Μέσος ορισμός επιβίωσης και έννοια για άτομα με καρκίνο

Σύγκριση μέσης επιβίωσης με μέση επιβίωση

Τι σημαίνει ο ιατρικός όρος "μέση επιβίωση;" Ας ρίξουμε μια ματιά στο πότε και γιατί μπορεί να σας δοθούν πληροφορίες σχετικά με τη μέση επιβίωσή σας, πώς αυτό το στατιστικό στοιχείο είναι διαφορετικό από τα "ποσοστά επιβίωσης" και τι πρέπει να γνωρίζετε εάν νιώθετε ανήσυχος για την πρόγνωση σας.

Ορισμός: Μεσαία επιβίωση

Η μέση επιβίωση ορίζεται ως ο χρόνος μετά τον οποίο το 50% των ατόμων με συγκεκριμένη πάθηση εξακολουθούν να ζουν και 50% έχουν πεθάνει.

Για παράδειγμα, μια μέση επιβίωση 6 μηνών θα έδειχνε ότι μετά από 6 μήνες το 50 τοις εκατό των ανθρώπων με αυτή την πάθηση θα ήταν ζωντανός και το 50 τοις εκατό θα πεθάνει.

Όταν μπορεί να χρησιμοποιηθεί η μέση διάρκεια επιβίωσης

Υπάρχουν πολλοί τρόποι με τους οποίους μπορείτε να ακούσετε τον μέσο όρο επιβίωσης που χρησιμοποιείται:

Σύγκριση και αντισύλληψη της μέσης επιβίωσης με άλλες στατιστικές

Η μέση επιβίωση χρησιμοποιείται για να μιλήσει για πολλές θεραπείες για καρκίνο. Μπορεί να είναι μια καλύτερη εκτίμηση από το μέσο ποσοστό επιβίωσης (το μέσο χρονικό διάστημα που ζει κάποιος για παράδειγμα) όταν υπάρχει μεγάλη ποικιλία στον τρόπο με τον οποίο οι άνθρωποι ανταποκρίνονται σε μια κατάσταση ή θεραπεία.

Μερικοί άλλοι στατιστικοί όροι που μπορείτε να ακούσετε περιλαμβάνουν το ποσοστό επιβίωσης, την επιβίωση χωρίς εξέλιξη και πολλά άλλα, τα οποία ορίζονται στο παρόν άρθρο.

Πλεονεκτήματα και μειονεκτήματα της χρήσης μέσης επιβίωσης με καρκίνο

Χωρίς να συζητήσουμε στατιστικά στοιχεία, είναι σημαντικό να σημειωθεί ότι οποιαδήποτε στατιστική έχει μειονεκτήματα όταν περιγράφει το προσδόκιμο ζωής ενός καρκίνου ή το όφελος μιας θεραπείας.

Μερικά παραδείγματα αναφέρονται παρακάτω.

Στατιστική vs. κλινική σημασία της μέσης επιβίωσης

Είναι σημαντικό να επαναλάβουμε ότι η στατιστική σημασία και η κλινική σημασία δεν είναι τα ίδια. Η στατιστική σημασία (για παράδειγμα, πόσο διεγερμένοι ερευνητές μπορούν να πάρουν από το αποτέλεσμα μιας μελέτης) παρέχει πληροφορίες σχετικά με την αξιοπιστία μιας μελέτης, ενώ η κλινική σημασία περιγράφει πόσο σημαντικό είναι αυτό για μεμονωμένους ανθρώπους. Υπάρχουν πολλές μεταβλητές που πρέπει να ληφθούν υπόψη, όπως η έκταση μιας αλλαγής στη διάμεση επιβίωση, η ανοχή της θεραπείας που αλλάζει τη μέση επιβίωση, καθώς και η τοξικότητα.

Ένα παράδειγμα που αναφέρθηκε είναι το παράδειγμα μερικών στόχων φαρμάκων που χρησιμοποιούνται για τον καρκίνο του παγκρέατος.

Μία μελέτη που έδειξε ότι ο συνδυασμός αύξησε τη διάμεση επιβίωση από 5,91 μήνες σε 6,24 μήνες ήταν πολύ στατιστικά σημαντική, αλλά όχι τόσο κλινικά. Σε αυτό το παράδειγμα, η κλινική σημασία ήταν ότι οι άνθρωποι ζούσαν κατά μέσο όρο 10 ακόμη ημέρες, ενώ επίσης υπέφεραν από τις παρενέργειες και το κόστος της θεραπείας.

Σε άλλες περιπτώσεις, μια μελέτη μπορεί να μην έχει μεγάλη στατιστική σημασία αλλά μπορεί να έχει πολύ σημαντικές κλινικές διαφορές. οι άνθρωποι θα βιώσουν σημαντική βελτίωση.

Οι στατιστικές είναι αριθμοί που δεν είναι άνθρωποι

Είναι εξαιρετικά σημαντικό να σημειώσουμε ότι οι στατιστικές οποιουδήποτε είδους είναι απλά αριθμοί. Οι άνθρωποι διαφέρουν ευρέως στον τρόπο με τον οποίο ανταποκρίνονται στις θεραπείες και για πόσο καιρό ζουν με διάφορες θεραπείες. Υπάρχουν πολλοί παράγοντες που μπορούν να αυξήσουν ή να μειώσουν την πιθανότητα κάποιας επιβίωσης με καρκίνο.

Είναι επίσης σημαντικό να σημειώσετε ότι τυχόν στατιστικά στοιχεία που ακούτε σχετικά με τον καρκίνο είναι συχνά λίγα χρόνια. Σημειώνεται πρόοδος όσον αφορά τη θεραπεία του καρκίνου. Οι συχνά αναφερόμενες στατιστικές επιβίωσης για καρκίνο του πνεύμονα είναι ηλικίας 5 ετών. Τούτου λεχθέντος, υπήρχαν περισσότερες θεραπείες εγκεκριμένες για καρκίνο του πνεύμονα κατά την περίοδο από το 2012 έως το 2017, από ό, τι στην περίοδο των 40 ετών πριν από το 2011. Αυτό είναι μόνο ένας από τους πολλούς λόγους για να κρεμάσει για να ελπίζουμε.

Παραδείγματα:

Ο Jack είπε ότι η μέση επιβίωση για τα άτομα με καρκίνο του πνεύμονα στο στάδιο 3Β είναι 13 μήνες. Αυτό θα σήμαινε ότι, στατιστικά, είχε περίπου 50% πιθανότητα να είναι ζωντανός με την ασθένειά του σε 13 μήνες.

> Πηγές:

> Chiba, Y. Kaplan-Meier καμπύλες για επιζήμιες αιτίες επιδράσεων με αποτελέσματα χρόνου-συμβάντος. Κλινικές Δοκιμές . 2013. 10 (4): 515-21.

> Ranganathan, Ρ., Pramesh, C., και Μ. Buyse. Comon παγίδες στη στατιστική ανάλυση: κλινική έναντι στατιστικής σημασίας. Προοπτικές στην κλινική έρευνα . 2015. 6 (3): 169-170.