Restricted Mean Survival Time (RMST): การรักษาซื้อเวลาปลอดเหตุการณ์ให้ผู้ป่วยได้เท่าไร

Read the English version

บทคัดย่อ

เมื่อกราฟการรอดชีพแยกจากกันในช่วงแรกแล้วกลับมาใกล้กันอีก hazard ratio เพียงค่าเดียว (อัตราส่วนของอัตราการเกิดเหตุการณ์) จะเฉลี่ยประโยชน์ที่ชัดเจนในช่วงแรกเข้ากับการไม่มีประโยชน์ในช่วงหลัง ค่านี้บอกไม่ได้ว่าการรักษาซื้อเวลาให้ได้เท่าไร ระยะเวลารอดชีพเฉลี่ยแบบจำกัดช่วง (restricted mean survival time, RMST(tau)) คือพื้นที่ใต้กราฟการรอดชีพจนถึงขอบเขตเวลา (horizon) tau ที่เลือกไว้ หรือก็คือเวลาปลอดเหตุการณ์เฉลี่ยภายในช่วงนั้น เมื่อไม่มีการเซ็นเซอร์ ค่านี้คือค่าเฉลี่ยของเวลาปลอดเหตุการณ์ที่ตัดไว้ไม่เกิน tau ส่วนเมื่อมีการเซ็นเซอร์ ค่านี้ประมาณภายใต้ข้อสมมติว่าการเซ็นเซอร์เป็นอิสระ ด้วยพื้นที่ใต้เส้นขั้นบันได Kaplan-Meier ที่รวมเป็นสี่เหลี่ยมผืนผ้า ซึ่งได้ 18.375 เดือนสำหรับผู้ป่วยสิบคนที่ติดตามถึง 24 เดือนในตัวอย่างคำนวณด้วยมือ ในการทดลองหัวใจล้มเหลวจำลองที่ hazard ratio ของการเสียชีวิตเปลี่ยนไปที่ 12 เดือน hazard ratio ค่าเดียวเท่ากับ 0.84 ขณะที่ผลต่าง RMST ที่ 24 เดือนเท่ากับ 1.86 เดือน (ช่วงเชื่อมั่น 95% คือ 1.04 ถึง 2.67) เทียบกับค่าจริง 1.74 บทความนี้สรุปว่า RMST ที่กำหนดขอบเขตเวลาไว้ล่วงหน้าเป็นส่วนเสริมของ hazard ratio และของกราฟ โดยให้ผลต่างเป็นหน่วยเดือน

🔍 คลิกเพื่อขยาย คลิกที่ใดก็ได้เพื่อปิด

คำถามสองปีในคลินิกหัวใจล้มเหลว

แพทย์โรคหัวใจกำลังอ่านผลของการทดลองแบบสุ่มของยาใหม่สำหรับหัวใจล้มเหลวร่วมกับผู้ป่วยที่เพิ่งออกจากโรงพยาบาลเมื่อสัปดาห์ก่อน ยาและการทดลองนี้เป็นของสมมติ และตัวเลขเป็นข้อมูลจำลอง กราฟการรอดชีพสองเส้นแยกจากกันในปีแรกแล้วกลับมาใกล้กันอีกโดยไม่ตัดกัน คือยาช่วยในช่วงแรกและไม่ให้ประโยชน์เพิ่มหลังจากนั้น รายงานให้ hazard ratio ของการเสียชีวิตเพียงค่าเดียว คือ 0.84 (ช่วงเชื่อมั่น 95% คือ 0.74 ถึง 0.96)

ผู้ป่วยถามตรง ๆ ว่า ในสองปีข้างหน้า ถ้ากินยานี้ฉันจะมีชีวิตยาวขึ้นกี่เดือน hazard ratio ตอบเป็นเดือนไม่ได้ เพราะมันเปรียบเทียบอัตราการเกิดเหตุการณ์ และในที่นี้มันเฉลี่ยประโยชน์ที่ชัดเจนในช่วงแรกเข้ากับการไม่มีประโยชน์ในช่วงหลัง

