STATISTIK-FORUM.de

[Christoph_7]

Liebes Forum, schon vorab vielen Dank für die Beschäftigung mit meinem Problem.

Ich beschäftige mich aktuell mit medizinischen Daten und frage mich, ob ich die richtigen statistischen Tests anwende.

Grob gesagt untersuche ich, ob es einen Zusammenhang zwischen Daten aus einer medizinischen Bildgebung und der Länge des Überlebens bei Patienten mit einem Karzinom gibt.
Die Daten der medizinischen Bildgebung liegen als stetige Merkmale vor.

Im ersten Schritt wurden die Patienten in zwei Gruppen unterteilt: Patienten die überlebten und Patienten die während des Beobachtungszeitraum verstarben (Nachbeobachtung mindestens 24 Monate; maximal 29 Monate). Mittels des Mann-Whitney-U-Test konnte ich zeigen, dass es keinen signifikanten Unterschied in den Daten der medizinischen Bildgebung zwischen diesen Patientengruppen gab.

In einem zweiten Schritt möchte ich nun untersuchen, ob die Höhe der Daten aus der Bildgebung mit der Dauer des Überlebens (Werte zwischen 0 und 29 Monaten) korrelieren. Hierfür habe ich die Spearman-Korrelation angewendet, bin mir jedoch unsicher, ob das korrekt ist.

Wie würdet ihr das sehen? Falls euch noch Informationen fehlen, ich liefere gerne noch weitere.

Vielen Dank für eure Hilfe.

[bele]

Hallo Christoph,

die Unterteilung in lebende und verstorbene erscheint nachvollziehbar, sie hat aber ein großes Problem: Wenn sich bei den verstorbenen ein leichter Einfluss andeutet, der aber knapp nicht signifikant wird und bei den lebenden Ein leichter Einfluss andeutet, der aber knapp nicht signifikant wird, dann findest Du nichts. Zusammengenommen könnten die Daten aber vielleicht doch umfangreich genug sein, dass man den Einfluss daran beweisen kann. Du solltest daher gut überlegen, ob Du nicht vorrangig eine Cox-Regression rechnen möchtest, die mit den Daten beider Gruppen gemeinsam umgehen kann. Das erscheint mir das üblichere und bessere Vorgehen. Deine Einzelanalysen kannst Du ggf. immer noch nachrangig berichten.
Ein Leseeinstieg dazu könnte das hier sein: https://www.thieme-connect.de/products/ ... 959039.pdf (DOI 10.1055/s-2007-959039 Dtsch Med Wochenschr 2007;132: e42–e44)

Zu Deiner konkreten Frage: Du hast noch nicht berichtet, welches Skalenniveau die "Daten aus einer medizinischen Bildgebung" haben. "Nimmt KM auf oder nicht" wäre dichotom, Tumorausdehnung nach TNM wäre ordinal und geschätztes Volumen des Primärtumors wäre metrisch. Ohne das lässt sich kein Korrelationsmaß empfehlen.

LG,
Bernhard

[PonderStibbons]

Es liegen Überlebenszeitdaten mit zensierten Bebachtungen vor. Daher wären Verfahren für
Überlebenszeitanalysen angebracht, beispielsweise Cox Regression; oder auch Kaplan-Meier
(wofür man in der zweiten Analyse die Variable "Höhe" in drei oder mehr Kategorien aufteilen
müsste, eventuell entsprechend fachlich sinnvoller Grenzwerte). Leider sind die Stichprobengröße
und der Anteil zensierter Beobachtungen nicht angegeben.

Mit freundlichen Grüßen

PonderStibbons

[Christoph_7]

Vielen Dank schon mal für eure Antworten.

