针对医疗保健专业人员

教育和辩论统计数据指出

logrank测试

BMJ2004328doi:https://doi.org/10.1136/bmj.328.7447.1073(2004年4月29日出版)引用这个:BMJ328:1073 2004;

这篇文章有个修改。请参阅:

  1. 马丁J平淡他是卫生统计学教授1
  2. 道格拉斯·G奥特曼他是医学统计学教授2
  1. 1约克大学健康科学系,约克YO10 5DD
  2. 2英国癌症研究中心/NHS医学统计中心,健康科学研究所,牛津OX3 7LF
  1. 致:Bland教授

    我们经常希望比较两组(或更多组)个体的生存经验。例如,表格显示51例复发恶性胶质瘤成人患者的生存时间1根据肿瘤的类型制成表格,并显示患者在分析时是否已经死亡或仍然活着——也就是说,他们的生存时间被删减了。2随着数字生存曲线不同,但这是否足以得出结论,在人群中,间变性星形细胞瘤患者的生存期比胶质母细胞瘤患者更差?

    51例复发性胶质瘤成人患者的死亡或检查数周1(=星形细胞瘤,G =胶质母细胞瘤)

    把这个表:

    我们可以计算生存曲线3.并比较在任何特定时间存活的比例。这种方法的缺点是它没有提供两个组的总生存经验的比较,而是给出了在某个任意时间点的比较。在数字存活率的差异有时比其他时候更大,最终变为零。我们在这里描述logrank检验,最流行的比较组生存的方法,它考虑了整个随访期。它有一个相当大的优点,那就是它不需要我们知道生存曲线的形状或生存时间的分布。

    洛格兰克检验用于检验零假设,即在任何时间点,种群之间发生事件(这里是死亡)的概率没有差异。分析是基于事件发生的时间(这里是死亡)。对于每一次这样的时间,我们计算每一组观察到的死亡人数,以及如果两组之间实际上没有差异的话预期的死亡人数。第一例死亡发生在第6周,第1组患者死亡1例。本周初,共有51名受试者存活,因此本周死亡风险为1/51。第1组有20例患者,因此,如果原假设为t,则第1组的预期死亡人数为20 × 1/51 = 0.39。同样,在第2组中,预期死亡人数为31 × 1/51 = 0.61。第二次事件发生在第10周,当时有两人死亡。现在两组中分别有19和31名有危险(活着)的患者,其中1人在第6周死亡,因此第10周死亡的概率为2/50。预期死亡人数分别为19 × 2/50 = 0.76和31 × 2/50 = 1.24。

    每次事件发生时都执行相同的计算。如果一个存活时间被审查,这个人被认为在审查的那一周有死亡的风险,但在之后的几周不会。这种处理删减观察结果的方法与Kaplan-Meier生存曲线相同。3.

    根据每次死亡时间的计算,第1组的预期死亡总数为22.48,第2组的预期死亡总数为19.52,观察到的死亡总数为14和28。我们可以用x2零假设检验。测试统计量是(O - E)的和2/E为每组,其中O和E为观察到的事件和预期事件的总和。这里(14 - 22.48)2/ 22.48 + (28 - 19.52)2/ 19.52 = 6.88。自由度为组数减一,即2 - 1 = 1。从x2分布得到P < 0.01,组间差异有统计学意义。有一种不同的计算测试统计量的方法,4但我们更喜欢这种方法,因为它很容易扩展到多个群体。也有可能测试不同有序群体的生存趋势。4虽然我们已经展示了如何进行计算,但我们强烈建议使用统计软件。

    logrank检验基于与Kaplan Meier生存曲线相同的假设3.-也就是说,审查与预后无关,在研究早期和晚期招募的受试者的存活概率是相同的,事件发生在指定的时间。如果这些假设在被比较的两组中得到的满足不同,例如,如果审查在一组中比另一组更可能发生,那么这些假设的偏差就最重要。

    当一组事件发生的风险始终大于另一组时,logrank检验最有可能检测出两组之间的差异。当生存曲线交叉时,不太可能发现差异,就像比较药物和手术干预时一样。在分析生存数据时,必须绘制生存曲线。

    因为洛格兰克检验纯粹是一种显著性检验,它不能提供组间差异大小的估计或置信区间。为此,我们必须对数据做一些假设。常用的方法使用风险比,包括考克斯比例风险模型,我们将在未来描述统计数据报告

    脚注

    • 相互竞争的利益没有宣布。

    参考文献

    视图抽象