Impacto das censuras na comparação de curvas de sobrevivência: um estudo de simulação

Abstract

A Análise de Sobrevivência é caracterizada pela presença de censuras das quais exigem métodos estatísticos próprios, como o Estimador de Kaplan-Meier e o teste de Logrank. Apesar do uso extensivo destas técnicas, poucos estudos exploram de forma sistemática como os diferentes padrões de censura e tamanhos amostrais afetam os resultados das comparações entre grupos. Foram desenvolvidos cinco cenários simulados, com a presença de censuras simétricas e assimétricas, bem como variações amostrais em diferentes intervalos. Cada cenário é composto por quatro casos, totalizando vinte simulações que avaliaram os tempos medianos de seguimento, através da técnica de Kaplan-Meier Invertido, e os p-values dos testes de Logrank. Os resultados indicam que padrões de censura desbalanceados e distribuições amostrais desiguais entre os grupos geram diferentes estatísticas, mesmo quando as curvas são semelhantes, evidenciando possíveis viéses na interpretação dos resultados. Adicionalmente, foram identificados casos em que não devem ser comparadas as curvas, como exemplo, quando há censuras concentradas em apenas um grupo. Nessa situação o teste Logrank se torna não informativo, levando à subestimação ou superestimação das diferenças, produzindo conclusões enganosas. Este estudo demonstrou a importância de analisar os padrões de censura dos dados analisados quando o objetivo é comparação de curvas de sobrevivência para validar os resultados encontrados. O presente estudo tem como objetivo investigar o impacto das censuras na comparação de curvas de sobrevivência, por meio de simulações computadorizadas.

Survival Analysis is characterized by the presence of censoring which requires its own statistical methods, such as the Kaplan-Meier estimator and the Logrank test. Despite the extensive use of these techniques, few studies have systematically explored how different censoring patterns and sample sizes affect the results of comparisons between groups. Five simulated scenarios were developed, with the presence of symmetrical and asymmetrical censoring, as well as sample variations at different intervals. Each scenario consists of four cases, totaling twenty simulations that evaluated the median follow-up time, using the Inverted Kaplan-Meier technique, and the p-values of the Logrank tests. The results indicate that unbalanced censoring patterns and unequal sample distributions between the groups generate different statistics, even when the curves are similar, showing possible biases in the interpretation of the results. In addition, cases were identified in which the curves should not be compared, such as when censoring is concentrated in just one group. In this situation, the Logrank test becomes uninformative, leading to underestimation or overestimation of the differences, producing misleading conclusions. This study demonstrated the importance of analyzing the censoring patterns of the data analyzed when the aim is to compare survival curves in order to validate the results found. This study aims to investigate the impact of censoring on the comparison of survival curves, using computer simulations.