Survival analisis (latihan1)

PERAN TREATMENT DAN STANDAR Terhadap Ketahanan Hidup Penderita Kanker Paru * Iswandi (0806470421), email : [email protected] [email protected]

Metodologi 111111111111111111111111111111111i

Hasil 111111111111111111111111111111111111111

Desain penelitian ini adalah Randomized Clinical Trial

Rata-rata Survival dan Median Survival

(RCT). Tujuan utama penelitian ini adalah untuk

Dengan melihat rata-rata survival dan median survival

melihat peran antara treatment dan standar terhadap

didapatkan beberapa interpretasi. Misalnya pada

ketahanan hidup penderita kanker paru. Selain itu juga

variabel

ingin melihat apakah Karnofsky Performance Score dan

survival kelompok treatment test lebih panjang

tipe sel besar ( large cell type) berpengaruh terhadap

dibandingkan

peran treatment dan standar. Selanjutnya juga ingin

standar mempunyai rata-rata survival 115.14 hari

dicari model yang paling parsimoni variable apa saja

sedangkan kelompok treatment test lebih panjang

yang paling mempengaruhi waktu ketahanan hidup

128.21 hari. Perbedaan rata-rata survival pada kedua

penderita kanker paru dari beberapa factor tersebut.

kelompok ini -setelah dilakukan uji t- ternyata tidak

Data yang akan diolah dan dianalisis adalah “vets.dta”

menunjukkan perbedaan secara signifikan (t=-0.48 ; p

yaitu data waktu survival perhari pada 137 pasien dari

value=0.629). Perbandingan median survival kedua

Veteran’s Administration Lung Cancer Trial (Kalbfleisch

kelompok juga terlihat berbeda yaitu 52.5 hari pada

and Prentice, 1980). Beberapa variabel yang ada dalam

kelompok treatment test dan 97 hari pada kelompok

file ini adalah :

standar.

1. Terapi yaitu jenis pengobatan yang diberikan,

Sementara pada variabel lain, misalnya tipe sel 1

terbagi atas standar (coding=1) dan treatment test

menunjukkan hal yang yang sama yaitu walaupun walaupun antara

(coding=2).

pasien

2. Tipe sel 1, terbagi atas besar (coding=1) dan selainnya (coding=0). 3. Tipe sel 2, terbagi atas adeno (coding=1) dan selainnya (coding=0). 4. Tipe sel 3, terbagi atas kecil (coding=1) dan selainnya (coding=0). 5. Tipe sel 4, terbagi atas squamous (coding=1) dan selainnya (coding=0)

terapi

memperlihatkan

bahwa

rata-rata

kelompok standar. Pada kelompok

dengan tipe sel besar dengan yang tidak

memiliki perbedaan rata-rata survival dan perbedaan median survival, namun hasil uji perbedaan dua mean antara kelompok penderita dengan tipe sel besar dengan kelompok yang tanpa sel besar ternyata menunjukkan perbedaan yang tidak signifikan. Pada penderita dengan tipe sel besar memiliki rata-rata survival 166.11 hari dan median survival 156 hari, sedangkan pada penderita tanpa sel besar rata-rata

6. Survival time yaitu waktu ketahanan hidup (hari).

survival 110.71 hari dan median survival 55 hari. Uji t

7. Performance status yaitu nilai skor Karnofsky

untuk kedua kelompok tersebut dihasilkan nilai -1.64

Performance (0=terburuk…100=terbaik).

dengan nilai p value=0.102.

8. Durasi penyakit (bulan) 9. Usia (tahun) 10. Terapi terdahulu yang terbagi atas tidak pernah (coding=0) dan beberapa (coding=10) 11. Status yakni status penderita kanker paru, terbagi atas sensor (coding=0) dan mati (coding=1).

