BESRAL Analisis Survival PDF

Preview

Summary

AN ALI SI S SU RV I V AL BESRAL De pa rt e m e n Biost a t ist ik FK M U I 2 0 0 6 BESRAL: Analisis Survival, FKM UI, 2006 Hal 1 dari 20 1. Analisis Tabel Kehidupan (Life Table) pada SPSS Windows Prosedur Life Tables menghasilkan tabel kehidupan non parametrik dengan uji statistik yang berkaitan. An...

Description

AN ALI SI S SU RV I V AL

BESRAL De pa rt e m e n Biost a t ist ik FK M U I 2 0 0 6

BESRAL: Analisis Survival, FKM UI, 2006

Hal 1 dari 20

1. Analisis Tabel Kehidupan (Life Table) pada SPSS Windows Prosedur Life Tables menghasilkan tabel kehidupan non parametrik dengan uji statistik yang berkaitan. Anda juga dapat meminta plot ketahanan hidup (survival) dan hazard dan membandingkan ketahanan hidup antar 2 kelompok. Pada prosedur Life Tables, SPSS akan membagi waktu ketahanan hidup menurut interval yang Anda minta. Untuk meminta SPSS menghitung ketahanan hidup hanya pada saat satu kejadian (event) terjadi, gunakanlah prosedur Kaplan-Meier. Untuk menjalankan prosedur Life Tables, syarat minimal adalah: Χ Χ

Χ Χ

Satu variabel waktu ketahanan hidup Satu variabel status subyek, yang menjelaskan apakah satu kejadian (event) telah terjadi atau sensor telah terjadi Kode terjadinya kejadian (event) dan sensor Interval waktu untuk perhitungan tabel kehidupan

Untuk menjalankan prosedur Life Tables, dari menu pilihlah: Statistics atau Analize Survival < Life Tables ... Kotak dialog Life Tables akan tampak seperti gambar 1

Pada kotak dialog tersebut Anda harus mengisikan: Time. Pilihlah variabel yang berisi data waktu ketahanan hidup (survival time). Data pada variabel ini menggambarkan berapa lama subyek tetap bertahan “hidup” sampai kejadian (event) terjadi atau terjadi sensor. Display Time Intervals. SPSS menggunakan waktu ke 0 sebagai awal untuk interval pertama pada tabel kehidupan. Anda harus mengisikan waktu terakhir yang ingin ditampilkan dan interval waktu BESRAL: Analisis Survival, FKM UI, 2006

Hal 2 dari 20

yang digunakan sebagai pembagi. Misalnya jika waktu ketahanan hidup diukur dalam tahun, isilah 10 untuk periode waktu 0 sampai dengan 10 tahun. Anda juga harus mengisikan interval waktunya. Misalkan jika waktu ketahanan hidup diukur dalam tahun, isilah 1 untuk interval satu tahun. Status. Isilah variabel yang menggambarkan status subyek, keterangan apakah satu kejadian telah terjadi atau tidak. Anda juga harus memberitahu SPSS kode yang digunakan untuk kasus yang tidak tersensor, misalnya kode 1 = event dan kode 0 = sensor. Factor. SPSS akan membuat satu tabel kehidupan untuk seluruh data Anda. Jika Anda menginginkan SPSS untuk membuat 2 atau lebih tabel kehidupan berdasarkan kelompok tertentu, Anda dapat mengisikan variabel yang berisi data tentang pengelompokkan tersebut pada isian ini. Anda juga harus mengisi kode nilai minimum dan maksimum dari variabel factor ini. By Factor. Sebagai tambahan Anda dapat memilih faktor kedua. SPSS akan menghasilkan tabel kehidupan untuk setiap kombinasi faktor 1 dan faktor 2. Anda juga harus mengisi kode nilai minimum dan maksimum dari variabel factor ini.

Definisi Kejadian (Event) untuk Variabel Status Untuk memberi keterangan, kode apa yang melambangkan satu kejadian (event) telah terjadi, letakkan kursor pada variabel status dan klik Define Event.... Kotak dialog Life Table Define Event for Status Variable akan tampak seperti gambar 2.

