Desfechos concorrentes

Nas seções anteriores vimos que a análise do tempo que cada participante sobreviveu até o evento de interesse fornece mais informação e permite incluir um número maior de participantes do que uma simples contagem de quem teve o evento e quem não o teve.

Uma consideração importante é a presença de desfechos "concorrentes". Se um participante sofreu um desfecho concorrente, ou não pode mais sofrer o desfecho de interesse, ou o estudo simplesmente não tem mais como saber.

Mesmo quando o evento de interesse não é morte, é comum falar em "análise de sobrevivência". Deve ser interpretado como "análise de sobrevivência até sofrer o evento de interesse".

Cálculo Kaplan-Meier

A forma mais comum de lidar com os riscos concorrentes é de calcular em cada ponto no tempo a probabilidade de sofrer o evento na população em risco. São simplesmente os participantes que ainda podem sofrer o evento de interesse.

Cada vez que alguém sofre o evento de interesse, o número dos que ainda estão em risco diminui: a fração de sobreviventes é multiplicada com (1 - a fração que sofreu o evento de interesse naquele dia):

Quando um participante sofre um desfecho concorrente, a fração dos sobreviventes não muda diretamente. O que acontece é simplesmente que a população em risco diminui.

Gráfico Kaplan-Meier

Plotar a fração dos sobreviventes deste jeito é chamado de "gráfico Kaplan-Meier". Os "degraus" na curva são os eventos de interesse. Os eventos concorrentes não afetam diretamente a curva, mas é comum marcá-los com uma pequena linha vertical.

Gráfico Kaplan-Meier que mostra a fração de sobreviventes ao longo do tempo.

Quando a fração dos sobreviventes é calculada desta maneira, o efeito é como se fosse uma população fictícia onde ninguém sofreu um desfecho concorrente.

Kaplan-Meier na literatura

Muitos artigos mostram gráficos Kaplan-Meier, geralmente comparando as curvas de sobrevivência em dois ou mais subgrupos:

• homens vs. mulheres
• pessoas acima vs. abaixo de 65 anos
• expostos a um fator de risco vs. não expostos

Este exemplo mostra a sobrevivência de pacientes com câncer renal tratados com imunoterapia (IT) ou com uma terapia direcionada (targeted therapy, IT) ou com uma combinação dos dois. Os eventos concorrentes (as pequenas linhas verticais) são aqui a perda do contato com o paciente, que impede os investigadores de saber quando morreu.

Gráfico Kaplan-Meier da sobrevivência ao longo do tempo para três tratamentos.

O gráfico inclui uma tabela que mostra a população em risco, para cada um dos três grupos, a cada seis meses. É mostrado também um valor p para diferenças significativas entre os grupos. Este valor é derivado do teste log rank (logaritmo da ordem dos eventos). Neste caso, foi significativo. Entretanto, não é o teste mais sensível, e veremos outro método na seção seguinte. 

Quando usar Kaplan-Meier

A aplicação mais natural para uma análise Kaplan-Meier é um estudo randomizado onde os braços do estudo diferem em uma única variável de tratamento. Em estudos observacionais com muitos fatores que influenciam a sobrevivência (idade, sexo, renda, escolaridade, dieta, atividade física etc.), mostrar curvas para só um dos fatores pode dar uma impressão enviesada. 

Existem agora maneiras de ajustar as curvas Kaplan-Meier pelo conjunto de todas as outras características dos participantes, mas não são ainda muito comuns.