recurrent event

Download Recurrent Event

Post on 14-Jun-2015

409 views

Category:

Documents

22 download

Embed Size (px)

TRANSCRIPT

Dieta Nurrika, Giri Widakdo, Iswandi, Tince JovinaMahasisswa Peminatan Biostatistik Program Pasca Sarjana IKM-UI Dosen pengajar : Pandu Riono, MD, MPH, Ph.D Mata Kuliah : Analisis Metode Survival

ANALISIS SURVIVAL UNTUK KEJADIAN BERULANGAlur Pembahasan A. Kejadian Berulang (Recurrent Event) 11111111111111111111111111111111i

B. Identik

C. Tidak Identik

D. Counting Process

E. Stratified Cox

E.1 Conditional 1 E.2 Conditional 2 E.3 Marginal

F. Aplikasi dengan Stata A. Kejadian Berulang (Recurrent Event) 1111111111111111

1. Pengertian : Outcome pada analisis survival yaitu waktu sampai dengan terjadinya kejadian/event, dimana kejadian tersebut berlangsung lebih dari sekali (berulang) untuk tiap subjek penelitian. Berbeda dengan analisis survival sebagaimana lazimnya yang hanya mengukur outcome sekali saja, pada analisis Recurrent Event diasumsikan bahwa tiap subjek mungkin saja mengalami event beberapa kali dalam masa follow up. 2. Contoh : a. Episode beberapa kejadian relaps dari remisi pada penderita leukemia yang dibandingkan pada jenis pengobatan berbeda. Pada contoh tersebut, relaps dapat terjadi secara berulang pada pasien leukimia yang sama. b. Serangan jantung ulang pada pasien pengobatan CHD. c. Tumor berulang pada pasien pengobatan kanker kandung kemih -1

d. Beberapa kejadian kemunduran ketajaman visual pada pasien dengan mocular degeneration. Kemunduran visual tersebut dapat terjadi berulang kali pada pasien, dimana setiap kali terjadi even tersebut mengindikasikan tahapan yang lebih parah dibandingkan sebelumnya. 3. Tujuan Analisis : mengkaji hubungan variabel predictor dengan angka kejadian, dengan mempertimbangkan beberapa even yang berulang pada tiap subjek penelitian. Misalnya pada contoh di atas : a. Pada kasus leukemia, pertanyaan penelitian yang mungkin diajukan adalah : Apakah pemberian pengobatan yang berbeda mengakibatkan angka kejadian relaps dari remisi juga berbeda ? b. Pada kasus serangan jantung, dapat diajukan pertanyaan : apakah pada kelompok perokok, angka kejadian serangan jantung-nya lebih tinggi dibandingkan dengan kelompok bukan perokok? c. Pada contoh kanker kandung kemih, dapat ditanyakan : Bagaimana perbandingan angka tumor berulang yang terjadi (dengan atau tanpa membandingkan tingkatan atau tipe tumornya)?. d. Pada contoh mocular degeneration dapat ditanyakan : Bagaimana perbandingan angka pada kejadian kemunduran ketajaman visual (dimana kejadian kedua atau kejadian ulang mengindikasikan tahapan yang lebih parah dari sebelumnya)?. Dari keempat contoh kasus di atas, terlihat adanya perbedaan jenis Kejadian Berulang, yaitu kejadian berulang yang identik dan tidak identik.

B. Kejadian Identik

1111111111111111

Apabila kejadian berulang yang terjadi adalah sederajat atau urutan kejadian berulang tidak menyebabkan efek perbedaan tertentu maka kejadian berulang tersebut dikatakan identik. Sebagai contoh kasus leukemia dan kasus serangan jantung di atas. Pada kasus leukemia, kejadian relaps berulang dari remisi pasien adalah sederajat karena antara kejadian relaps pertama dan selanjutnya tidak menyebabkan komplikasi klinis tertentu atau tingkat keparahan yang berbeda. Demikian juga dengan kasus serangan jantung, baik serangan yang pertama, kedua, ketiga dan seterusnya dianggap sama dan tidak dibedakan tipenya. Pada kejadian berulang yang identik, analisis yang digunakan dengan memakai pendekatan Counting Process (CP).

