Definición e significado de supervivencia mediana para persoas con cancro

Comparando a supervivencia mediana coa supervivencia media

¿Que significa o termo médico "supervivencia mediana?" Vexamos cando e por que se lle pode dar información sobre a súa supervivencia mediana, como esta estatística é diferente das "taxas de supervivencia" e que debe saber se se sente ansioso polo seu pronóstico.

Definición: supervivencia mediana

A supervivencia mediana defínese como o tempo despois do cal o 50 por cento das persoas con condición particular aínda viven e un 50 por cento morreron.

Por exemplo, unha supervivencia media de 6 meses indicaría que, despois de 6 meses, o 50 por cento das persoas con esa condición estarían vivas e 50 por cento falecese.

Cando se poida utilizar a supervivencia a mediana prazo

Hai moitas maneiras nas que se pode escoitar o termo de supervivencia mediana empregado:

Comparando e contrastando a supervivencia mediana con outras estatísticas

A supervivencia media úsase para falar de moitos tratamentos para o cancro. Pode ser unha mellor estimación que a taxa de supervivencia media (o tempo medio que alguén vive por exemplo) cando existe unha gran variación na forma en que a xente responde a unha condición ou tratamento.

Algúns outros termos estatísticos que pode escoitar inclúen a supervivencia, a supervivencia sen progresión e máis, que se definen neste artigo.

Vantaxes e desvantaxes de usar supervivencia mediana con cancro

Sen entrar nun debate sobre as estatísticas, é importante notar que calquera estatística ten inconvenientes ao describir a esperanza de vida dun cancro ou o beneficio dun tratamento.

A continuación aparecen algúns exemplos.

Estatística vs significado clínico da supervivencia media

É importante reiterar que a significación estatística e a significación clínica non son as mesmas. A importancia estatística (por exemplo, como os investigadores excitados poden obter do resultado dun estudo) dan información sobre a fiabilidade dun estudo, mentres que o significado clínico describe o importante que isto é para as persoas individuais. Hai moitas variables que deben considerarse, como a extensión dun cambio na supervivencia media, a tolerabilidade do tratamento que cambia a supervivencia media, así como a toxicidade.

Un exemplo que foi citado é o de algúns medicamentos específicos utilizados para o cancro de páncreas.

Un estudo que mostrou a combinación aumentou a supervivencia media entre 5.91 e 6.24 meses foi moi significativa, pero non tanto clínicamente. Neste exemplo, o significado clínico era que a xente vivía, en media, 10 días máis, mentres que tamén sufría os efectos secundarios e os custos do tratamento.

Noutros casos, un estudo pode non ter unha gran importancia estatística, pero pode ter diferenzas clínicas moi significativas; a xente experimentaría unha mellora significativa.

As estatísticas son números NON xente

É moi importante ter en conta que as estatísticas de calquera tipo son simplemente números. As persoas varían moito na forma en que responden aos tratamentos e canto tempo viven con varios tratamentos. Hai moitos factores que poden aumentar ou diminuír as posibilidades de supervivencia de alguén con cancro.

Tamén é crítico notar que as estatísticas que escoitas sobre o cancro adoitan ter algúns anos. Hai que avanzar no tratamento do cancro. As estatísticas de supervivencia citadas por citado cancro de pulmón son de 5 anos. Dito isto, había máis tratamentos aprobados para o cancro de pulmón no período de 2012 a 2017, que no período de 40 anos anteriores a 2011. Esta é só unha das moitas razóns para esperar.

Exemplos:

Jack díxolle que a supervivencia media das persoas con cancro de pulmón de estadio 3B é de 13 meses. Isto significaría que, estadísticamente, tiña aproximadamente un 50 por cento de probabilidades de estar vivo coa súa enfermidade en 13 meses.

> Fontes:

> Chiba, Y. Kaplan-Meier Curvas para os efectos causantes do sobrevivente cos resultados do tempo para o evento. Ensaios clínicos . 2013. 10 (4): 515-21.

> Ranganathan, P., Pramesh, C. e M. Buyse. Comon Pitfalls en Análise Estadística: Importancia clínica versus estatística. Perspectivas en investigación clínica . 2015. 6 (3): 169-170.