Satu nilai atau interval dapat digunakan sebagai kode bahwa satu kejadian (event) telah terjadi. Kasus dengan kode lain akan dianggap sebagai kasus tersensor. Isilah Single value atau Range of value untuk kode terjadinya kejadian (event).

Definisi Jangkauan (Range) pada Variabel Faktor Untuk tiap variabel faktor, Anda harus memberitahu level dari faktor yang ingin diikutsertakan dalam analisis. Letakkan kursor pada faktor dan klik Define Range.... pada kotak dialog Life Tables. Kotak dialog Life Tables Define Range for Factor Variable akan tampak seperti gambar 3.

BESRAL: Analisis Survival, FKM UI, 2006

Hal 3 dari 20

Isilah kode untuk level paling rendah dan paling tinggi yang ingin digunakan. Tiap kode yang ada di antara interval minimum-maksimum akan digunakan sebagai level dari faktor.

Tambahan Untuk memperoleh plot waktu ketahanan hidup, perbandingan antar kelompok, atau tidak menampilkan tabel kehidupan, klik pada Options... pada kotak dialog Life Tables. Kotak dialog Life Tables Options akan tampak seperti gambar 4.

Plot. Untuk plot SPSS akan menganggap kasus yang ada berasal dari satu kelompok, kecuali Anda telah menentapkan variabel faktor. Jika Anda memiliki satu variabel faktor, SPSS akan menggambarkan plot untuk tiap kelompok. Anda memilih satu atau lebih plot sebagai berikut: Survival. Menampilkan fungsi ketahan hidup kumulatif pada skala linier. Hazard. Menampilkan fungsi hazard. Log Survival. Menampilkan fungsi ketahan hidup kumulatif pada skala logaritmik. Density. Menampilkan density function. Compare Levels of First Factor. Uji Wilcoxon (Gehan) digunakan untuk membandingkan distribusi waktu ketahanan hidup pada variabel faktor yang pertama. Anda dapat memilih satu dari alternatif berikut ini: None. Tidak dilakukan uji statistik antar kelompok. Overall. Membandingkan distribusi waktu ketahanan hidup pada variabel faktor yang pertama. Pairwise. Membandingkan distribusi waktu ketahanan hidup pada tiap pasang variabel faktor kedua untuk tiap level dari variabel faktor yang pertama.

Hasil Analisis Tabel Kehidupan dan Interpretasinya Penelitian: Satu penelitian dilakukan di kalangan orang dewasa dengan kadar kolesterol tinggi. Pada penelitian ini ingin dilihat faktor-faktor yang mempengaruhi terjadinya serangan penyakit jantung koroner (PJK). Di antara faktor yang diteliti adalah berat badan, tekanan darah sistolik, kadar BESRAL: Analisis Survival, FKM UI, 2006

Hal 4 dari 20

kolesterol darah, jumlah batang rokok yang dihisap per hari, dan tipe kepribadian (A atau B). Peneliti melakukan follow-up subyek selama 10 tahun. Interval waktu sejak subyek ikut penelitian sampai dengan terjadinya PJK atau sampai subyek keluar dari peneliti dicatat pada variabel TIME. Tipe kepribadian dicatat pada variabel PERSON (0=tipe A, 1=tipe B). Analisis tabel kehidupan digunakan untuk melihat perbedaan aktu ketahanan hidup antara subyek yang memiliki kepribadian tipe A dengan subyek yang memiliki kepribadian tipe B. Hasil analisis dengan SPSS adalah sebagai berikut: Interval upper limit 3300.00 changed to 3650.00 This subfile contains: 140 observations Life Table Survival Variable TIME for PERSON =

