Die Kaplan-Meier-Analyse ist ein nichtparametrisches Verfahren zur Schätzung einer Überlebensfunktion aus Zeit-bis-Ereignis-Daten. Sie zeigt für jeden Zeitpunkt die geschätzte Wahrscheinlichkeit, bis dahin ereignisfrei zu bleiben, und berücksichtigt dabei zensierte Beobachtungen. In klinischen Studien wird sie häufig für Endpunkte wie Gesamtüberleben, progressionsfreies Überleben oder Zeit bis zum ersten definierten Ereignis eingesetzt.
Grundprinzip der stufenförmigen Schätzung
Die Kaplan-Meier-Kurve verändert sich bei jedem beobachteten Ereignis stufenweise. Zu jedem Ereigniszeitpunkt wird die bedingte Wahrscheinlichkeit, ereignisfrei zu bleiben, aus der Zahl der zu diesem Zeitpunkt noch beobachteten Personen und der Zahl der Ereignisse bestimmt. Die aufeinanderfolgenden bedingten Wahrscheinlichkeiten werden multipliziert. So entsteht eine Schätzung der Überlebensfunktion über die Zeit.
Die Kurve bildet nicht nur den Anteil mit Ereignis ab, sondern die zeitliche Verteilung der Ereignisse. Dadurch können Studien mit gleicher Ereigniszahl am Ende der Nachbeobachtung unterschiedliche Verläufe zeigen. Üblich sind Angaben zur Zahl der noch unter Beobachtung stehenden Teilnehmenden, zu Konfidenzintervallen und zur vorab definierten Analysepopulation. Ein Median kann nur geschätzt werden, wenn die Kurve die Marke von 50 Prozent erreicht.
Zensiert wird eine Beobachtung, wenn für eine teilnehmende Person bis zu einem festgelegten Zeitpunkt kein Ereignis dokumentiert ist, die weitere Ereigniszeit aber nicht bekannt ist. Gründe können das Ende der Nachbeobachtung, Rückzug oder Verlust der Nachverfolgung sein. Die Person trägt bis zum Zensierungszeitpunkt Information zum Risiko-Set bei, danach nicht mehr. Zensierung ist nicht gleichbedeutend mit einem ereignisfreien Abschluss.
Die Analyse setzt für ihre übliche Interpretation voraus, dass die Zensierung im gegebenen Kontext nicht informativ ist, also nach berücksichtigten Informationen nicht systematisch mit der künftigen Ereigniszeit zusammenhängt. Unterschiedliche Nachverfolgung oder unvollständige Erfassung können diese Annahme gefährden. Ereignisdefinition, Zensierungsregeln, Umgang mit Folgetherapien und Datenschnitte müssen deshalb im Protokoll und statistischen Analyseplan klar festgelegt werden.
Vergleich von Behandlungsgruppen
Kaplan-Meier-Kurven ermöglichen die grafische Gegenüberstellung von Gruppen, liefern jedoch für sich allein keine vollständige Effektanalyse. Ein Log-Rank-Test kann eine vorab definierte Testhypothese zu unterschiedlichen Überlebenskurven prüfen. Eine Hazard Ratio aus einem geeigneten Modell ergänzt die Darstellung um ein relatives Maß der Ereignisraten. Beide Verfahren beantworten verwandte, aber nicht identische Fragen und beruhen auf Annahmen, die geprüft und transparent berichtet werden sollten.
Bei sich kreuzenden Kurven oder zeitlich wechselndem Behandlungseffekt kann eine einzelne Hazard Ratio schwer interpretierbar sein. Dann können je nach klinischer Frage vorab festgelegte zusätzliche Kennzahlen oder Analysen erforderlich sein. Bei konkurrierenden Risiken ist besonders sorgfältig zu wählen, welche Ereigniswahrscheinlichkeit oder welcher Effekt geschätzt werden soll; eine Standard-Kaplan-Meier-Kurve behandelt ein konkurrierendes Ereignis nicht als das interessierende Ereignis.
Abgrenzung zur Survival-Analyse
Survival-Analyse, auf Deutsch Überlebenszeitanalyse, bezeichnet das gesamte Methodenfeld für Daten, bei denen der Zeitraum bis zu einem Ereignis interessiert und Beobachtungen zensiert sein können. Dazu gehören neben der Kaplan-Meier-Schätzung beispielsweise Regressionsmodelle, Tests für Gruppenvergleiche, Modelle mit zeitabhängigen Kovariaten und Verfahren für konkurrierende Risiken.
Die Kaplan-Meier-Analyse ist damit ein konkretes Verfahren innerhalb der Survival-Analyse. Sie schätzt und visualisiert die Überlebensfunktion, modelliert aber nicht automatisch den Einfluss mehrerer Kovariaten und löst nicht jede Fragestellung zu Zeit-bis-Ereignis-Daten. Die Bezeichnung Survival-Analyse darf daher nicht als Synonym für die Kaplan-Meier-Kurve verwendet werden.
Bedeutung für klinische Studien
Für die Aussagekraft einer Kaplan-Meier-Analyse sind konsistente Ereignisbewertungen und eine sorgfältige Nachverfolgung entscheidend. Die Datenprüfung muss klären, ob Daten zu Ereignisdatum, Zensierungsdatum und Status vollständig und plausibel vorliegen. In konfirmatorischen Studien sollte die primäre Auswertung vorab spezifiziert sein; ergänzende Darstellungen und Sensitivitätsanalysen dienen der transparenten Einordnung der Ergebnisse.
Full-Service-CROs wie Mediconomics unterstützen bei der Definition zeitabhängiger Endpunkte, bei der Erstellung des statistischen Analyseplans und bei der Programmierung von Kaplan-Meier-Tabellen und -Grafiken. Sie koordinieren Datenmanagement, medizinische Bewertung und Biostatistik, prüfen die Konsistenz von Ereignis- und Nachverfolgungsdaten und bereiten die Auswertungen für den klinischen Studienbericht auf.
Häufig gestellte Fragen (FAQ)
Zeigt jede Markierung auf der Kurve ein Ereignis?
Nein. Markierungen kennzeichnen häufig zensierte Beobachtungen; Stufen nach unten entstehen durch die als Ereignis definierten Beobachtungen.
Kann eine Kaplan-Meier-Kurve fehlende Daten automatisch ausgleichen?
Nein. Sie berücksichtigt Zensierung unter bestimmten Annahmen. Informative Ausfälle oder fehlerhafte Daten können die Schätzung verzerren.
Ist der Median immer der wichtigste Wert?
Nein. Er ist nur eine mögliche Zusammenfassung. Der gesamte Kurvenverlauf und die klinische Fragestellung können wichtiger sein. Zusätzlich ist zu berücksichtigen, ob die Nachbeobachtung in beiden Gruppen ausreichend lang und gleichwertig war. Die Kurve zeigt eine Schätzung aus den beobachteten Daten, keine Garantie für einen Verlauf außerhalb des Beobachtungszeitraums.
Regulatorische Referenzen
- ICH E9, Statistical Principles for Clinical Trials — fordert vorab geplante, nachvollziehbare Analysen klinischer Endpunkte.
- ICH E9(R1), Addendum on Estimands and Sensitivity Analysis in Clinical Trials — behandelt Zeit-bis-Ereignis-Daten im Rahmen klarer Estimands.
- ICH E6(R3), Guideline for Good Clinical Practice — verlangt einen dokumentierten Umgang mit Daten, Auswertungen und Analyse-Sets.
- Cochrane Handbook, Chapter 6 — erläutert Zeit-bis-Ereignis-Daten und dazu verwendete Effektmaße.