* Sebagai tugas mata kuliah Analisis Survival, Program Pasca Sarjana FKM-UI, Dosen pengajar : Pandu Riono, MD, MPH. Ph.D

[email protected]

-1

-1

Trusted by over 1 million members

Try Scribd FREE for 30 days to access over 125 million titles without ads or interruptions! Start Free Trial Cancel Anytime.



Analisis Survival Variabel Terapi (tx)

Peranan variabel large cell type (ct1) pada pengaruh

Pada awal, variabel terapi terlihat bahwa usia survival

terapi terjadinya kematian kanker paru dijelaskan pada

pasien dengan treatment dan standar terlihat tidak

table 3 dan grafik 2. Pada pasien dengan large cell type

begitu berbeda. Namun selanjutnya treatment lebih

nilai hazard ratio 1.536 (95% CI: 0.692-3.409), namun

baik dibandingkan dengan standar pada awal hari,

nilai HR tersebut tidak signifikan karena p value > 0.05

dimana probabilitas untuk survive pada

kelompok

dan convidence interval nya nya melewati nilai 1. Tidak

treatment lebih besar dibandingkan kelompok standar.

adanya perbedaan yang signifikan dalam estimasi

Setelah menginjak hari ke 200an terlihat adanya titik

survival antara pemberian treatment dan pemberian

perpotongan yang menunjukkan adanya persamaan

standar pada pasien large CT juga terlihat pada grafik

probabilitas usia survival kelompok treatment test dan

2, dimana walaupun pada awal Nampak terlihat

standar. Berdasarkan perhitungan didapatkan bahwa

perbedaan, namun selanjutnya kedua garis tersebut

pasien yang diberikan treatment pada hari ke-249

(treatment dan standar) saling bersilangan satu sama

masih memiliki estimasi survival 16,5%, sedangkan

lain. Hal ini berarti pemberian terapi baik treatment

pada standar 15.9%. Dari hasil log-rank test terlihat

maupun

bahwa p-valuenya > 0.05 yaitu 0.93 (chi2=0.01)

memberikan perbedaan yang berarti.

mengindikasikan bahwa usia survival pada kedua

Sementara pada pasien non large CT nilai hazard rasio

kelompok tidak terdapat perbedaan yang cukup

variabel terapi sebesar 0.899, dari nilai p value dan CI

signifikan.

menunjukkan juga tidak adanya perbedaan yang

Grafik 1 : Estimasi survival antara kelompok treatment dengan kelompok standar pada variabel terapi Kaplan-Meier survival estimates

standar

pada

pasien

large

CT

tidak

signifikan. Dari grafik juga terlihat kedua garis Nampak berhimpit dan bersilangan satu sama lain. Tabel 3 : Beberapa nilai hazard rasio (HR Crude) pada peran Large CT dalam pengaruh terapi terhadap terjadinya kematian kanker paru

.

.

.

* HR adjusted terapi dimana factor large CT sudah dikendalikan **HR adjusted large CT dimana factor terapi sudah dikendalikan

.

.

0

200

400 600 analysis time tx = 1

800

1000

tx = 2

Hazard ratio kasar dari variabel terapi didapatkan nilai sebesar 1.016 (95% CI: 0.713-1.448). Ini berarti pasien yang diberikan obat standar memiliki ratio bahaya untuk terjadinya kematian kanker paru sebesar 1.016

Untuk

kali dibandingkan dengan pasien yang diberikan

merupakan

treatment. Nilai hazard ratio ini diperoleh tanpa

antara variabel terapi terhadap terjadinya kematian

melakukan pengendalian terhadap factor large cell

kanker paru, maka harus dilihat prosentase selisih HR

type (tc1) dan performance status (perf).