0

Number

Number

Number

Number

Entrng

Wdrawn

Exposd

of

Propn

Propn

Propn

Proba-

Start

this

During

to

Termnl

Termi-

Sur-

Surv

bility

Hazard

Time

Intrvl

Intrvl

Risk

Events

nating

viving

at End

Densty

Rate

------

------

------

------

------

------

------

------

------

------

.0

68.0

.0

68.0

.0

.0000

1.0000

1.0000

.0000

.0000

365.0

68.0

.0

68.0

.0

.0000

1.0000

1.0000

.0000

.0000

Intrvl

Cumul

730.0

68.0

.0

68.0

4.0

.0588

.9412

.9412

.0002

.0002

1095.0

64.0

.0

64.0

.0

.0000

1.0000

.9412

.0000

.0000

1460.0

64.0

.0

64.0

.0

.0000

1.0000

.9412

.0000

.0000

1825.0

64.0

8.0

60.0

.0

.0000

1.0000

.9412

.0000

.0000

2190.0

56.0

.0

56.0

4.0

.0714

.9286

.8739

.0002

.0002

2555.0

52.0

20.0

42.0

.0

.0000

1.0000

.8739

.0000

.0000

2920.0

32.0

32.0

16.0

.0

.0000

1.0000

.8739

.0000

.0000

The median survival time for these data is 2920.0+

Intrvl Start Time ------.0 365.0 730.0 1095.0 1460.0 1825.0 2190.0 2555.0 2920.0

SE of Cumul Surviving -----.0000 .0000 .0285 .0285 .0285 .0285 .0418 .0418 .0418

SE of Probability Densty -----.0000 .0000 .0001 .0000 .0000 .0000 .0001 .0000 .0000

SE of Hazard Rate -----.0000 .0000 .0001 .0000 .0000 .0000 .0001 .0000 .0000

Tabel di atas menunjukkan tabel kehidupan untuk kelompok subyek dengan kepribadian A (PERSON=0). Pada kolom Intrvl Start Time Anda dapat melihat interval waktu yang digunakan untuk analisis tabel kehidupan. Pada baris pertama interval waktu dimulai pada hari ke 0 dan berakhir pada hari ke 364, atau satu tahun. Pada kolom Number Entrng This Intrvl, SPSS menampilkan jumlah subyek yang berhasil “selamat” sampai pada awal interval. Sebagai contoh pada baris 3, interval hari ke 730 sampai dengan 1094 (tahun ke 3), ada 68 subyek yang berhasil ‘selamat” sampai dengan awal tahun ke 3. Pada kolom Number Withdrwn During This Intrvl ditampilkan jumlah subyek yang keluar dari penelitian (withdrawn, loss of follow-up) pada interval ini. Pada tahun ke 3, tidak ada subyek yang keluar dari penelitian. Pada kolom Number Exposd to Risk ditampilkan jumlah subyek yang berisiko. Jumlah subyek ini adalah jumlah subyek yang berhasil “selamat” tiba pada awal interval dikurangi separuh dari subyek yang keluar dari penelitian pada interval BESRAL: Analisis Survival, FKM UI, 2006 Hal 5 dari 20

tersebut. Kolom Number of Termnl Events menyatakan jumlah subyek yang mengalami kejadian, pada contoh ini kejadian PJK. Pada tahun ke 3, ada 4 subyek yang mengalami PJK. Kolom Propn Terminating menyatakan proporsi subyek yang mengalami kejadian PJK. Angka ini menggambarkan risiko terjadinya PJK pada interval tertentu. Pada tahun ke 3, risiko untuk terjadinya PJK pada orang dengan kepribadian tipe A adalah 0.058 atau 5.8% jika orang tersebut telah ‘selamat” tiba pada tahun ke 3. Kolom Propn Surviving menyatakan probabilitas subyek untuk tidak mengalami PJK pada interval tertentu. Pada tahun ke 3, probabilitas subyek dengan kepribadian A untuk tidak terserang PJK adalah 0.9412 (atau 1-0.0588). Kolom Cumul Propn Surv at End menjelaskan survival rate pada akhir interval. Jadi pada baris ke 3, 3 year survival rate terjadinya PJK pada subyek dengan kepribadian A adalah 0.9412. Dan 5 year survival rate adalah 0.9412 dan 7 year survival rate 0.8739. Berarti pada tahun ke 7, 87.39% dari pasien dengan kepribadian A masih bebas dari PJK. Median Survival Time menggambarkan median waktu ketahanan hidup, pada contoh ini adalah > 2990 hari. Life Table Survival Variable

