چرا سانسور چپ در پایش دیرهنگام بیماری، منحنی‌های کاپلان-مایر را مخدوش می‌کند؟

وقتی ثبت داده‌های یک بیمار پس از بروز بیماری آغاز می‌شود، منحنی‌های استاندارد کاپلان-مایر تصویر مخدوشی از بقا ارائه می‌دهند؛ زیرا بیمارانی را در معرض خطر در نظر می‌گیرند که در آن بازه عملاً و از نظر ریاضیاتی امکان روی دادن واقعه مرگ برایشان وجود نداشته است. این خطای ساختاری، مخرج کسر را در فواصل زمانی اولیه به شکل کاذب بزرگ می‌کند، تمام منحنی بقا را به سمت بالا می‌کشد و میانه زمان بقا را بیشتر از مقدار واقعی نشان می‌دهد.[3]

ریشه این اعوجاج در یکی پنداشتن دو سازوکار کاملاً متفاوت داده‌های گم‌شده است. پژوهشگران اغلب این ورود دیرهنگام را «سانسور از چپ» می‌نامند، در حالی که ماهیت واقعی این پدیده «برش از چپ» است.[2]

سانسور از چپ بدین معناست که واقعه پیش از آغاز پایش رخ داده و زمان دقیق آن نامشخص است. در مقابل، برش از چپ به وضعیتی اشاره دارد که بیمار تنها به این دلیل وارد مطالعه شده که تا زمان آغاز پایش زنده مانده است.[2]

خلط میان این دو سازوکار از رایج‌ترین لغزش‌ها در تحلیل بقاست. هنگامی که تحلیل‌گران با داده‌های برش‌خورده از چپ مشابه داده‌های سانسور‌شده از راست یا داده‌های کامل از لحظه صفر برخورد می‌کنند، سوگیری بقای فاحشی را به محاسبات خود تحمیل می‌کنند.[2]

دینش کومار، دانشمند علوم داده، در بررسی خود پیرامون سازوکارهای سانسور می‌نویسد: «تحلیل بقا درباره مرگ نیست؛ درباره زمان است و این‌که وقتی زمان زودتر از داده‌های ما تمام می‌شود، چه واکنشی نشان می‌دهیم.»[2]

ریاضیات تورم مجموعه در معرض خطر

برآوردگر کاپلان-مایر احتمال بقا را از طریق ضرب احتمالات شرطی بقا در بازه‌های زمانی متوالی محاسبه می‌کند. در هر مقطع زمانی، مخرج کسر همان «مجموعه در معرض خطر» است که تعداد کل بیمارانی را نشان می‌دهد که هم‌اکنون تحت پایش بوده و در معرض رخداد واقعه قرار دارند.

در کارآزمایی‌های همگروهی استاندارد و آینده‌نگر، تمامی بیماران در نقطه زمانی صفر وارد مجموعه در معرض خطر می‌شوند. اما در مطالعات مشاهده‌ای، پایگاه‌های ثبت بیماران یا بانک‌های داده ژنومی-بالینی، ورود افراد غالباً ماه‌ها یا سال‌ها پس از تشخیص اولیه بیماری صورت می‌گیرد.[1]

برای نمونه، اگر تشخیص فردی در دی‌ماه ثبت شده باشد اما توالی‌یابی ژنتیکی و ورود وی به مطالعه در خردادماه انجام گیرد، او شش ماه را پیش از آغاز مشاهده سپری کرده است. یک مدل ناآگاه و ساده‌انگار کاپلان-مایر، چنین بیماری را از همان دی‌ماه در مجموعه افراد در معرض خطر لحاظ می‌کند.[1][3]

این محاسبات توهمی ریاضیاتی از گزندناپذیری ایجاد می‌کند. بیمار در آن شش ماه نخست در مخرج کسر شمرده می‌شود، در حالی که شانس ظاهر شدن در صورت کسر برای او صفر بوده است؛ زیرا اگر جان باخته بود، هرگز شانس ورود به پژوهش را نمی‌یافت.[3]