crude dengan HR adjusted terhadap HR crude itu

melihat

apakah

factor

variabel

confounding

large dalam

CT

(ct1)

hubungan



Peranan variabel performance status juga perlu dikaji

Untuk melihat apakah variabel status performance

pada pengaruh terapi terhadap terjadinya kematian

merupakan

kanker

dengan

antara variabel terapi terhadap terjadinya kematian

performance status buruk dan sedang nilai hazard ratio

paru, maka harus dilihat prosentase selisih HR crude

variabel terapi masing-masing sebesar 1.373 dan 1.113

dengan HR adjusted terhadap HR crude itu sendiri. Dari

namun dari p-value dan CI menunjukkan tidak adanya

table 4, didapatkan prosentase selisih tersebut sebesar

signifikansi. Tidak adanya perbedaan yang signifikan

12.60%, yang menunjukkan bahwa variabel status

dalam estimasi survival antara pemberian treatment

performance ada kemungkinan sebagai confounding

dengan pemberian standar pada pasien performance

terhadap hubungan antara terapi dengan terjadinya

status buruk dan sedang dapat terlihat pada grafik 3

kematian kanker paru.

paru

(table

4).

Pada

pasien

factor

confounding

dalam

hubungan

dimana kedua grafik memperlihatkan kedua garis (treatment dan standar) dari kedua grafik tersebut saling berhimpitan satu sama lain. Hal ini berarti pemberian terapi baik treatment maupun standar pada pasien status performance buruk dan status performance sedang tidak memberikan perbedaan yang berarti. Sementara

pada

pada

pasien

dengan

status

performance baik nilai hazard ratio variabel terapi sebesar 0.364 dan dari p-value dan CI menunjukkan adanya signifikansi. Perbedaan estimasi survival antara pasien

status

performance

baik

yang

diberikan

treatment dengan pasien status performance baik

Selain itu perlu dilihat apakah rata-rata skor Karnofsky

yang

3

Performance pada kelompok treatment dan kelompok

(band)

standar berbeda maka perlu dilakukan uji t. Dari

tersebut cukup lebar dan terlihat bahwa pasien dengan

perhitungan didapatkan bahwa rata-rata skor status

status performance baik yang diberikan treatment

performance pada kelompok treatment sebesar 59.20

memiliki estimasi survival yang lebih kecil. Dengan

sedangkan pada kelompok standar sebesar 57.93.

demikian status performance baik merupakan factor

Perbedaan tersebut ternyata tidak signifikan, karena

protektif umtuk terjadinya kematian kanker paru

dari uji t didapatkan p-value=0.710 (> 0.05) dan nilai

interpretasinya semakin tinggi skor performance status

t=0.371. Dihitung juga median performance status

maka ratio bahaya untuk terjadinya kematian kanker

(perf) pada kelompok treatment dan standar yang

paru semakin kecil.

ternyata sama sebesar 60. Hal ini dapat disimpulkan

Tabel 4 : Beberapa nilai hazard rasio (HR Crude) pada peran performance status (perf1) dalam pengaruh terapi terhadap terjadinya kematian kanker paru

bahwa tidak terdapat perbedaan yang signifikan

diberikan

standar

memperlihatkan

terlihat

perbedaan

pada

kedua

grafik

garis

tentang jumlah skor Karnofsky Performance pada kelompok treatment dan kelompok standar. Analisis Survival Variabel Large Cell Type (ct1)



waktu survival sekitar 250 hari. Pada waktu survival

waktu survival 121 hari memiliki estimasi survival lebih

antara 1 sampai 249 hari pasien kelompok large CT

tinggi yaitu 47.62% sedangkan pada non large CT

memiliki

tinggi

estimasi survivalnya hanya 18.86%. Dari uji log rank

dibandingkan pasien non large CT, namun setelah

juga didapatkan nilai Pr>chi2 signifikan yaitu 0.0146

menginjak

titik

(chi2=5.97). Berikutnya pada waktu survival 250 – 999

perpotongan yang menunjukkan adanya persamaan

hari didapatkan hasil sebaliknya bahwa pada pasien

probabilitas usia survival kelompok CT other dan cell

non large CT pada waktu survival 529 hari memiliki

type large.

estimasi survival yang lebih tinggi yaitu 25% sedangkan

estimasi hari

survival

ke

250an

yang terlihat

lebih adanya

Grafik 4 : Estimasi survival antara pasien kelompok large CT dan pasien kelompok non large CT pada variabel ct1

Kaplan-Meier survival estimates

0 0 . 1

pasien large CT survivalnya hanya 16.67%. Dari uji log rank didapatkan nilai Pr>chi2 tidak signifikan 0.0679 (chi2=3.33).

