Nonparametric Estimation of Event-Free Survival for Data with Left-Truncated Death and Intermittently Assessed Nonfatal Events
Dit artikel stelt een nieuwe niet-parametrische kernel-smoothingsmethode voor om event-vrije overlevingskansen en beperkte gemiddelde tijd te schatten voor gegevens die worden gekenmerkt door links-truncatie, rechts-gecensureerde dood en interval-gecensureerde niet-fatale events, terwijl gebruik wordt gemaakt van aanvullende databronnen en de aanpak wordt gedemonstreerd door middel van simulaties en een toepassing op de ARIC-studie.
Oorspronkelijk artikel gelicentieerd onder CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). Dit is een AI-gegenereerde uitleg van het onderstaande artikel. Het is niet geschreven of goedgekeurd door de auteurs. Raadpleeg het oorspronkelijke artikel voor technische nauwkeurigheid. Lees de volledige disclaimer
In de wereld van medisch onderzoek houden wetenschappers vaak bij hoe lang patiënten vrij blijven van een specifieke ziekte of complicatie. Deze maatstaf, bekend als event-vrije overleving, is een krachtig instrument omdat het het volledige verhaal van de gezondheid van een patiënt weergeft, en niet alleen of iemand nog in leven is. Het beantwoordt een meer genuanceerde vraag: hoe lang kan een persoon leven zonder een ernstige terugslag te ondergaan, zoals een beroerte of een diagnose van dementie? Om het antwoord te vinden, moeten onderzoekers mensen over een bepaalde tijd volgen en daarbij letten op twee zaken: het moment waarop een niet-fatale gezondheidsgebeurtenis plaatsvindt, en het moment van overlijden. De weg naar deze kennis is echter zelden een rechte lijn. In veel studies sluiten patiënten aan bij het onderzoek nadat hun ziekte al is begonnen, wat betekent dat hun vroege geschiedenis ontbreekt in het dossier. Bovendien wordt de dood geregistreerd op het moment dat het gebeurt, terwijl andere gezondheidsgebeurtenissen vaak pas tijdens periodieke controles worden ontdekt. Dit creëert een gat in de tijdlijn; onderzoekers weten dat een gebeurtenis ergens tussen twee bezoeken heeft plaatsgevonden, maar zij weten niet de exacte dag. Deze onzekerheid, gecombineerd met het feit dat patiënten de studie betraden op verschillende stadia van hun ziekte, maakt het berekenen van nauwkeurige overlevingstijden tot een lastige statistische puzzel.
Een team van onderzoekers heeft een nieuwe manier ontwikkeld om deze puzzel op te lossen, waardoor zij deze overlevingstijden nauwkeuriger kunnen schatten dan voorheen. De uitdaging die zij aanpakten, ontstond wanneer een studie patiënten bevat die al enige tijd met een ziekte leven voordat zij zich bij het onderzoek aansluiten, een situatie die bekend staat als linkstruncatie (left truncation). In deze gevallen schieten de standaardmethoden die gebruikt worden om overleving te berekenen vaak tekort, omdat zij ervan uitgaan dat iedereen vanaf het allereerste begin van de ziekte wordt gevolgd. Daarnaast moesten de onderzoekers rekening houden met het feit dat niet-fatale gebeurtenissen, zoals een diagnose van dementie, alleen worden ontdekt wanneer een patiënt een kliniek bezoekt, wat zorgt voor een "vage" tijdsperiode in plaats van een precies moment. Het team stelde een nieuwe wiskundige benadering voor die deze hiaten gladstrijkt en de ontbrekende vroege geschiedenis corrigeert. Door de berekening in twee delen te splitsen — één voor het risico op overlijden en een andere voor het risico op de niet-fatale gebeurtenis — creëerden zij een methode die kan omgaan met gegevens waarbij patiënten laat in de studie binnenkomen en waarbij gebeurtenissen slechts incidenteel worden ontdekt.
