Presented at the Department of Community Medicine, Faculty of Medicine Ramathibodi Hospital, Mahidol University on October 8, 2019

1. Evidence-Based Medicine II:
Prognosis
อ. นพ.นวนรรน ธีระอัมพรพันธุ์
รายวิชา RAID 515 ภาควิชาเวชศาสตร์ชุมชน
สไลด์บางส่วนดัดแปลงจากเอกสารประกอบการสอนของคณาจารย์ภาควิชาเวชศาสตร์ชุมชน คณะแพทยศาสตร์โรงพยาบาลรามาธิบดี มหาวิทยาลัยมหิดล

2. Prognosis & Survival Analysis

3. EBM Keywords for Prognosis
 Survival analysis (time-to-event analysis)
 5-year survival, median survival & relative survival
 Censoring
 Kaplan-Meier curve (survival curve)
 Log rank test
 Cox regression (Cox’s proportional hazard model)
 Hazard ratio

4. Survival & Censoring
 5-year survival rate: ร้อยละของผู้ป่วยที่ไม่เกิดเหตุการณ์ (เช่น
การตาย) อย่างน้อย 5 ปีนับแต่เริ่มศึกษา
 Median survival: ระยะเวลาที่จานวนผู้ป่วยร้อยละ 50 ยัง
ไม่เกิดเหตุการณ์ (เช่น ยังไม่ตาย)
 Relative survival: อัตราส่วนของ 5-year survival rates
ระหว่างกลุ่มที่สนใจกับประชากรทั่วไปในวัยเดียวกัน
 Censoring: ผู้ป่วยที่ไม่เกิดเหตุการณ์ (เช่น การตาย) เมื่อสิ้นสุด
การศึกษา หรือ lost follow-up ระหว่างศึกษา

5. Survival Analysis Introductory Paper
Bewick, Cheek & Ball (2004)

6. Bewick, Cheek & Ball (2004)

7. Bewick, Cheek & Ball (2004)

8. Kaplan-Meier (Survival) Curve
Bewick, Cheek & Ball (2004)

9. Bewick, Cheek & Ball (2004)

10. Log Rank Test
 เป็นวิธีการสถิติที่ใช้เปรียบเทียบ Kaplan-Meier curves
ว่า แตกต่างกันอย่างมีนัยสาคัญทางสถิติหรือไม่ เช่น
เปรียบเทียบกลุ่มเพศชายกับกลุ่มเพศหญิง
 Null hypothesis: ไม่มีความแตกต่างระหว่าง survival
curves ของ 2 populations (i.e. probability ที่จะเกิด
เหตุการณ์ในช่วงเวลาใดเวลาหนึ่งเท่ากันในแต่ละ
ประชากร)

11. Log Rank Test
Bewick, Cheek & Ball (2004)

12. Bewick, Cheek & Ball (2004)

13. Log Rank Test
Bewick, Cheek & Ball (2004)

14. Cox Regression
 Log rank test ใช้ทดสอบว่ามีความแตกต่างระหว่าง survival
times ของ 2 กลุ่มหรือไม่ แต่ไม่ได้คานึงถึงตัวแปรอื่นๆ ที่อาจมีผล
ต่อ survival times
 Cox regression คล้าย multiple regression ที่นาตัวแปรต่างๆ มา
adjust ด้วย แต่เป็นการวิเคราะห์เพื่อหาความแตกต่างระหว่าง
survival times ของผู้ป่วยแต่ละกลุ่ม หลัง adjust ตัวแปรอื่นๆ แล้ว
 ตัวแปรตาม (dependent variable) เรียกว่า “hazard” ซึ่งเป็น
probability ของการตายหรือเกิด event ที่ศึกษา เมื่อผู้ป่วย
survive จนถึงเวลาใดเวลาหนึ่ง กล่าวคือ เป็น risk for death at
that moment

15. http://www.docstoc.com/docs/2390727/

16. http://www.docstoc.com/docs/2390727/

17. http://www.docstoc.com/docs/2390727/

18. http://www.docstoc.com/docs/2390727/

19. Cox Regression
Bewick, Cheek & Ball (2004)

20. Cox Regression
Bewick, Cheek & Ball (2004)
 The P values indicate that the difference between treatments was bordering
on statistical significance, whereas there was strong evidence that age was
associated with length of survival.
 The coefficient for treatment, –1.887, is the logarithm of the hazard ratio for a
patient given treatment 1 compared with a patient given treatment 2 of the
same age. The exponential (antilog) of this value is 0.152, indicating that a
person receiving treatment 1 is 0.152 times as likely to die at any time as a
patient receiving treatment 2
 That is, the risk associated with treatment 1 appears to be much lower.
 However, the confidence interval contains 1, indicating that there may be no
difference in risk associated with the two treatments.

21. Cox Regression
Bewick, Cheek & Ball (2004)
 Using the Kaplan–Meier (log rank) test, the P value for the difference between
treatments was 0.032, whereas using Cox’s regression, and including age as an
explanatory variable, the corresponding P value was 0.052.
 This is not a substantial change and still suggests that a difference between
treatments is likely. In this case age is clearly an important explanatory
variable and should be included in the analysis.
 The exponential of the coefficient for age, 1.247, indicates that a patient 1
year older than another patient, both being given the same treatment, has an
increased risk for dying, by a factor of 1.247. Note that, in this case, the
confidence interval does not contain 1, indicating the statistical significance of
age.

22. Assumptions for Cox Regression
1. Censoring is unrelated to prognosis
2. Proportional hazards model: hazard at time t
for a patient in one group is proportional to the
hazard at time t for a patient in the second
group

23. Prognosis Checklist for Validity
 Was a defined, representative sample of patients
assembled at a common (usually early) point in the course
of their disease?
 Was patient follow-up sufficiently long and complete?
 Were outcome criteria objective and unbiased (e.g. applied
in a ‘blind’ fashion)?
 If subgroups with different prognoses are identified, did
adjustment for important prognostic factors take place?

24. Prognosis Checklist for Results
 What are the results?
 How likely are the outcome events over time?
 Survival curves (Kaplan-Meier)
 Prognostic factors
 HR
 How precise are the prognostic estimates?
 Confidence intervals

25. Prognosis Checklist for Applicability
 Can I apply this valid, important evidence about prognosis
to my patient?
 Is my patient so different to those in the study that the
results cannot apply?
 Will results lead directly to selecting or avoiding a
treatment?
 Will this evidence make a clinically important impact on
my conclusions about what to offer to tell my patients

26. Example

27. Prognosis Example
ผู้ป่วยชายไทยอายุ 60 ปี admit ด้วย GI bleeding มี
ประวัติดื่มเหล้าและสูบบุหรี่มากว่า 30 ปี ได้รับการวินิจฉัย
ว่าเป็น liver cirrhosis
ผู้ป่วยถามแพทย์ว่าเขาจะมีชีวิตยืนยาวเท่าใด และควร
ปฏิบัติตัวอย่างไรเพื่อให้มีชีวิตยืนยาวที่สุด

28. Prognosis Example
P: In elderly men with liver cirrhosis,
I: does smoking cessation and alcohol abstinence
C: compared to do nothing
O: improve survival (live longer)?

29. Prognosis Example
พิมพ์ search terms ใน PubMed Clinical Queries ดังนี้
5-year survival cirrhosis alcohol smoking
เลือก Category: Prognosis พบ 5 บทความ
เลือกบทความของ Pessione et al: Five-year survival predictive factors
in patients with excessive alcohol intake and cirrhosis. Effect of
alcoholic hepatitis, smoking and abstinence. Liver Int. 2003
Feb;23(1):45-53.