5 7 . 0

Grafik 5 : Gambaran estimasi survival variabel large CT (ct1) pada kelompok waktu survival 1-249 hari dengan kelompok waktu survival 250 – 999 hari

0 5 . 0

5 2 . 0

0 0 . 0

0

200

400 600 analysis time ct1 = 0

800

1000

ct1 = 1

Dari hasil log-rank test terlihat didapatkan nilai Pr>ch2 yang tidak bermakna. Uji log rank didapatkan nilai Pr>ch2=0.082

(ch2=3.02),

yang

mengindikasikan

bahwa usia survival pada kedua kelompok tidak terdapat perbedaan yang cukup signifikan. Sedangkan asumsi yang dibangun oleh test of proportional hazard assumption(global test) tidak dapat diteruskan, karena

nilai Pr>ch2=0.0074 (time : rank(t)) yang berarti bermakna. Karena ketidaklaziman kurva estimasi survival di atas perlu dilakukan analisis lanjutan dengan membagi menjadi dua kelompok yang memakai patokan cut of point titik persilangan kedua kurva di atas. Analisis ini

untuk melihat apakah pada waktu survival antara 1249 hari pasien dengan large CT secara signifikan memiliki estimasi survival yang lebih tinggi dari pasien non large CT atau tidak? Dan bagaimana pula kondisi tersebut pada waktu survival antara 250 sampai 999 hari?.

Pada table 2, hazard ratio kasar dari variabel ct1 didapatkan nilai sebesar 0.681 (95% CI: 0.440 – 1.054). Namun demikian nilai HR ini tidak signifikan karena pvalue>0.05 dan CI-nya melewati angka 1. Berarti secara umum -tanpa melakukan pembagian waktu survivaltidak ada perbedaan hazard ratio pada pasien large CT maupun non large CT terhadap terjadinya kematian kanker paru. Analisis Survival Variabel Performance Status (perf) Sebelum melakukan analisis variabel perf (performance status), karena datanya merupakan data kontinu maka terlebih dahulu dilakukan kategorisasi. Sebagaimana yang dilakukan sebelumnya, perf dibagi menjadi 3 kelompok yaitu buruk 0-59, sedang 60-74 dan baik 75-100. Pada analisis variabel perf terlihat bahwa pasien dengan skor performance status buruk memiliki estimasi survival lebih pendek jika dibandingkan dengan pasien skor performance status sedang dan baik. Sementara pasien dengan skor performance



panjang (gambar 6). Berdasarkan perhitungan didapatkan bahwa pasien dengan performance status baik pada waktu survival 249 hari memiliki estimasi survival yang paling tinggi yaitu 24.38%, sedangkan pasien dengan performance status sedang estimasi survival-nya sebesar 20.76% dan pasien dengan performance status buruk estimasi survivalnya 5.77%.

Selanjutnya dilakukan uji confounding, walaupun sebenarnya uji ini ini telah dilakukan di awal.

Untuk

mengetahui factor confounding maka harus dilihat prosentase selisih HR crude dengan HR adjusted terhadap HR crude itu sendiri pada variabel kandidat confounding.

Pada

model

ke-3,

variabel

ct1

dikeluarkan didapatkan prosentase selisihnya sebesar Grafik 6 : Estimasi survival antara kelompok performance status buruk 0-59, sedang 60-74 dan baik 75-100 pada variabel performance status.

dengan

demikian

variabel

ct1

bukan

confounding dan harus dikeluarkan dari model.