ระยะเวลารอดชีพเฉลี่ยแบบจำกัดช่วง (restricted mean survival time, RMST) ตอบได้ ในฐานะค่าเฉลี่ยของผู้ป่วยที่เหมือนผู้ป่วยในการทดลอง ภายใน 24 เดือนนับจากการสุ่ม ผู้ป่วยที่ถูกสุ่มให้ได้รับยามีชีวิตนานกว่าผู้ป่วยที่ถูกสุ่มให้เป็นกลุ่มควบคุมโดยเฉลี่ย 1.86 เดือน (ช่วงเชื่อมั่น 95% คือ 1.04 ถึง 2.67) บทความนี้สร้างตัวเลขนี้จากนิยามของมัน เริ่มจากคำนวณด้วยมือ แล้วต่อด้วยการทดลองจำลอง และชี้ว่าตัวเลขนี้ไม่ได้บอกอะไร

RMST คือพื้นที่ใต้กราฟการรอดชีพ

ให้ $T$ เป็นเวลาที่เกิดเหตุการณ์ของผู้ป่วยหนึ่งคน หน่วยเป็นเดือนนับจากการสุ่ม และ $S(t) = P(T > t)$ เป็นความน่าจะเป็นที่จะยังปลอดเหตุการณ์ ณ เดือนที่ $t$ เลือกขอบเขตเวลา (horizon) $\tau$ (tau) คือเดือนสุดท้ายที่คำถามสนใจ RMST จนถึงขอบเขตเวลานั้นคือ

อินทิกรัลคือพื้นที่ใต้กราฟการรอดชีพตั้งแต่เดือนที่ 0 ถึงเดือนที่ $\tau$ รูปแบบที่สองบอกสิ่งเดียวกันในรูปค่าเฉลี่ย คือ $\min(T, \tau)$ ซึ่งเป็นค่าที่น้อยกว่าระหว่างเวลาเกิดเหตุการณ์กับขอบเขตเวลา เป็นเวลาปลอดเหตุการณ์ที่ผู้ป่วยมีภายในช่วงนั้น และ $\mathrm{E}[\cdot]$ หาค่าเฉลี่ยของมันในผู้ป่วยทุกคน ผู้ป่วยที่ยังปลอดเหตุการณ์ ณ ขอบเขตเวลานับเป็น $\tau$ เดือนพอดี ไม่ว่าต่อมาจะมีชีวิตอยู่นานเท่าไร การตัดแบบนี้คือความหมายของคำว่า จำกัดช่วง (restricted) เพราะความสูงของกราฟเป็นความน่าจะเป็นและความกว้างเป็นเวลา พื้นที่จึงมีหน่วยเป็นเดือน [1, 2]

สองกรณีสุดโต่งทำให้เห็นความเชื่อมโยงชัด ถ้าไม่มีใครเกิดเหตุการณ์ก่อน $\tau$ แล้ว $S(t) = 1$ ตลอด พื้นที่คือ $1 \times \tau$ และทุกคนได้ครบทั้งช่วง ถ้าทุกคนเกิดเหตุการณ์ตั้งแต่ต้น พื้นที่จะเป็น 0

เมื่อมีการเซ็นเซอร์ ให้วัดพื้นที่แทน

การหาค่าเฉลี่ยของเวลาที่สังเกตได้ใช้ไม่ได้เมื่อการติดตามไม่ครบ ผู้ป่วยที่ขาดการติดตามเมื่อเดือนที่ 8 ปลอดเหตุการณ์อย่างน้อย 8 เดือน แต่ไม่มีใครรู้ว่าต่อไปอีกนานเท่าไร การนับ 8 เป็นเวลาเกิดเหตุการณ์ทำให้ค่าเฉลี่ยต่ำเกินไป และการตัดผู้ป่วยรายนี้ทิ้งก็ทิ้ง 8 เดือนที่สังเกตได้ไปด้วย

ในเส้น Kaplan-Meier ผู้ป่วยที่ถูกเซ็นเซอร์ยังอยู่ในชุดเสี่ยง (risk set) คือผู้ป่วยที่ยังปลอดเหตุการณ์และยังอยู่ในการสังเกต จนการติดตามสิ้นสุด แล้วจึงออกจากชุดนั้นโดยไม่นับเป็นเหตุการณ์ วิธีนี้อาศัยการเซ็นเซอร์แบบอิสระ (independent censoring) หรือเรียกว่าการเซ็นเซอร์แบบไม่ให้ข้อมูล (non-informative censoring) คือสมมติว่าผู้ป่วยที่ออกไปมีความเสี่ยงในอนาคตเหมือนผู้ป่วยที่ยังอยู่ การเซ็นเซอร์เป็นแบบให้ข้อมูล (informative) เมื่อข้อสมมตินี้ไม่เป็นจริง เช่นเมื่อผู้ป่วยหยุดมาตามนัดเพราะอาการแย่ลง การทดลองจำลองด้านล่างสร้างการเซ็นเซอร์โดยไม่ขึ้นกับการรักษาและความเสี่ยงของการเสียชีวิต ข้อสมมตินี้จึงเป็นจริงในที่นี้โดยการออกแบบ