با بزرگ کردن تصنعی مخرج بدون آنکه احتمالی برای اضافه شدن به صورت کسر وجود داشته باشد، نرخ خطر محاسبه‌شده به‌طور غیرواقعی فروکش می‌کند و احتمال بقا در ماه‌های نخستین به شکلی کاذب به عدد ۱۰۰ درصد نزدیک می‌شود.[3]

سنجش میزان سوگیری صعودی

دامنه این انحراف اصلاً ناچیز نیست. در یک همگروهی شبیه‌سازی‌شده از ۲۱ فرد که طی دوره‌ای ۱۵۰ ماهه ۱۰ واقعه در آن ثبت شد، نادیده گرفتن ورود دیرهنگام منحنی بقا را در سرتاسر بازه زمانی مطالعه دستخوش تورم کرد.

برآوردگر خام و اصلاح‌نشده، سوگیری صعودی میانگینی برابر با ۰.۰۵۹ در احتمال بقا نشان داد و بیشینه این انحراف به ۰.۰۹۳ رسید. چنین بیش‌برآوردی سیستماتیکی، میانه زمان بقا را از رقم اصلاح‌شده ۱۳۳.۱ ماه به عددی بالاتر و با خوش‌بینی کاذب منتقل ساخت.[3]

شواهد بالینی در جهان واقعی نیز همین نقص ساختاری را بازتاب می‌دهند. تحلیلی در سال ۲۰۲۱ روی بیماران مرحله چهارم سرطان ریه سلول غیرکوچک و سرطان کولورکتال، اثر مستقیم ورود دیرهنگام بر برآوردهای بقای کلی را بررسی کرد.[1]

در میان بیماران سرطان ریه که تحت درمان با کربوپلاتین و پمترکسید قرار داشتند، ۴۱ درصد بیماران تعیین توالی ژنومی خود را پس از آغاز خط اول درمان انجام داده بودند. برای گروه سرطان کولورکتال تحت رژیم فولفوکس، این ورود دیرهنگام به میزان ۱۴ درصد ثبت شد.[1]

پژوهشگران پی بردند که چشم‌پوشی از این تأخیر ورودی، صرف‌نظر از نوع گروه یا تاریخ آغاز در نظر گرفته‌شده، به بیش‌برآوردی مستمر بقای کلی انجامیده است. به بیان دیگر، منحنی‌های خام کاپلان-مایر اساساً با سوگیری طول زمان خدشه‌دار شده بودند.[1]

تصحیح برآوردگر آماری

اصلاح این انحراف مستلزم بازتعریف شیوه تشکیل مجموعه در معرض خطر در زمان وقوع هر واقعه است. برآوردگر تعدیل‌شده کاپلان-مایر به جای فرض این که همه افراد از لحظه صفر در معرض خطرند، زمان دقیق ورود و خروج را توأمان مبنا قرار می‌دهد.

در این چارچوب تعدیل‌شده، بیمار صرفاً در نقطه زمانی معین ورودش وارد مجموعه در معرض خطر می‌شود. بنابراین، مخرج کسر در هر لحظه دقیقاً تنها شامل افرادی خواهد بود که رسماً وارد پایش شده‌اند و واقعه رخ نداده یا مطالعه را ترک نکرده‌اند.[3]

با بازگشت به بیماری که دی‌ماه بیماری‌اش تشخیص داده شد و در خردادماه به طرح پیوست، مدل تصحیح‌شده او را در آن شش ماه نخست به کلی از مخرج خطر بیرون نگاه می‌دارد. بیمار از خرداد به بعد در مخرج مشارکت می‌کند؛ حرکتی که بازه قرارگیری در معرض خطر را کاملاً با بازه پایش تطبیق می‌دهد.[3]

این اصلاح ساده، «زمان نامیرا» را از فرآیند محاسبات حذف می‌کند. برآوردگر تعدیل‌شده با محدود ساختن اثرگذاری هر فرد به دوران پس از پیوستنش به مطالعه، تابع بقای شرطی بدون سوگیری را ارائه می‌دهد.

