16. 02 Glioma data Analysis
2. >?glioma
• 설명
Yttrium-90-biotin을 투약하는 방식의 방사성 면역치료를 받는
악성 glioma 환자에 대핚 랜덤화되지 않은 파일럿 연구 (2002)
• 데이터 포맷
다음 7가지 변수에 대핚 37명의 환자의 관찰값
① no, 환자번호
② age 환자 나이
③ sex 환자 성별 (M-남성 / F-여성)
④ histology 환자 상태 따른 glioma 등급
(GBM-grade IV / Grade 3-grade III)
⑤ time 실험시작-종결 개월수
⑥ event 데이터 걸러내는 도구
(False-완치,생존 / True-사망)
⑦ group RIT(방사능면역치료) / Control(대조굮)
16
17. 02 Glioma data Analysis
3. 데이터 분석
• Survival fit plot 그리기
• Logrank test 실행
약물과 치료간의 싞뢰성, 상관관계 분석
17
18. Glioma data Analysis
02
> layout(matrix(1:2, ncol = 2))
> g3 <- subset(glioma, histology == "Grade3")
> plot(survfit(Surv(time, event) ~ group, data = g3),main = "Grade III Glioma", lty = c(2,1))
> legend("bottomleft", legend=c("Control","Treated"),lty=c(2,1))
> surv_test(Surv(time, event) ~ group, data = g3,distribution = "exact")
Exact Logrank Test
data: Surv(time, event) by group (Control, RIT)
Z = 2.1711, p-value = 0.02877
alternative hypothesis: two.sided
> gbm <- subset(glioma, histology == "GBM")
> plot(survfit(Surv(time, event) ~ group, data = gbm),main = "Grade IV Glioma", lty = c(2,1))
> legend("topright", legend=c("Control","Treated"),lty=c(2,1))
> surv_test(Surv(time, event) ~ group, data = gbm,distribution = "exact")
Exact Logrank Test
data: Surv(time, event) by group (Control, RIT)
Z = 3.2215, p-value = 0.0001588
alternative hypothesis: two.sided
> surv_test(Surv(time, event) ~ group | histology, data = glioma,distribution = approximate(B = 10000))
Approximative Logrank Test
data: Surv(time, event) by
group (Control, RIT)
stratified by histology
Z = 3.6704, p-value < 2.2e-16
alternative hypothesis: two.sided
18
19. Glioma data Analysis
02
> g3 <- subset(glioma, histology == "Grade3")
> plot(survfit(Surv(time, event) ~ group, data = g3),main = "Grade III Glioma", lty = c(2,1))
> legend("bottomleft", legend=c("Control","Treated"),lty=c(2,1))
> surv_test(Surv(time, event) ~ group, data = g3,distribution = "exact")
Exact Logrank Test
data: Surv(time, event) by group (Control, RIT)
Z = 2.1711, p-value = 0.02877
alternative hypothesis: two.sided
→ g3
g3 data → RIT 실행여부(group)에 따른 실험기간(time)과 생존여부(event)에
관핚 survival fit plot 그림 (legend 설정)
Survival test (logrank test)
p-value = 0.02877 < 0.05
(통계적으로 유의→RIT가 Glioma grade 3 치료에 효과가 있다 )
19
20. Glioma data Analysis
02
> gbm <- subset(glioma, histology == "GBM")
> plot(survfit(Surv(time, event) ~ group, data = gbm),main = "Grade IV Glioma", lty = c(2,1))
> legend("topright", legend=c("Control","Treated"),lty=c(2,1))
> surv_test(Surv(time, event) ~ group, data = gbm,distribution = "exact")
Exact Logrank Test
data: Surv(time, event) by group (Control, RIT)
Z = 3.2215, p-value = 0.0001588
alternative hypothesis: two.sided
→ gbm
gbm data → RIT 실행여부(group)에 따른 실험기간(time)과 생존여부(event)에
관핚 survival fit plot 그림 (legend 설정)
Survival test (logrank test)
p-value = 0.0001588 < 0.05
(통계적으로 유의→RIT가 Glioma GBM 치료에 효과가 있다 )
20
21. Glioma data Analysis
02
> surv_test(Surv(time, event) ~ group | histology, data = glioma,distribution = approximate(B =
10000))
Approximative Logrank Test
data: Surv(time, event) by
group (Control, RIT)
stratified by histology
Z = 3.6704, p-value < 2.2e-16
alternative hypothesis: two.sided
→ 통계적 TEST를 실행하기엔 너무 적은 표본수
10000번 복원추출 하여 logrank test 실행
p-value < 2.2e-16 < 0.05
(통계적으로 유의→RIT가 Glioma 치료에 효과가 있다 )
21
22. 02 Glioma data Analysis
4. 그래프 분석
→ 사망자 발생시 감소 (계단모양)
→ 치유된 환자: 수직으로 그은 마디
(X축) 실험 시작시점부터의 경과 개월수
(왼쪽 그래프)
Grade III 환자들의 survival plot
실험굮 (1.0→0.8) / 대조굮(1.0 →약 0.3)
(오른쪽 그래프)
Grade IV 환자들의 survival plot
종료시점 생존률이 Grade III보다 낮음
실험굮 (1.0 →60개월 0.4)
대조군(1.0 →30개월 이내 모두 사망)
22