ในข้อมูลจริง นี่เป็นข้อสมมติ และข้อมูลเองยืนยันไม่ได้ ภายใต้ข้อสมมตินี้ RMST ในข้อมูลที่ถูกเซ็นเซอร์ประมาณได้ด้วยพื้นที่ใต้เส้น Kaplan-Meier เส้นนั้นราบอยู่ระหว่างเหตุการณ์ พื้นที่จึงเป็นผลรวมของสี่เหลี่ยมผืนผ้า [1] ตอนของชุดบทความว่าด้วย Kaplan-Meier และ Cox อธิบายเส้นนั้นเองและวิธีที่คนมักอ่านผิด

การเลือกขอบเขตเวลา

RMST ไม่มีความหมายถ้าไม่มีขอบเขตเวลา $\tau$ จึงเป็นส่วนของคำถาม ไม่ใช่ส่วนของการวิเคราะห์ โดยทั่วไปมีสามเงื่อนไขที่ช่วยเลือก [1, 3] ขอบเขตเวลาถูกกำหนดไว้ล่วงหน้าในโปรโตคอลหรือแผนการวิเคราะห์ ก่อนที่ใครจะเห็นกราฟ มีความหมายทางคลินิก เช่นสองปีหลังเข้ารักษาตัวด้วยหัวใจล้มเหลว และอยู่ในช่วงที่ยังมีผู้ป่วยเหลือเสี่ยงอยู่ในทั้งสองกลุ่มมากพอให้ประมาณกราฟได้ดี

ในการทดลองจำลอง ผู้ป่วยถูกรับเข้าตามเวลา และการติดตามหยุดในวันปิดการศึกษาวันเดียว ผู้ป่วยแต่ละคนจึงถูกติดตามได้ระหว่าง 24 ถึง 36 เดือน จนถึงเดือนที่ 24 การเซ็นเซอร์เดียวคือการขาดการติดตาม หลังจากนั้นการเซ็นเซอร์ตามกำหนดสิ้นสุดการศึกษา (administrative censoring) ซึ่งเป็นการสิ้นสุดการติดตามตามแผน ไม่ใช่เพราะสิ่งใดเกี่ยวกับผู้ป่วย เริ่มทำให้ผู้ป่วยออกจากทั้งสองกลุ่ม และหลังเดือนที่ 36 ไม่มีข้อมูลเลย ขอบเขตเวลา 24 เดือนจึงครอบคลุมช่วงที่ผู้ป่วยทุกคนมีโอกาสไปถึง

การเลือก $\tau$ จากข้อมูลโดยใช้กฎที่ระบุไว้ เช่นให้ไกลที่สุดเท่าเวลาติดตามที่นานที่สุด ก็มีผู้ศึกษาไว้เช่นกัน เมื่อใช้กฎเช่นนี้ การอนุมานที่ใช้ได้ยังเป็นไปได้ภายใต้เงื่อนไขอ่อนเกี่ยวกับการเซ็นเซอร์ [3] แต่ขอบเขตเวลาที่เลื่อนด้วยสายตาหลังเห็นผล ไปยังจุดที่ช่องว่างดูใหญ่ที่สุด จะสูญเสียการคุ้มครองที่การกำหนดไว้ล่วงหน้าให้

ผลต่าง อัตราส่วน และเวลาที่สูญเสีย

เมื่อมี RMST ของแต่ละกลุ่ม การเปรียบเทียบที่ตรงที่สุดคือผลต่างของ RMST (RMST difference) กลุ่มที่ได้รับยาลบกลุ่มควบคุม หน่วยเป็นเดือน ซึ่งคือ 1.8 เดือนในตัวอย่างคำนวณด้วยมือที่ 1 อัตราส่วนของ RMST (RMST ratio) คือกลุ่มที่ได้รับยาหารด้วยกลุ่มควบคุม ซึ่งเป็นการเปรียบเทียบเดียวกันบนมาตรวัดสัมพัทธ์ คือ 1.10 ในตัวอย่างนั้น ทั้งสองค่าขึ้นกับ $\tau$ และต้องรายงานคู่กับมัน

ส่วนเติมเต็มของ RMST คือเวลาที่สูญเสียเฉลี่ยแบบจำกัดช่วง (restricted mean time lost, RMTL)