TIME

for

PERSON

Number

=

1

Number

Number

Number

Cumul

Intrvl

Entrng

Wdrawn

Exposd

of

Propn

Propn

Propn

Proba-

Start

this

During

to

Termnl

Termi-

Sur-

Surv

bility

Hazard

Time

Intrvl

Intrvl

Risk

Events

nating

viving

at End

Densty

Rate

------

------

------

------

------

------

------

------

------

------

.0

72.0

.0

72.0

.0

.0000

1.0000

1.0000

.0000

.0000

365.0

72.0

.0

72.0

.0

.0000

1.0000

1.0000

.0000

.0000

730.0

72.0

4.0

70.0

.0

.0000

1.0000

1.0000

.0000

.0000

1095.0

68.0

.0

68.0

4.0

.0588

.9412

.9412

.0002

.0002

1460.0

64.0

.0

64.0

.0

.0000

1.0000

.9412

.0000

.0000

1825.0

64.0

4.0

62.0

8.0

.1290

.8710

.8197

.0003

.0004

2190.0

52.0

4.0

50.0

4.0

.0800

.9200

.7542

.0002

.0002

2555.0

44.0

12.0

38.0

4.0

.1053

.8947

.6748

.0002

.0003

2920.0

28.0

24.0

16.0

4.0

.2500

.7500

.5061

.0005

.0008

The median survival time for these data is 2920.0+

Intrvl Start Time ------.0 365.0 730.0 1095.0 1460.0 1825.0 2190.0 2555.0 2920.0

SE of Cumul Surviving -----.0000 .0000 .0000 .0285 .0285 .0472 .0536 .0609 .0861

SE of Probability Densty -----.0000 .0000 .0000 .0001 .0000 .0001 .0001 .0001 .0002

SE of Hazard Rate -----.0000 .0000 .0000 .0001 .0000 .0001 .0001 .0002 .0004

Tabel di atas menggambarkan distribusi ketahanan hidup untuk subyek dengan kepribadian B (PERSON=1). Interpretasi tabel di atas mirip dengan interpretasi tabel kehidupan untuk subyek dengan kepribadian A. Comparison of survival experience using the Wilcoxon (Gehan) statistic BESRAL: Analisis Survival, FKM UI, 2006

Hal 6 dari 20

Survival Variable Overall comparison Group 0 1

TIME grouped by statistic

label

Total N 68 72

PERSON 5.520 D.F. Uncen 8 24

Cen 60 48

1

Prob.

Pct Cen 88.24 66.67

.0188

Mean Score 10.5882 -10.0000

Tabel di atas menguji distribusi waktu ketahanan hidup antara subyek yang memiliki kepribadian A dengan subyek yang memiliki kepribadian B. Pada uji statistik Wilcoxon (Gehan), diperoleh nilai p=0.0188. Pada α=0.05, kita dapat menyatakan ada perbedaan distribusi waktu ketahanan hidup antara orang yang memiliki kepribadian A dengan orang yang memiliki kepribadian B.

Survival Function 1.00 .95

Cumulative Survival

.90 .85 .80 .75 .70 .65

Personality

.60

Type B

.55

Type A

.50 0

365

730

1095 1460 1825 2190 2555 2920

TIME (days) Grafik di atas membandingkan fungsi ketahanan hidup (survival function) antara orang dengan kepribadian A dan orang dengan kepribadian B. Pada grafik terlihat ada perbedaan fungsi ketahanan hidup mulai pada hari ke 2190 atau tahun ke 7.

