外觀
Statistics › 存活分析 › 結果解讀
存活分析結果解讀 (Interpretation)
依建構分析的順序解讀:描述(KM 曲線)→ 比較(log-rank)→ 建模(Cox HR)。三層互補、缺一不可。先理解原始存活型態,模型摘要才不會被誤讀。統計顯著還要搭配臨床 / 生物合理性才有意義。
各輸出怎麼讀
| 輸出 | 意義 | 例句 |
|---|---|---|
| KM 曲線上的點 Ŝ(t) | 存活超過 t 的機率 | 「12 個月存活率為 70%」 |
| 曲線陡峭程度 | 事件發生速率 | 陡 = 事件率高 |
| 中位存活時間 | Ŝ(t) = 0.5 的時間 | 「處理組 18 個月、對照組 12 個月」 |
| RMST(τ) | 到 τ 為止的平均無事件時間 | 「3 年內平均多 4.2 個月無復發」 |
| Log-rank p | 存活分配是否不同 | 「log-rank p = 0.02」 |
| HR = e^β | 瞬間事件速率的相對倍數 | 見下 |
| HR | 解讀 |
|---|---|
| = 1 | 風險無差異 |
| > 1 | 風險較高 → 存活較短 |
| < 1 | 風險較低 → 存活較長;「降低 35%」= HR 0.65 |
例句:
- 「帶有突變 X 的病人死亡風險為 1.8 倍(HR = 1.8,95% CI 1.2–2.7,p = 0.004)。」
- 「治療 A 使疾病惡化的風險降低 35%(HR = 0.65,95% CI 0.50–0.85)。」
HR 的 95% CI 不包含 1 → 統計顯著;CI 越窄越精確。HR 不是機率比值,見 Cox 模型。
絕對差異 vs 相對差異
最常見的解讀錯誤是只報 HR。
| 類型 | 問題 | 指標 |
|---|---|---|
| 絕對 | 一組比另一組多幾個月無事件?某時點存活率差多少? | 中位數差、固定時點存活率差、RMST 差 |
| 相對 | 瞬間事件速率高 / 低多少? | HR |
同樣 HR = 0.7,在基線風險高的族群與基線風險低的族群,絕對效益差很多。完整的報告兩者都包含。
「雖然 HR 統計顯著,但 3 年存活率的絕對差異只有 4%,臨床影響可能有限。」
報告前要確認
| 項目 | 檢查 |
|---|---|
| 比例風險假設 | Schoenfeld 殘差 / log-log 圖;違反時考慮分層或時間相依係數,見 模型診斷 |
| 連續共變數線性 | Martingale 殘差或樣條 |
| 尾端風險集 | 尾端人數很少時估計不穩,不要過度解讀 |
| 設限 | 設限 ≠ 無事件存活;被設限的人之後仍可能發生事件 |
| 多重檢定 | 多基因 / 多變數分析時要校正(如 FDR),見 多重檢定校正 |
| 一致性 | 子群體與外部世代中結果是否一致 |
| 依資料決定的切點 | 用「最佳切點」把連續變數(如基因表現)分高 / 低組會嚴重高估效果與顯著性;優先用連續變數或事先指定的切點(中位數、臨床門檻) |
報告範本
- 描述觀察到的存活型態或中位存活時間
- 組間比較結果與 log-rank p 值
- Cox 估計:HR、95% CI、調整了哪些共變數
- 主要假設是否檢查過
- 結尾說明效果的實務 / 臨床意義(最好附絕對差異)
text
Kaplan-Meier 分析顯示,接受藥物 A 的病人存活顯著較長(中位存活 24 vs 15 個月;log-rank p = 0.02)。
調整年齡與分期後,Cox 模型確認此結果(HR = 0.60,95% CI 0.42–0.86),
Schoenfeld 檢定未顯示違反比例風險假設(p = 0.72)。
3 年存活率分別為 41% 與 28%(絕對差異 13%),顯示藥物 A 具臨床上有意義的存活效益。解讀時把問題轉回時間:典型的無事件時間是多久?到某個有意義的時間點,一組多了多少無事件時間?主要故事是關於時機、瞬間風險,還是累積機率?HR 很少是故事的全部。