C. Kejadian Tidak Identik

1111111111111111

Apabila kejadian berulang yang terjadi tidak sederajat, ada perbedaan pada kategori penyakit atau urutan kejadian berulang menyebabkan efek perbedaan tertentu maka kejadian berulang tersebut dikatakan tidak identik. Contohnya, kasus kanker kandung kemih, apabila diasumsikan ada perbedaan tingkatan atau tipe tumor pada kejadian tumor pertama, kedua dan selanjutnya, maka kejadian tumor berulang tersebut tidak identik. Begitu juga pada kasus mocular

-2

degeneration, karena kejadian kedua atau kejadian ulang mengindikasikan tahapan yang lebih parah dari sebelumnya maka kejadian berulang tersebut dikatakan tidak identik. Pada kejadian berulang yang tidak identik, analisis yang digunakan dengan memakai pendekatan Stratified Cox (SC) Model .

D. Pendekatan Counting Process (CP)

1111111111111111

Apabila kejadian berulang adalah identik, maka analisis yang digunakan memakai pendekatan Counting Process. Dengan pendekatan CP dapat dihitung subjek yang mengalami recurrent event, berapa jumlah recurrent event persubjek, subjek yang mendapatkan waktu follow-up tambahan dan risk set pada tiap satuan waktu. 1. Contoh Pendekatan CP Untuk mengilustrasikan pendekatan CP tersebut, berikut disajikan tabel layout dasar dalam analisis survival (dengan menggunakan Bladder Cancer Study), tabel disusun dengan menggunakan struktur long format sebagai berikut : Tabel di samping merupakan cuplikan sebanyak 26 subjek pasien pada penelitian recurrent bladder cancer tumors (Byar, 1980 dan Wei, Lin and Weissfeld, 1989). Pada data penelitian yang sebenarnya terdapat 86 pasien yang masing-masing diikuti selama 64 bulan. Kolom yang pertama (id) menunjukkan jumlah subjek penelitian (N). Dari tabel tersebut nampak jumlah subjek yang diobservasi sebanyak 26 pasien. Kolom yang kedua (int) menunjukkan waktu interval untuk subjek penelitian ke-i, nampak bahwa pasien Id 1, 2, 3, 4, 5 hanya berkonstribusi satu baris data yang artinya mereka langsung tersensor atau tidak pernah sekalipun mengalami event, berbeda dengan pasien ID 6 yang pernah satu kali mengalami even. Kolom ketiga (event) menunjukkan status even pada subjek i dalam interval j, subjek yang mengalami even diberi kode 1, sedangkan subjek tersensor diberi kode 0. Selanjutnya kolom keempat dan kelima (start dan stop) menunjukkan waktu mulai dan waktu berhenti untuk subjek penelitian i dalam interval j. misalnya untuk pasien Id 1, menunjukkan sebelum memasuki bulan pertama ia telah

