6. Curvas de Kaplan-Meier
PROBABILIDAD DE QUE “ALGO” SUCEDA:
- PROGRESIÓN
EN UN MOMENTO
- MUERTE
DETERMINADO (TIEMPO)
7. Curvas de Kaplan-Meier
PROBABILIDAD DE QUE “ALGO” SUCEDA:
- PROGRESIÓN
EN UN MOMENTO
- MUERTE
DETERMINADO (TIEMPO)
8. Curvas de Kaplan-Meier
PROBABILIDAD DE QUE “ALGO” SUCEDA:
- PROGRESIÓN
EN UN MOMENTO
- MUERTE
DETERMINADO (TIEMPO)
9. Curvas de Kaplan-Meier
PROBABILIDAD DE QUE “ALGO” SUCEDA:
- PROGRESIÓN
EN UN MOMENTO
- MUERTE
DETERMINADO (TIEMPO)
10. Curvas de Kaplan-Meier
PROBABILIDAD DE QUE “ALGO” SUCEDA:
- PROGRESIÓN
EN UN MOMENTO
- MUERTE
DETERMINADO (TIEMPO)
11. Curvas de Kaplan-Meier
PROBABILIDAD DE QUE “ALGO” SUCEDA:
- PROGRESIÓN
EN UN MOMENTO
- MUERTE
DETERMINADO (TIEMPO)
12. Curvas de Kaplan-Meier
PROBABILIDAD DE QUE “ALGO” SUCEDA:
- PROGRESIÓN
EN UN MOMENTO
- MUERTE
DETERMINADO (TIEMPO)
13. Curvas de Kaplan-Meier
• ¿QUE MEDIDAS TENEMOS PARA RESUMIR Y
COMPARAR LAS CURVAS?
–MEDIANA DE SUPERVIVIENCIA
–P (LOG-RANK TEST)
–HAZARD RATIO
14. Mediana de Supervivencia
Es aquel instante
en el que la
probabilidad
acumulada de
tener el evento es
del 50%
15.
16. Mediana de Supervivencia
Definición
Tiempo que pasa desde el diagnóstico o el
tratamiento de una enfermedad, como el
cáncer, en el cual la mitad de los pacientes
diagnosticados con la enfermedad todavía
están vivos.
En un estudio clínico, la mediana del tiempo de
supervivencia es una forma de medir la eficacia
del tratamiento.
18. Log-Rank Test
P
• Identifica que las curvas tienen:
– Diferencias Estadísticamente Significativas.
– Esas diferencias no son fruto del azar
• P < 0,001 solo ocurre al azar en el 0,1% de las
mediciones
• P < 0,05 sólo ocurre al azar en el 5% de las
mediciones
• Se aplica a toda la curva
19. • Sólo dice que son diferentes no cuantifica la
diferencia
• Tiene problemas para diferenciar curvas que
se cruzan
20.
21. ¿Cómo interpretar una curva Kaplan-Meier?
Las curvas de Kaplan–Meier se pueden interpretar de dos formas: en función del %
de pacientes que sobreviven o en función del tiempo.
21
24. 1.- Cuantifica la diferencia de las curvas
2.- Se aplica a toda la curva (población)
Por ejemplo:
•HR = 0.7 significa que el brazo experimental produce
una reducción del 30% del riesgo de muerte.
•HR = 1.2 significa que el fármaco experimental
produce un incremento del 20% de riesgo de muerte.
25.
26. 1 .0
M e d ia n (9 5 % C I)
0 .9
P ro b a b ility w ith o u t E v e n t
CP 1 1 .8 (1 0 .4 , 1 3 .2 )
0 .8 CG 1 0 .4 (9 .6 , 1 1 .2 )
0 .7 C P vs C G A d ju s te d H R (9 5 % C I)
0 .6 0 .8 1 (0 .7 0 -0 .9 4 )
0 .5
0 .4
0 .3
0 .2
0 .1
0 .0
0 6 12 18 24 30
S u rv iv a l T im e (m o n th s ) in N o n -S q u a m o u s P a tie n ts
P a tie n ts a t R is k
C P 512 369 235 109 36 0
C G 488 334 188 80 21 0
33. En palabras del propio Peters:
"Yo no tenía idea de lo que
Tom Peters estaba haciendo cuando escribí el
El del principio de
Peters libro. No tenía ningún plan
claramente establecido ni había
ninguna teoría que yo quisiera
probar.
Sólo salí a conversar con personas
realmente inteligentes”