Comparaison de la survie médiane à la survie moyenne
Qu'entend-on par le terme médical "survie médiane"? Jetons un coup d'œil à quand et pourquoi on pourrait vous donner des informations sur votre survie médiane, comment cette statistique est différente des «taux de survie» et ce que vous devriez savoir si vous vous sentez angoissé par votre pronostic.
Définition: Survie médiane
La survie médiane est définie comme le temps après lequel 50% des personnes atteintes d'une maladie particulière vivent encore et 50% sont décédées.
Par exemple, une survie médiane de 6 mois indiquerait qu'après 6 mois, 50% des personnes atteintes de cette maladie seraient en vie et 50% seraient décédées.
Quand la survie médiane à long terme pourrait être utilisée
Il y a plusieurs façons d'entendre le terme de survie médiane:
- Comme une description des avantages d'un traitement.
- Comme une estimation du pronostic d'une condition. Par exemple, la survie médiane peut être utilisée pour décrire le pronostic d'une maladie dans laquelle le taux de survie est assez court. Combien de temps les gens vivent-ils habituellement?
- Comme un point final dans un essai clinique .
Comparer et comparer la survie médiane à d'autres statistiques
La survie médiane est utilisée pour parler de nombreux traitements contre le cancer. Il peut s'agir d'une meilleure estimation que le taux de survie moyen (la durée moyenne de vie d'une personne par exemple) lorsqu'il existe une grande variation dans la façon dont les gens réagissent à une condition ou à un traitement.
Quelques autres termes statistiques que vous pouvez entendre incluent le taux de survie, la survie sans progression et plus, qui sont définis dans cet article.
Avantages et inconvénients de l'utilisation de la survie médiane avec le cancer
Sans entrer dans une discussion sur les statistiques, il est important de noter que toute statistique présente des inconvénients lorsqu'on décrit l'espérance de vie d'un cancer ou l'avantage d'un traitement.
Quelques exemples sont mentionnés ci-dessous.
- Un avantage: Pour un traitement qui prolonge la survie de quelques jours, semaines ou même mois, le temps de survie médian peut donner une meilleure indication de la façon dont le traitement fonctionne. Par exemple, un traitement hypothétique peut augmenter la durée médiane de survie de 4 mois - par exemple, la moitié des personnes pourraient vivre pendant 16 mois plutôt que 12 mois avec le traitement. Comme la plupart des gens ne survivraient pas à long terme, des estimations telles que le taux de survie à 5 ans ou même le taux de survie à 2 ans ne révéleraient pas le potentiel du traitement pour donner aux gens 4 mois supplémentaires (et heureusement bons).
- Un désavantage: Un désavantage se produirait si un traitement produisait de très bons résultats à long terme, mais pour moins de la moitié de la population, sur toute la ligne. Si plus de la moitié des personnes décédaient au cours des 2 premières années, la survie médiane serait inférieure à 2 ans. Dans ce cas, peut-être un traitement hypothétique, si toléré dans les 2 premières années pourrait entraîner une survie plus longue. Dans cet exemple fictif, il se pourrait que 30% des personnes aient vécu 5 ans après le traitement alors que seulement 5% ont vécu aussi longtemps sans traitement. Dans ce cas, le taux de survie à 5 ans en dirait plus sur le potentiel du traitement que la survie médiane.
Signification statistique et importance clinique de la survie médiane
Il est important de réitérer que la signification statistique et la signification clinique ne sont pas les mêmes choses. La signification statistique (par exemple, l'excitation que les chercheurs peuvent tirer du résultat d'une étude) donne des informations sur la fiabilité d'une étude, tandis que la signification clinique décrit l'importance de cette étude pour les individus. De nombreuses variables doivent être considérées, telles que l'ampleur d'un changement de la survie médiane, la tolérabilité du traitement qui modifie la survie médiane, ainsi que la toxicité.
Un exemple qui a été cité est celui de quelques médicaments ciblés utilisés pour le cancer du pancréas.
Une étude qui a montré que la combinaison a augmenté la survie médiane de 5,91 mois à 6,24 mois était très significative sur le plan statistique, mais pas tellement cliniquement. Dans cet exemple, la signification clinique était que les gens vivaient, en moyenne, 10 jours de plus, tout en souffrant également des effets secondaires et du coût du traitement.
Dans d'autres cas, une étude peut ne pas avoir une grande signification statistique mais peut avoir des différences cliniques très significatives; les gens connaîtraient une amélioration significative.
Les statistiques sont des chiffres NOT People
Il est extrêmement important de noter que les statistiques de toute nature sont simplement des chiffres. Les gens varient largement dans la façon dont ils répondent aux traitements et combien de temps ils vivent avec divers traitements. De nombreux facteurs peuvent augmenter ou diminuer les chances de survie d'une personne atteinte d'un cancer.
Il est également essentiel de noter que toutes les statistiques que vous entendez sur le cancer datent souvent de quelques années. Des progrès sont réalisés dans le traitement du cancer. Les statistiques de survie souvent citées pour le cancer du poumon datent de 5 ans. Cela dit, il y avait plus de traitements approuvés pour le cancer du poumon dans la période de 2012 à 2017, que dans la période de 40 ans avant 2011. Ce n'est que l'une des nombreuses raisons de garder espoir.
Exemples:
On a dit à Jack que la survie médiane des personnes atteintes du cancer du poumon de stade 3B est de 13 mois. Cela signifierait que, statistiquement, il avait environ 50% de chances d'être en vie avec sa maladie en 13 mois.
> Sources:
> Courbes de Chiba, Y. Kaplan-Meier pour les effets causaux des survivants avec des résultats de temps à événement. Essais cliniques . 2013. 10 (4): 515-21.
> Ranganathan, P., Pramesh, C. et M. Buyse. Les pièges de Comon dans l'analyse statistique: signification clinique contre statistique. Perspectives dans la recherche clinique . 2015. 6 (3): 169-170.