BESRAL: Analisis Survival, FKM UI, 2006

Hal 7 dari 20

2. Analisis Kaplan-Meier pada SPSS Windows Prosedur Kaplan-Meier pada SPSS menghitung kurva ketahanan hidup dengan metode product-limit estimate. Sama seperti metode Life Tables, prosedur Kaplan Meier juga meghasilkan tabel kehidupan non parametrik dan dapat melakukan uji beda distribusi ketahanan hidup antar 2 kelompok. Tetapi pada metode Life Tables, SPSS akan membagi waktu ketahanan hidup menurut interval tertentu, sedangkan Kaplan-Meier menghasilkan estimasi ketahanan hidup pada waktu kejadian (event) terjadi. Untuk menjalankan prosedur Kaplan-Meier, syarat minimal adalah: Χ Χ

Χ

Satu variabel waktu ketahanan hidup Satu variabel status subyek, yang menjelaskan apakah satu kejadian (event) telah terjadi atau sensor telah terjadi Kode terjadinya kejadian (event) dan sensor

Untuk menjalankan prosedur Kaplan-Meier, dari menu pilihlah: Statistics atau Analize Survival < Kaplan Meier.... Kotak dialog Kaplan Meier akan tampak seperti gambar 1.

Pada kotak dialog tersebut Anda harus mengisikan: Time. Pilihlah variabel yang berisi data waktu ketahanan hidup (survival time). Data pada variabel ini menggambarkan berapa lama subyek tetap bertahan “hidup” sampai kejadian (event) terjadi atau terjadi sensor. Status. Isilah variabel yang menggambarkan status subyek, keterangan apakah satu kejadian telah BESRAL: Analisis Survival, FKM UI, 2006

Hal 8 dari 20

terjadi atau tidak. Anda juga harus memberitahu SPSS kode yang digunakan untuk kasus yang tidak tersensor, misalnya kode 1 = event dan kode 0 = sensor. Factor. SPSS akan membuat satu tabel kehidupan untuk seluruh data Anda. Jika Anda menginginkan SPSS untuk membuat 2 atau lebih tabel kehidupan berdasarkan kelompok tertentu, Anda dapat mengisikan variabel yang berisi data tentang pengelompokkan tersebut pada isian ini. Anda juga harus mengisi kode nilai minimum dan maksimum dari variabel factor ini. Strata. Variabel kategorikal untuk analisis stratifikasi. Analisis akan dilakukan pada tiap stratum untuk tiap level dari variabel faktor.

Definisi Kejadian (Event) untuk Variabel Status Untuk memberi keterangan, kode apa yang melambangkan satu kejadian (event) telah terjadi, letakkan kursor pada variabel status dan klik Define Event.... Kotak dialog Kaplan-Meier Define Event for Status Variable akan tampak seperti gambar 2.

Satu nilai atau interval dapat digunakan sebagai kode bahwa satu kejadian (event) telah terjadi. Kasus dengan kode lain akan dianggap sebagai kasus tersensor. Isilah Single value atau Range of value untuk kode terjadinya kejadian (event). Membandingkan Antar Kelompok Jika Anda memiliki variabel faktor, Anda dapat meminta SPSS untuk melakukan uji untuk membandingkan distribusi ketahan hidup. Klik pada Compare Factor... pada kotak dialog KaplanMeier. Kotak dialog Kaplan-Meier Compare Factor Levels akan tampak seperti gambar 3.

BESRAL: Analisis Survival, FKM UI, 2006

Hal 9 dari 20

Test Statistics. Anda dapat memilih satu atau lebih uji statistik berikut untuk membandingkan distribusi ketahanan hidup antar kelompok. Log rank. Melakukan uji log rank (Mantel-Cox). Breslow. Melakukan uji Breslow (generalized Wilcoxon). Tarone-Ware. Melakukan uji Tarone-Ware. Jika Anda ingin membadingkan semua level dari faktor, Anda dapat memilih: Linear trend for factor levels. Menggunakan informasi tren untuk uji secara keseluruhan kesamaan fungsi ketahanan hidup. Uji ini dapat dilakukan jika level dari faktor menunjukkan tingkatan yang sebenarnya ada. Untuk uji banding antar level faktor, Anda dapat memilih uji yang membandingkan semua level faktor secara sekaligus atau uji antar pasangan pada level faktor. Anda dapat meminta penyatuan hasil (pooling) antar strata atau uji terpisah untuk tiap stratum. Anda dapat memilih satu dari alternatif berikut: Pooled over strata. Membandingkan semua level faktor pada satu uji. For each stratum. Melakukan uji terpisa...