Zu den Nachfragen:
Die Daten aus der Bildgebung sind metrisch, es handelt sich um Daten aus der PET-Untersuchung der Patienten.
N = 16 (Somit recht klein).
Eine sinnvolle Unterteilung in mehrere Gruppen anhand der PET-Parameter ist vermutlich nicht sinnvoll, da es keine keine Trennung gibt (auch in der Literatur gibt es dort nur wenig sinnvolle Grenzwerte).
Zensiert sind 7 der 16 Patienten, weil Sie am Ende des Nachbeobachtungszeitraum noch gelebt haben.

[PonderStibbons]

Da stellt sich aus Sicht des gesunden Menschenverstandes schon die Frage,
ob man sich in der Medizin auf Schlussfolgerungen verlassen möchte, die auf
Basis von 16 Beobachtungen, davon 7 unvollständig getroffen werden.

[bele]

Hallo Christoph,

die kleine Stichprobe von nur 16 Patienten ist nicht groß, aber einen Versuch wert. Wenn Du jetzt nur die 7 Verstorbenen für eine Korrelation der Überlebenszeit nimmst, kannst Du nur wirklich starke Effekte finden. Die Überlebenszeit der noch lebenden erscheint mir keine sinnvolle Größe zu sein.

Überlebenszeit in Monaten und ein metrischer Wert aus der PET kannst Du als Pearson-Korrelation rechnen, wenn Du einen linearen Zusammenhang suchen möchtest oder Du kannst Spearman oder Kendal verwenden, wenn es Dir um einen "je mehr - desto mehr" Zusammenhang geht. Letzteres ist wahrscheinlicher und bei letzterem musst Du Dir für den Signifikanztest keine Gedanken machen, ob da irgendwas normalverteilt ist.

Wie gesagt, eine Cox-Regression mit der Größe aus dem PET als unabhängige Variable und dem beobachteten Überlegen als abhängiger erfasst und verwertet alle vorhandenen Daten und kann bei Bedarf notfalls auch noch durch einen anderen wichtigen Faktor, sagen wir Raucherstatus oder Kachexie oder frailty (bei n = 16 aber nicht alle drei), ergänzt werden, was weder der Mann-Whitney-U-Test noch die Spearman-Korrelation kann.

Zu PonderStibbons' Einwand würde ich gerne ergänzen, dass er zwar Recht hat, dennoch gibt es seltene Entitäten bei denen auch Beobachtungen an wenigen Patienten so gut wie möglich ausgewertet werden müssen. In der Medizin muss man dann damit rechnen, dass ein p-Wert verlangt wird. Das muss halt in der Argumentation der Arbeit ansonsten berücksichtigt werden.


LG,
Bernhard

[Christoph_7]

Prinzipiell geht es mir primär darum zu zeigen, dass eine Unterscheidung zwischen dem Überleben und dem Versterben anhand der PET-Daten schwierig ist, was verschiedenste Gründe hat (Auf die ich dann in der Diskussion eingehe).

Da eben diese Unterscheidung nicht möglich ist/war, habe ich zunächst von einer Cox-Regression Abstand genommen.

Würdet ihr eher einen Cut-Off-Wert schaffen (sozusagen den bestmöglichen Wert), es gibt Paper in dieser Richtung die mehrere Werte mittels Cox-Regression ausprobieren und den Besten nehmen.
Gibt es noch andere Testverfahren mit denen ich zeigen kann, dass oben genannte Unterscheidung schwierig ist.

Vielen vielen Dank.

[Christoph_7]

Da stellt sich aus Sicht des gesunden Menschenverstandes schon die Frage,
ob man sich in der Medizin auf Schlussfolgerungen verlassen möchte, die auf
Basis von 16 Beobachtungen, davon 7 unvollständig getroffen werden.

Nein das sollte man ganz sicher nicht tun!

Diese Projekt ist Teil eines größeren Projektes und es geht in diesem Teil mehr darum Hinweise darauf zu geben, dass etwas nicht so gut funktioniert, auch wenn ein n=16 sicher schwierig (wenn auch nicht unüblich) ist.

