Paghahambing ng Median Survival sa Average na Kaligtasan
Ano ang kahulugan ng medikal na terminong "median survival?" Tingnan natin kung kailan at kung bakit maaari kang mabigyan ng impormasyon sa iyong median survival, kung paano ang istatistika na ito ay iba sa "mga rate ng kaligtasan" at kung ano ang dapat mong malaman kung ikaw ay nababalisa tungkol sa iyong pagbabala.
Kahulugan: Median Survival
Ang kaligtasan ng Median ay tinukoy bilang ang oras pagkatapos ng 50 porsiyento ng mga taong may isang partikular na kondisyon ay nabubuhay pa, at 50 porsiyento ang namatay.
Halimbawa, ang isang median survival ng 6 na buwan ay nagpapahiwatig na pagkatapos ng 6 na buwan, 50 porsiyento ng mga taong may kondisyong iyon ay buhay, at 50 porsiyento ay namatay na.
Kapag ang Term Median Survival ay maaaring Ginamit
Maraming mga paraan kung saan maaari mong marinig ang terminong median survival na ginamit:
- Bilang isang paglalarawan ng mga benepisyo ng isang paggamot.
- Bilang isang pagtatantya ng pagbabala ng isang kondisyon. Halimbawa, ang median survival ay maaaring gamitin upang ilarawan ang pagbabala ng isang sakit na kung saan ang kaligtasan ng buhay rate ay medyo maikli. Gaano katagal ang mga tao ay karaniwang nakatira?
- Bilang isang endpoint sa isang klinikal na pagsubok .
Paghahambing at Pagkakaiba sa Median Survival sa Iba pang Mga Istatistika
Ang kaligtasan ng Median ay ginagamit upang pag-usapan ang maraming paggamot para sa kanser. Maaari itong maging isang mas mahusay na pagtatantya kaysa sa average na rate ng kaligtasan ng buhay (ang average na haba ng oras ng isang tao para sa buhay halimbawa) kapag may isang malawak na pagkakaiba-iba sa kung paano tumugon ang mga tao sa isang kondisyon o paggamot.
Ang ilang iba pang mga terminong pang-istatistikang maririnig mo ay ang rate ng kaligtasan ng buhay, ang kaligtasan ng pag-unlad at iba pa, na tinukoy sa artikulong ito.
Mga Bentahe at Disadvantages ng Paggamit ng Median Survival sa Cancer
Nang walang pag-uusap ng mga istatistika, mahalaga na tandaan na ang anumang istatistika ay may mga kakulangan kapag naglalarawan ng pag-asa ng buhay ng isang kanser, o ang benepisyo ng paggamot.
Ang ilang mga halimbawa ay nabanggit sa ibaba.
- Isang Advantage: Para sa isang paggamot na umaabot sa kaligtasan ng mga araw o linggo o kahit na buwan, ang median survival time ay maaaring magbigay ng isang mas mahusay na indikasyon kung paano gumagana ang paggamot. Halimbawa, ang isang hypothetical na paggamot ay maaaring tumaas ang median survival time sa pamamagitan ng 4 na buwan - halimbawa, kalahati ng mga tao ay maaaring mabuhay para sa 16 buwan sa halip na 12 buwan sa paggamot. Dahil ang karamihan sa mga tao ay hindi makaliligtas sa pangmatagalan, ang mga pagtatantya tulad ng 5 taon na rate ng kaligtasan ng buhay o kahit na ang 2-taong antas ng kaligtasan ay hindi ibubunyag ang potensyal ng paggamot upang bigyan ang mga tao ng 4 na dagdag (at sana ay mabuti) na buwan upang mabuhay.