پیش‌فرض برش مستقل

اگرچه اعمال ریاضی این اصلاح سرراست است، اعتبار آن بر فرضی کلیدی به نام «برش نامرتبط و مستقل» تکیه دارد؛ بدین معنا که زمان ورود بیمار به مطالعه نباید پیوندی با میزان خطر بنیادین واقعه برای وی داشته باشد.[3]

چنانچه بیمارانی که دیرتر به جمع افراد مطالعه ملحق می‌شوند ذاتاً سالم‌تر یا بدحال‌تر از ورودی‌های ابتدایی باشند، اعمال تعدیل برش به تنهایی نمی‌تواند سوگیری را رفع کند. در این وضعیت، خودِ سازوکار ورود حامل اطلاعات است و روش‌های پیچیده‌تر مدل‌سازی توأم را می‌طلبد.[2][3]

در بسیاری از پایگاه‌های ژنومی-بالینی، دستور توالی‌یابی معمولاً با پیشرفت بیماری یا شکست در مسیر درمان صادر می‌شود. این مسئله سناریویی می‌سازد که در آن ورود دیرهنگام همبستگی بالایی با پیش‌آگهی دارد و فرض استقلال برش را به چالش می‌کشد.[1]

با وجود این پیچیدگی، اصلاح برش از چپ نخستین گام اجتناب‌ناپذیر است. این کار بادکردگی مکانیکی مجموعه در معرض خطر را منتفی ساخته و هرگونه سوگیری باقی‌مانده را محدود به سازوکار غربالگری بالینی می‌کند، نه خطای صرف ریاضیاتی.[1][3]

پیاده‌سازی در نرم‌افزار و ثبت گزارش

نرم‌افزارهای آماری نوین در صورت تعریف درست داده‌ها توسط تحلیل‌گر، برش از چپ را به خوبی پشتیبانی می‌کنند. به جای متغیر منفرد «زمان تا رخداد»، ساختار داده باید با تعیین دقیق زمان آغاز و پایان برای هر فرد چیده شود.

در زبان آماری R، این امر با استفاده از قواعد نحوی خاص فرایند شمارش در بسته survival انجام می‌شود که زمان‌های ورود و خروج را معین می‌کند. این فرمت نرم‌افزار را ملزم می‌کند ورود دیرهنگام را بشناسد و مخرج کسر را در هر گام به درستی بسازد.[1]

هنگام گزارش ارقام بقا حاصل از داده‌های مشاهده‌ای، پژوهشگران باید به صراحت توضیح دهند که آیا ورود دیرهنگام را لحاظ کرده‌اند و اگر پاسخ مثبت است، به چه روشی. میانه بقایی که از یک منحنی خام کاپلان-مایر در داده‌های ثبتی به دست می‌آید، باید با تردید جدی نگریسته شود.[3]

پیامدهای ثانویه بر نسبت‌های خطر

آسیب ناشی از برش چپ صرفاً به منحنی کاپلان-مایر محدود نمانده و مستقیماً به مدل‌های نیمه‌پارامتریک نیز رخنه می‌کند. زمانی که مخرج در معرض خطر تصنعی باد کند، تابع خطر پایه نیز به طور پیوسته کمتر از میزان واقعی تخمین زده می‌شود.[3]

در رگرسیون خطرات متناسب کاکس، تلقی داده‌های برش‌خورده از چپ به مثابه داده‌های مشاهده‌شده از لحظه صفر، نسبت‌های خطر تخمینی را به سمت فرض صفر یا بی‌اثری سوق می‌دهد. مدل قادر به تشخیص تفاوت‌های واقعی میان گروه‌ها نخواهد بود، زیرا رویدادهای اولیه توسط بیماران به ظاهر فناناپذیر رقیق شده‌اند.

اصلاح مدل کاکس نیز دقیقاً نیازمند همان ساختار داده‌ای شروع-پایان است که برای کاپلان-مایر تعدیل‌شده به کار می‌رود. با تطبیق مجموعه‌های در معرض خطر، مدل می‌تواند اثرات تعدیل‌شده را دقیق ارزیابی کند و توان آماری از دست‌رفته را بازگرداند.[2]

در نهایت، تحلیل بقا برای این خلق شده تا از داده‌های ناکامل معانی معتبر استخراج کند. با این حال، لحاظ کردن غایبان به جای حاضران با منطق بنیادین این علم در تضاد است و این ابزار کارآمد آماری را به موتوری برای اطمینان کاذب تبدیل می‌کند.[2][3]