[Christoph_7]

Hallo Christoph,

die kleine Stichprobe von nur 16 Patienten ist nicht groß, aber einen Versuch wert. Wenn Du jetzt nur die 7 Verstorbenen für eine Korrelation der Überlebenszeit nimmst, kannst Du nur wirklich starke Effekte finden. Die Überlebenszeit der noch lebenden erscheint mir keine sinnvolle Größe zu sein.

Überlebenszeit in Monaten und ein metrischer Wert aus der PET kannst Du als Pearson-Korrelation rechnen, wenn Du einen linearen Zusammenhang suchen möchtest oder Du kannst Spearman oder Kendal verwenden, wenn es Dir um einen "je mehr - desto mehr" Zusammenhang geht. Letzteres ist wahrscheinlicher und bei letzterem musst Du Dir für den Signifikanztest keine Gedanken machen, ob da irgendwas normalverteilt ist.

Wie gesagt, eine Cox-Regression mit der Größe aus dem PET als unabhängige Variable und dem beobachteten Überlegen als abhängiger erfasst und verwertet alle vorhandenen Daten und kann bei Bedarf notfalls auch noch durch einen anderen wichtigen Faktor, sagen wir Raucherstatus oder Kachexie oder frailty (bei n = 16 aber nicht alle drei), ergänzt werden, was weder der Mann-Whitney-U-Test noch die Spearman-Korrelation kann.

Zu PonderStibbons' Einwand würde ich gerne ergänzen, dass er zwar Recht hat, dennoch gibt es seltene Entitäten bei denen auch Beobachtungen an wenigen Patienten so gut wie möglich ausgewertet werden müssen. In der Medizin muss man dann damit rechnen, dass ein p-Wert verlangt wird. Das muss halt in der Argumentation der Arbeit ansonsten berücksichtigt werden.


LG,
Bernhard

Vielen Dank für die Antwort.

Ich verstehe es richtig, dass für eine korrekte Korrelation (bspw. mittels Spearman) alle zensierten Patienten ausgeschlossen werden müssen?

Bzgl. der Cox-Regression muss ich aber die metrischen PET-Daten in zwei Gruppen einteilen oder?

Ihr habt mir schon sehr viel geholfen!

[bele]

Hallo Christoph,

Würdet ihr eher einen Cut-Off-Wert schaffen (sozusagen den bestmöglichen Wert)

ich kann Deiner Argumentation nicht folgen. In meinen Ohren klingt sie etwa so: Weil die Lebenden und die Verstorbenen keine unterschiedlichen PET-Werte hatten, möchte ich jetzt bestimmen, ab welchem PET-Wert man eher stirbt.

Nichts hindert Dich daran, mit Deinen 16 Werten eine ROC-Kurve zu zeichnen und eine AUC zu bestimmen. Methodisch ist es etwas unbefriedigend, dass einige der untersuchten 29, andere nur 24 Monate Zeit hatten um "ein Ereignis" zu produzieren, aber ROC-Kurven machen sich gut im Paper und auf Vortragsfolien und angesichts der Unsicherheiten durch die kleine Stichprobe werden die 5 Monate den Kohl auch nicht fett machen.

Wenn die Arbeit ein peer review Verfahren durchlaufen soll musst Du mit der Frage nach dem Cox-Model rechnen und wenn Du magst, darfst Du Deine Antwort darauf mit uns diskutieren.

Ich verstehe es richtig, dass für eine korrekte Korrelation (bspw. mittels Spearman) alle zensierten Patienten ausgeschlossen werden müssen?

Meines Erachtens ist "Zeit bis zum Versterben" eine sinnvolle Größe, "Zeit bis zum Ende der Studie" keine.

Bzgl. der Cox-Regression muss ich aber die metrischen PET-Daten in zwei Gruppen einteilen oder?

Nein. Vielleicht verwechselst Du das mit dem Log-Rank-Test?

LG,
Bernhard