- Isang Disbentaha: Ang isang kawalan ay mangyayari kung ang isang paggamot ay nagresulta sa napakahusay na pang-matagalang resulta, ngunit para sa mas mababa sa kalahati ng mga tao, pababa sa linya. Kung higit sa kalahati ng mga tao ang namatay sa unang 2 taon ang median survival ay mas mababa sa 2 taon. Sa kasong ito, marahil isang hypothetical na paggamot, kung pinahihintulutan sa unang 2 taon ay maaaring magresulta sa mas matagal na kaligtasan. Sa ganitong kathang-isip na halimbawa, maaaring ang 30 porsiyento ng mga taong nanirahan sa loob ng 5 taon pagkatapos ng paggamot samantalang 5 porsiyento lamang ang nabuhay nang mahaba nang walang paggamot. Sa kasong ito, ang 5-taong antas ng kaligtasan ay mas maraming sinasabi tungkol sa potensyal ng paggamot kaysa sa median survival.
Statistical vs Clinical Significance of Median Survival
Mahalaga na ulitin na ang statistical significance at clinical significance ay hindi katulad ng mga bagay. Statistical significance (sabihin, kung gaano ang natutuwa ng mga mananaliksik mula sa resulta ng isang pag-aaral) ay nagbibigay ng impormasyon tungkol sa pagiging maaasahan ng pag-aaral, samantalang ang clinical significance ay naglalarawan kung gaano kahalaga ito para sa indibidwal na mga tao. Mayroong maraming mga variable na dapat isaalang-alang, tulad ng lawak ng pagbabago sa median survival, ang tolerability ng paggamot na nagbabago ng median survival, pati na rin ang toxicity.
Ang isang halimbawa na binanggit ay ang ilan sa mga target na gamot na ginagamit para sa pancreatic cancer.
Ang isang pag-aaral na nagpakita ng kumbinasyon ay nadagdagan ang median survival mula 5.91 na buwan hanggang 6.24 na buwan ay napaka-makabuluhang istatistika, ngunit hindi gaanong klinikal. Sa halimbawang ito, ang klinikal na kahalagahan ay ang mga taong nanirahan, sa average, 10 na araw, habang dinaranas ang mga side effect at gastos ng paggamot.
Sa ibang mga kaso, ang isang pag-aaral ay hindi maaaring magkaroon ng mahusay na statistical significance ngunit maaaring may napakahalagang klinikal na pagkakaiba; ang mga tao ay makaranas ng makabuluhang pagpapabuti.
Ang mga istatistika ay HINDI Mga Numero
Lubhang mahalaga na tandaan na ang anumang mga istatistika ng anumang uri ay simpleng mga numero. Iba-iba ang mga tao sa kung paano sila tumugon sa paggamot at kung gaano katagal sila nakatira sa iba't ibang paggamot. Mayroong maraming mga kadahilanan na maaaring taasan o bawasan ang isang pagkakataon ng isang tao ng kaligtasan ng buhay na may kanser.
Mahalaga rin na tandaan na ang anumang mga istatistika na iyong naririnig tungkol sa kanser ay kadalasang ilang taong gulang. Ang pag-unlad ay ginagawa sa paggamot sa kanser. Ang mga madalas na istatistika ng kaligtasan ng buhay para sa kanser sa baga ay 5 taong gulang. Na sinabi, mayroong higit na paggamot na inaprubahan para sa kanser sa baga sa panahon mula 2012 hanggang 2017, kaysa sa 40 taon bago ang 2011. Ito ay isa lamang sa maraming mga kadahilanan upang mag-hang sa pag-asa.
Mga halimbawa:
Sinabihan si Jack na ang median kaligtasan ng buhay para sa mga taong may yugto ng 3B kanser sa baga ay 13 buwan. Ito ay nangangahulugan na, sa istatistika, siya ay may tungkol sa isang 50 porsiyento ng pagkakataon na mabuhay sa kanyang sakit sa 13 na buwan.
> Pinagmulan:
> Chiba, Y. Kaplan-Meier Curves para sa Survivor Causal Effect na may Time-to-Event Outcome. Mga Klinikal na Pagsubok . 2013. 10 (4): 515-21.
> Ranganathan, P., Pramesh, C., at M. Buyse. Mga Pagkakamali sa Statistical Analysis: Klinikal kumpara sa Statistical Significance. Mga Pananaw sa Clinical Research . 2015. 6 (3): 169-170.