Come Riportare l'Analisi di Sopravvivenza in un Articolo Oncologico: La Guida di un Revisore su Kaplan-Meier e Hazard Ratio

L'analisi di sopravvivenza è il cuore della maggior parte degli articoli oncologici, ed è il punto su cui mi concentro maggiormente come revisore. Non perché mi piaccia, ma perché è qui che i risultati apparentemente solidi si sgretolano più spesso. Una curva di Kaplan-Meier può sembrare convincente e poggiare comunque su un endpoint mai definito chiaramente, uno schema di censura che distorce silenziosamente il risultato o un hazard ratio ottenuto da un modello la cui assunzione centrale non è mai stata verificata. Quando il reporting della sopravvivenza è approssimativo, un revisore esperto inizia a diffidare del resto dell'articolo. Quando è accurato, segnala che l'intero studio è stato condotto con la stessa cura.

Questa guida mostra come riportare l'analisi di sopravvivenza in modo che un revisore non abbia nulla da segnalare. È scritta dall'altra parte della scrivania. Ogni sezione termina con gli errori specifici che generano un commento, e a volte un rifiuto.

1. Definite gli endpoint prima di tutto il resto

Il problema più comune non è un errore statistico. È un endpoint che non è mai stato definito con precisione. Ogni endpoint di sopravvivenza necessita di tre elementi espressi in termini chiari: la data di inizio (la data indice), l'evento e cosa succede ai pazienti che non hanno mai l'evento.

• Sopravvivenza globale (OS): dalla data indice definita (ad esempio, la randomizzazione, la diagnosi o l'inizio del trattamento) alla morte per qualsiasi causa. L'endpoint più chiaro, perché la morte è inequivocabile.
• Sopravvivenza libera da progressione (PFS): dalla data indice alla progressione della malattia o alla morte per qualsiasi causa, a seconda di quale si verifica prima. È necessario indicare come è stata definita la progressione, ad esempio secondo i criteri RANO in neuro-oncologia o RECIST 1.1 nei tumori solidi.
• Tempo alla progressione (TTP): come la PFS, tranne che le morti senza progressione sono censurate invece di essere conteggiate come eventi. PFS e TTP non sono intercambiabili, e la differenza modifica il risultato.

2. Censura: dite cosa avete fatto e verificate che sia onesto

La censura significa che un paziente non aveva ancora avuto l'evento quando si è smesso di osservarlo, sia perché lo studio era terminato sia perché il soggetto era perso al follow-up. Due cose devono comparire nell'articolo.

• Quanti pazienti sono stati censurati, e perché. Un tasso elevato di perdita al follow-up è di per sé un risultato che il lettore deve vedere.
• Il follow-up mediano e come è stato calcolato. Il metodo accettato è il Kaplan-Meier inverso, in cui eventi e censure sono scambiati, non semplicemente il tempo di osservazione mediano.

Il problema più profondo è la censura informativa. Il metodo di Kaplan-Meier assume che i pazienti censurati abbiano lo stesso rischio futuro di quelli che rimangono sotto osservazione. Se i pazienti più gravi abbandonano, in modo che la censura sia legata alla prognosi, la curva risulta distorta verso un aspetto migliore della realtà. Non è possibile dimostrare pienamente che la censura non fosse informativa, ma si dovrebbe mostrare di averlo considerato.

3. La curva di Kaplan-Meier: le convenzioni che i revisori si aspettano

Una figura di sopravvivenza ha alcuni elementi non negoziabili. Ometterli è il modo più rapido per segnalare inesperienza.

• Una tabella del numero a rischio sotto l'asse delle x. Non è opzionale. Senza di essa il lettore non può giudicare quanto sia affidabile la parte finale della curva.
• Segni di censura su ogni curva, in modo che il lettore veda dove i pazienti sono stati censurati anziché avere un evento.
• La sopravvivenza mediana per ogni gruppo, con il suo intervallo di confidenza al 95%, riportata nel testo o sulla figura stessa.
• Una coda che non viene sovra-interpretata. Una volta che rimangono a rischio solo pochi pazienti, quella parte della curva è la meno affidabile e su di essa non dovrebbero poggiare conclusioni solide.

4. Confronto dei gruppi: log-rank, hazard ratio e l'assunzione che tutti dimenticano

Per confrontare due curve di sopravvivenza si riportano di solito un p-value del test log-rank e un hazard ratio ottenuto da un modello di Cox a rischi proporzionali. Entrambi sono standard. Un passaggio viene saltato troppo spesso.

• Riportare l'hazard ratio con il suo intervallo di confidenza al 95%, non un p-value da solo. “HR 0,62 (95% CI 0,44–0,88, p = 0,007)” dice al lettore la dimensione dell'effetto e la sua precisione. Un semplice “p < 0,05” non dice quasi nulla.
• Verificare l'assunzione di proporzionalità dei rischi. Un hazard ratio di Cox è un numero singolo che assume che il rischio relativo tra i gruppi rimanga costante nel tempo. Se le curve si incrociano o convergono, quell'assunzione è violata e l'hazard ratio è fuorviante. Verificarla, ad esempio con i residui di Schoenfeld o un grafico log-log, e dichiarare di averlo fatto.
• Pre-specificare le covariate in ogni modello aggiustato. Un modello di Cox multivariabile con covariate scelte dopo aver visto i dati è un modo classico per generare significatività artificiale, e i revisori sono addestrati a sospettarlo.

5. Il bias che affossa gli studi osservazionali: il tempo immortale

Se il vostro studio non è un trial randomizzato, un bias merita una sezione a sé perché è al tempo stesso comune e dannoso. Il bias da tempo immortale emerge quando i pazienti sono raggruppati in base a qualcosa che può accadere solo dopo la data indice, ad esempio “pazienti che hanno ricevuto il trattamento X” rispetto a “quelli che non lo hanno ricevuto.” Il gruppo trattato deve, per definizione, aver sopravvissuto abbastanza a lungo da ricevere il trattamento. Quel tratto garantito di sopravvivenza è il tempo immortale, e fa sembrare il trattamento protettivo quando potrebbe non fare nulla.

La soluzione abituale è un'analisi landmark, in cui i pazienti vengono classificati in base al loro stato in un punto temporale fisso, oppure una covariata tempo-dipendente nel modello di Cox. Se il vostro disegno ha questa struttura, affrontatela prima che lo faccia un revisore. Per un lettore esperto è un campanello d'allarme immediato, e uno non affrontato spesso pone fine alla revisione.

6. Una checklist pre-submission

Prima della submission, verificate che il manoscritto contenga ciascuno di questi elementi.

• Ogni endpoint definito con la sua data indice, il suo evento e la sua regola di censura.
• Criteri di progressione nominati (RANO, RECIST 1.1, o lo standard pertinente).
• Follow-up mediano, calcolato con il metodo Kaplan-Meier inverso.
• Numero di eventi e numero di censurati, per gruppo.
• Curve di Kaplan-Meier con numero a rischio e segni di censura.
• Sopravvivenza mediana con intervalli di confidenza al 95%.
• Hazard ratio con intervalli di confidenza al 95%, mai un p-value da solo.
• Una dichiarazione che l'assunzione di proporzionalità dei rischi è stata verificata.
• Covariate per ogni modello aggiustato pre-specificate e il software statistico con la versione nominati.

Niente di tutto ciò trasforma un risultato debole in uno forte. Ciò che fa è eliminare ogni facile ragione per cui un revisore possa dubitare di voi, in modo che il vostro risultato venga giudicato sulla base dei suoi meriti. Questo è l'intero obiettivo.