Om hun nieuwe methode te testen, voerden de onderzoekers duizenden computersimulaties uit. Zij creëerden virtuele populaties van patiënten met verschillende patronen van ziekte en bezoekschema's. In deze simulaties vergeleken zij hun nieuwe benadering met oudere, standaardmethoden. De resultaten toonden aan dat de traditionele methoden vaak bevooroordeelde antwoorden produceerden, waarbij ze de duur van de gezondheid of juist de overleving overschatten of onderschatten. De nieuwe methode bleef echter opmerkelijk dicht bij de werkelijke waarden, zelfs wanneer de gegevens rommelig of incompleet waren. De onderzoekers ontdekten ook dat hun methode verbeterd kon worden door extra informatie toe te voegen. Als een studie gegevens heeft over patiënten die alleen werden gevolgd voor overlijden, zonder de niet-fatale gebeurtenissen te volgen, kan deze informatie worden gecombineerd met de hoofdgroep om de schattingen nog nauwkeuriger te maken. Op dezelfde wijze helpt het toevoegen van gegevens van patiënten die de studie betraden precies op het moment dat hun ziekte begon, om de gaten op te vullen voor degenen die al jaren met de ziekte leven.
Het team paste deze nieuwe techniek vervolgens toe op echte gegevens uit de Atherosclerosis Risk in Communities-studie, een langlopend project dat sinds 1987 duizenden Amerikanen volgt. Zij richtten zich op mensen die een hartaanval hadden gehad en wilden weten hoe lang zij kunnen verwachten te leven zonder dementie te ontwikkelen. De gegevens vormden een perfecte storm van de moeilijkheden die de onderzoekers probeerden op te lossen: veel deelnemers hadden hun hartaanval jaren voordat zij voor het eerst werden beoordeeld op dementie, en de controles op dementie vonden slechts met specifieke intervallen plaats over vele jaren. Met behulp van hun nieuwe methode schatten de onderzoekers dat een persoon die een hartaanval overleeft, gemiddeld ongeveer 2,87 jaar zonder dementie kan verwachten in de vijf jaar volgend op het event. Over een langere periode van twintig jaar stijgt dat aantal naar ongeveer 5,72 jaar. Wanneer zij hun resultaten vergeleken met die van oudere methoden, suggereerden de traditionele benaderingen dat mensen veel langer dementievrij zouden blijven, waarschijnlijk omdat zij er niet in slaagden de vertragingen in de detectie van de aandoening en het feit dat veel patiënten al jaren met de hartaanval leefden voordat de studie begon, mee te rekenen.
De studie onderzocht ook of deze overlevingstijden verschilden op basis van ras, geslacht of leeftijd. De onderzoekers vonden geen significante verschillen tussen mannen en vrouwen, of tussen zwarte en witte deelnemers, op de korte of lange termijn. Leeftijd maakte echter een duidelijk verschil op de lange termijn. Hoewel jongere en oudere patiënten in de eerste vijf jaar vergelijkbare overlevingstijden hadden, werden zij die hun hartaanval vóór het 74e levensjaar hadden, verwacht nog ongeveer 3,51 jaar langer zonder dementie te leven over de volgende twintig jaar, vergeleken met degenen die ouder waren op het moment van hun hartaanval. Dit suggereert dat de timing van de initiële hartaanval een cruciale rol speelt in de langetermijnuitkomsten voor de hersengezondheid.
De onderzoekers benadrukken dat hun werk niet slechts een theoretische oefening is, maar een praktisch hulpmiddel om zin te geven aan complexe medische dossiers. In de echte wereld zijn gegevens vaak imperfect: patiënten missen afspraken, artsen registreren gebeurtenissen op verschillende tijdstippen en mensen sluiten zich aan bij studies in verschillende stadia van hun leven. De nieuwe methode biedt een manier om betrouwbare antwoorden te extraheren uit deze imperfecte gegevens zonder ze in een vorm te dwingen die niet bij hen past. Door de hiaten in de tijdlijn en de specifieke manier waarop patiënten de studie betreden te erkennen, biedt de methode een helderder beeld van hoe ziekten zich ontwikkelen. De auteurs merken op dat hoewel hun benadering goed werkt, deze steunt op de aanname dat de timing van de bezoeken van een patiënt niet direct wordt veroorzaakt door de symptomen van de ziekte zelf. Als patiënten alleen naar de dokter gaan omdat ze zich ziek voelen, moet de methode mogelijk verder worden aangepast. Desalniettemin opent deze nieuwe benadering de deur naar het gebruik van enorme hoeveelheden bestaande medische gegevens om ziekteprogressie nauwkeuriger te begrijpen, wat potentieel kan leiden tot betere inzichten in hoe we patiënten langer gezond kunnen houden.
Verdrinkt u in papers in uw vakgebied?
Ontvang dagelijkse digests van de nieuwste papers die bij uw onderzoekswoorden passen — met technische samenvattingen, in uw taal.