Kaplan-Meier survival estimates

0 0 . 1

1.24%,

Selanjutnya pada saat variabel perf dikeluarkan diperoleh prosentase selisih sebesar 13.49%, untuk itu

5 7 . 0

variabel perf harus tetap ikut dalam model sebagai

0 5 . 0

confounding hubungan antara pemberian terapi dan waktu ketahanan hidup penderita kanker paru.

5 2 . 0

Tabel 5 : Tahapan pembuatan model the cox proportional hazard (PH) pada masing-masing variabel terhadap terjadinya kematian kanker paru

0 0 . 0

0

200

400 600 analysis time perf1 = 1 perf1 = 3

800

1000

perf1 = 2

Dari uji log rank didapatkan nilai Pr>chi2 signifikan yaitu 0.0000 (chi2=29.18). sedangkan Pada table 2, hazard ratio kasar dari variabel performance status tanpa pengelompokan- didapatkan nilai sebesar 0.967 (95% CI: 0.958-0.927). Ini berarti semakin tinggi skor performance

status

maka

ratio

bahaya

untuk

terjadinya kematian kanker paru semakin kecil sebesar 0.967 kali. The Cox Proportional Hazard (PH) Model

Dengan menggunakan The Cox Proporsional Hazard, kita ingin melihat interaksi berbagai variabel sebagai upaya

untuk

menentukan

sebuah

model

yang

Sehingga dapat disimpulkan bahwa model akhir dari modeling ini adalah antara terapi dengan performance status yang secara matematis dapat dinyatakan sebagai berikut :

sederhana dan lengkap. Dalam analisis ini, pertamatama disusun sebuah model yang mencakup semua

Model akhir : h(t,X) = h o (t) e

β1 terapi + β2 performance status

variabel dan variabel interaksi. Selanjutnya dilakukan penilaian interaksi. Variabel dikatakan berinteraksi bila p-valuenya < 0.05, seleksinya dengan mengeluarkan secara bertahap dari variabel interaksi yang p valuenya terbesar. Dari model 1 interaksi tx*ct1 dikeluarkan.

Kesimpulan 11111111111111111111111111111111 Pertama, studi ini tidak dapat membuktikan terapi dengan pemberian treatment dapat memberikan hasil yang lebih baik dibandindingkan dengan pemberian standar. Kedua, large cell type nampaknya tidak



kanker paru. Keempat , tidak terdapat perbedaan yang signifikan tentang jumlah skor Karnofsky Performance pada kelompok treatment dan kelompok standar. Kelima, secara umum tidak ada perbedaan estimasi survival pada pasien large CT maupun non large CT, namun sebelum memasuki hari ke 250an terlihat jarak dua garis hingga adanya titik perpotongan. Keenam, semakin tinggi skor performance status maka ratio bahaya untuk terjadinya kematian kanker paru semakin kecil sebesar. Ketujuh, dalam analisis The Cox Proportional Hazard Model dihasilkan sebuah model yang parsimoni yaitu model antara terapi dan performance status. Daftar Pustaka11 Pustaka11 111111111111111111111111111111 1. Kleinbaum and Klein. 2005. Survival Analysis A SelfLearning Text , Springer. 2. Kleinbaum et.all. 1998. Applied regression analysis and Other Multivariable Method s, Duxbury Press. 3. Rabe, Hesketh and Everitt. 2004. A Handbook of Statistical Analyses Using Stata . Chapman & Hall/CRC. 4. Materi Kuliah Survival Analysis oleh Dr. Steve Selvin (Dep of Biostatistics, Johns Hopkins Bloomberg School of Public Health).2005. Diunduh dari http://www.biostat.jhsph.edu/~beglesto/survival2005.ht m 5. Statistical Computing Seminars Survival Analysis with Stata. Diunduh dari www.ats.ucla.edu/stata/survival_ucla.htm

Survival analisis (latihan1)

Recommend Documents