminente Rolle sowohl in Studienkonzepten, Datenauswertungen
als auch Publikationen. Ziel: Darstellung beachtenswerter essenzieller Punkte, um zu belastbaren Ergebnissen der
Überlebenszeitanalyse zu kommen sowie wissenschaftliche Berichte angemessen werten
zu können. Eckpunkte/Hauptaussagen: (1.) Die wichtigsten Analysemethoden sind das Kaplan-Meier-Verfahren zur Schätzung
von Überlebenszeitkurven, der Log-Rank-Test zum Vergleich von 2 oder mehreren Überlebenskurven
aus unabhängigen Stichproben und die Cox-Regression zu Vergleichen unter gleichzeitiger
Betrachtung mehrerer Einflussfaktoren: (2.) Abhängigkeiten zwischen den Überlebens-
und Zensierungswahrscheinlichkeiten können diese Verfahren stark verfälschen. (3.)
Für mehrere zu unterscheidende Zielereignisse (wie Tod, Progression etc.) und für
abhängige Stichprobenelemente sind erweiterte Verfahren wie Competing-Risk-Analysen
oder erweiterte Cox-Modelle verfügbar. Schlussfolgerung: Die Überlebenszeitanalyse ist von außerordentlicher Bedeutung für die Auswertung
der Daten aus Therapiestudien. Für den akademisch geprägten und publizistisch aktiven
Mediziner, natürlich damit auch den operativ-klinisch tätigen Chirurgen, ist ein Grundverständnis
dieser Methodik unabdingbar.
Abstract
Background: Survival time is an important parameter to investigate therapeutic measures. It plays
a crucial role in study concepts, data analyses as well as publications. Aim: The aim of this study was to emphasise essential points, which need to be taken into
account to (i) gain resilient results of survival time analysis and (ii) appropriately
evaluate scientific reports. Corner Points/Main Statements: (i) The main analytical methods are Kaplan-Meier procedure to estimate survival time
curves, the log rank test to compare two or more survival curves from independent
samples and Cox regression for comparisons under simultaneous consideration of several
influencing factors. (ii) Dependent relationships between survival and censoring probabilities
may falsify these statistical procedures. (iii) For several end points, which need
to be differentiated (such as death, progression etc.), and for interdependent sample
elements, extended statistical procedures such as competing risk analyses or extended
Cox regression models are available. Conclusion: Survival time analysis can be considered as being extraordinarily important for evaluation
of data obtained in therapeutic studies. For the academic and publishing physician,
in particular, for the clinical surgeon, a basic understanding of these methodological
aspects in statistics is indispensable.
Schlüsselwörter
Überlebenszeit - Ereigniszeiten - statistische Analyse - Kaplan-Meier-Verfahren -
Log-Rank-Test - Cox-Regression - Überlebenszeitkurve - Einflussfaktoren
Key words
survival time - event times - statistical analysis - Kaplan-Meier procedure - log
rank test - Cox regression - survival curve - influencing factors
