Hvad er Kaplan-Meier?

Kaplan-Meier er en måde at afbilde data, hvor man undersøger, hvor lang tid der går, før deltagerne i studiet oplever en ”event”.

Klassiske eksempler er tid til død eller sygdomsfri overlevelse, altså tid til recidiv af sygdommen. Oftest ser man Kaplan-Meier plots, der har en Y-akse med % og en X-akse med tid. Kurven vil ofte starte på 100%, og her er det vigtigt at se 100% af hvad. Oftest i overlevelsesstudier er det 100% i live til tiden 0. Kurven vil så stille og roligt falde nedad, efterhånden som tiden går ud ad X-aksen. Eksempelvis har man kontaktet alle sine forsøgspersoner til tiden 1 måned og fundet ud af, hvor mange der var i live. Er det på det tidspunkt kun 90% der er i live, så falder kurven til 90% til tiden 1 måned. Så følger man populationen videre, og hver gang der er en patient der dør eller får en event, så falder kurven nedad. På denne måde kan man overskue tiden til event eller tiden til død, og det vil være tydeligt, om de fleste dør til at starte med, til at slutte med, eller om der er jævnt fald gennem hele observationsperioden.

Ser man en Kaplan-Meier kurve med store udsving til sidst (takker på kurven), så skal man være opmærksom på, at det kan betyde, at en stor del af populationen er faldet fra på grund af anden årsag end ”eventet”, da Kaplan-Meier kurvens step nedad tager udgangspunkt i, hvor mange personer der er tilbage i gruppen.

I en Kaplan-Meier kurve kan patienter eller forsøgspersoner udgå fra kurven på 2 måder. Enten kan de have en event f.eks. død, eller også kan de være udgået af studiet af anden årsag. Anden årsag kan være, at man ikke kan få kontakt til personen, eller at personen ikke ønsker at deltage mere. Så ved man ikke, om personen får en event, og man tager således personen ud af studiet, uden at kurven falder. Det betyder så, at på næste observationstidspunkt kan kurven falde relativt meget mere, da der er en mindre population, der er i risiko for at få en event.

Har man 2 eller flere kurver på en Kaplan-Meier kan man ved hjælp af log-rank teste, om der er forskel mellem kurvernes forløb.