Análise de Sobrevida (Kaplan–Meier)
Curvas de Kaplan–Meier para medir tempo-até-evento no SUS: sobrevida do câncer de pulmão por subtipo histológico, com teste de log-rank.
Uma das análises mais frequentes em saúde é medir o tempo que um evento demora para acontecer. A estimativa de Kaplan–Meier (KM) é um método eficaz para medir o tempo de sobrevida de uma população após um tratamento — e, mais genericamente, o tempo até eventos de qualquer natureza (análise time-to-event). Isso a torna muito útil em pesquisa clínica e em estudos de Real-World Evidence (RWE).
Desfechos que a Kaplan–Meier Permite Medir
-
Sobrevida oncológica
Tempo do diagnóstico ou início de tratamento até a morte de pacientes com câncer.
-
Progressão da doença
Tempo até a metástase ou recorrência local de um tumor.
-
Readmissão hospitalar
Tempo até readmissão após alta médica — ex.: pacientes com asma.
-
Outros eventos
Tempo até o encerramento da amamentação, fechamento de feridas, recorrência de cálculos biliares e muitos outros.
A Mecânica da Curva e a Censura
A função de sobrevida é a probabilidade de o desfecho não ocorrer em cada momento do tempo — o produto acumulado do complemento da função de risco (hazard). Como trabalhamos com dados de mundo real (RWD), é frequente que nem todos os dados sejam conhecidos no momento da análise (ex.: falha de follow-up). Esses pacientes são censurados: não são contados como vivos nem mortos a partir da censura. Considerar a censura é essencial para não subestimar o resultado.
Comparando Subtipos: Câncer de Pulmão no RCBP
Utilizando o Registro de Câncer de Base Populacional (RCBP), avaliamos quanto tempo, desde o diagnóstico até a morte por qualquer causa, vivem os pacientes com câncer de pulmão no SUS. Dividimos os pacientes em dois grupos histológicos: adenocarcinoma e carcinoma de células escamosas.
Ao comparar duas curvas, é fundamental um teste de hipótese para as distribuições de sobrevida. O mais utilizado é o log-rank, que compara as funções de risco dos grupos em cada tempo observado e determina o valor-p. Aqui, p<0,005 — não podemos considerar as funções de risco iguais; a diferença fica clara nas medianas (25 vs. 17 meses).
Goel MK, Khanna P, Kishore J. Understanding survival analysis: Kaplan-Meier estimate. Int J Ayurveda Res. 2010;1(4):274-8.
Miksad RA, Abernethy AP. Harnessing the power of real-world evidence (RWE): A checklist to ensure regulatory-grade data quality. Clin Pharmacol Ther. 2018;103:202-5.