-3

tersensor tanpa mengalami event, pasien Id 2 tersensor pada bulan pertama, pasien id 6 mengalami bladder cancer tumors pada bulan ke-6, namun tidak mengalami recurrent event dan tersensor pada bulan ke-10, pasien Id 10 mengalami dua kali recurrent event yaitu pada bulan ke-12 dan ke-16 selanjutnya ia tersensor pada bulan ke-18. dstnya . Secara keseluruhan dari tabel di atas, nampak ada 16 pasien yang tidak mengalami recurrent event (pasien ID 1,2,3,4,5,6,7,8,9,11,17,18,20,21,22,23), 4 pasien yang mengalami 2 kali recurrent event (pasien Id 10,12,19,24), 4 pasien dengan 3 kali recurrent event (pasien Id 13,14,16,25) dan 2 pasien dengan 4 kali recurrent event (pasien Id 15 dan 26). Lebih lanjut, dari tabel tersebut juga diketahui bahwa terdapat 9 pasien yang mendapat waktu follow up tambahan setelah event yang dialaminya terakhir kali (pasien Id 6,9,10,12,14,18,20,25,26) dan dari ke-9 pasien tersebut 4 pasien diantaranya hanya mengalami event sekali atau dengan kata lain tidak mengalami recurrent event (pasien Id 6,9,18,20) Kolom start dan kolom stop tersebut di atas inilah yang menjadi kekhasan tabel layout dasar pada recurrent event, pada tabel layout yang standar tanpa recurrent event kolom yang tersedia hanya menunjukkan waktu survival berhenti (stop). Selanjutnya kolom ke-enam (tx) adalah status pengobatan (0=placebo, 1=treatment dengan thiotepa), kolom ke-tujuh (num) adalah kovariat jumlah tumor serta kolom ke-delapan(size) adalah kovariat lainnya yaitu ukuran tumor. 2. Model dan Metode Pendekatan CP Model yang dipergunakan dalam pendekatan CP adalah Cox PH Model sebagai berikut : h(t,X) = ho(t)) exp[1X1], untuk contoh kasus bladder cancer h(t,X) = ho(t) exp[ tx +1

num +

2 size]

dimana model ini dipergunakan bila syarat asumsi untuk proporsional hazard terpenuhi, namun apabila asumsi PH tidak terpenuhi maka sebagai alternative digunakan Stratified Cox atau Extendeed Cox model. Demikian juga apabila ternyata variabel penelitian tersebut dependent terhadap waktu maka model yang digunakan adalah extended cox. Perbedaan antara Cox PH model pada Recurrent Data dan Nonrecurrent Data (Partial Likelihood),sebagai berikut :Recurrent Event Data Subjek dengan >1 waktu interval tetap berada didalam kolom risk set sampai akhir waktu interval Perbedaan baris dalam data disebabkan tiap-tiap subjek diasumsikan independent pada intervalnya, walaupun beberapa outcome berasal dari subjek yang sama (pengulangan yang terjadi dianggap berasal dari subjek yang berbeda) Nonrecurrent Event data Subjek dikeluarkan dari kolom risk set pada waktu mengalami event atau tersensor Perbedaaan baris disebabkan oleh asumsi independen dikarenakan perbedaan subjek penelitian.

-4

Untuk lebih menjelaskan metode CP, berikut disajikan tabel informasi waktu event dari subjek yang telah diurutkan dan Informasi Risk set 26 pasien yang dicuplik dari Bladder cancer Study :

Pada tabel di samping, terlihat bahwa ada 26 subjek yang ada di dalam kolom Risk set pada waktu t(0). Pada recurrent event, subjek yang mendapatkan waktu follow up tambahan setelah memperoleh event pada t(j) tetap berada pada kolom the Risk Set setelah waktu t(j) tersebut. Sebagai contoh pada waktu bulan kedua t(j)=2, pasien dengan Id 19 dan 25 mengalami even, akan tetapi pada kolom risk set pada waktu tersebut (nj=24) tidak berkurang pada waktu event berikutnya (yang seharusnya dikurangi 2) dikarenakan kedua subjek nantinya akan mengalami recurrent event. Dapat terlihat bahwa pasien Id 19 mendapatkan recurrent event pada t(j)=26, demikian juga subjek Id 25 mengalami dua kali recurrent event yaitu pada t(j)=17 dan t(j)=22 serta mendapatkan waktu follow-up tambahan sebelum tersensor di bulan ke-30. Selanjutnya dalam pendekatan CP, perbedaan interval berasal dari kontribusi subjek yang sama dimana hasil amatannya saling berkorelasi. Karena hasil amatan yang saling berkorelasi ter