คือพื้นที่ระหว่างกราฟการรอดชีพกับ 1 หรือเวลาเฉลี่ยที่เสียไปกับเหตุการณ์ก่อน $\tau$ ค่านี้เท่ากับ 3.8 และ 5.6 เดือนในตัวอย่างคำนวณด้วยมือที่ 1 และ 5.625 เดือนในตัวอย่างคำนวณด้วยมือที่ 2 ผลต่างของ RMTL ก็คือผลต่างของ RMST ที่กลับเครื่องหมาย อัตราส่วนของ RMTL ไม่ซ้ำซ้อนบนมาตรวัดสัมพัทธ์ เมื่อช่วงเวลาส่วนใหญ่ปลอดเหตุการณ์ อัตราส่วนของ RMST ที่ไม่มากอาจอยู่เคียงกับการลดเวลาที่สูญเสียเชิงสัมพัทธ์ที่มาก

การทดลองจำลอง: hazard ratio ที่เปลี่ยนไปที่ 12 เดือน

ตัวอย่างชุดข้อมูลคือการทดลองแบบสุ่มจำลองในผู้ใหญ่ 1,500 คนที่เข้ารับการรักษาด้วยหัวใจล้มเหลว กลุ่มละ 750 คน ด้วยยาสมมติ เหตุการณ์ในที่นี้คือการเสียชีวิตจากทุกสาเหตุ เวลาปลอดเหตุการณ์จึงคือเวลาที่มีชีวิตอยู่ ระหว่างการติดตาม มี 444 คนเสียชีวิตในกลุ่มควบคุม และ 417 คนในกลุ่มที่ได้รับยา

ข้อมูลถูกสร้างขึ้นจากความจริงที่ทราบ คือ hazard ratio ของการเสียชีวิตเท่ากับ 0.60 ใน 12 เดือนแรก และ 1.10 หลังจากนั้น นี่คือฮาซาร์ดไม่เป็นสัดส่วน (non-proportional hazards) คือ hazard ratio ที่เปลี่ยนไปตามเวลาติดตาม จึงไม่มี hazard ratio ค่าเดียวที่อธิบายผลได้ ฮาซาร์ดสะสม (cumulative hazard) ของสองกลุ่ม ซึ่งเป็นผลรวมสะสมของฮาซาร์ดตามเวลา จะเท่ากันที่เดือนที่ 60 เท่านั้น ไกลเกินเวลาติดตามสูงสุด 36 เดือนมาก

กราฟการรอดชีพจึงไม่ตัดกันภายในช่วงติดตาม มันแยกจากกันในช่วงแรกแล้วกลับมาใกล้กันอีกเมื่อ hazard ratio ช่วงหลังที่ 1.10 เริ่มมีผล การรอดชีพจริงคือ 0.681 เมื่อไม่ได้รับยา และ 0.794 เมื่อได้รับยาที่ 12 เดือน และ 0.464 กับ 0.521 ที่ 24 เดือน ช่องว่างจึงลดลงราวครึ่งหนึ่ง หน้ารวมของชุดบทความ อธิบายคำถามอื่นที่การทดลองนี้ตอบได้ เกี่ยวกับการนอนโรงพยาบาลซ้ำและสาเหตุการเสียชีวิต

RMST บอกอะไรเกี่ยวกับการทดลองเดียวกัน

ที่ $\tau$ = 24 เดือน RMST เท่ากับ 16.88 เดือนในกลุ่มควบคุม และ 18.74 เดือนในกลุ่มที่ได้รับยา ผลต่างคือ 1.86 เดือน (ช่วงเชื่อมั่น 95% คือ 1.04 ถึง 2.67) ใกล้เคียงกับค่าจริง 1.74 เดือนที่ฝังไว้ในการจำลอง ในสองปีแรกหลังการสุ่ม ผู้ป่วยที่ถูกสุ่มให้ได้รับยามีชีวิตนานกว่าโดยเฉลี่ย 1.86 เดือน

มาตรวัดอัตราส่วนเล่าเรื่องเดียวกันอีกแบบ อัตราส่วนของ RMST คือ 1.11 (ช่วงเชื่อมั่น 95% คือ 1.06 ถึง 1.16) กลุ่มที่ได้รับยาจึงอยู่รอดเป็นสัดส่วนของช่วงเวลา 1.11 เท่าของกลุ่มควบคุม กลุ่มควบคุมสูญเสียเวลาโดยเฉลี่ย 7.12 จาก 24 เดือนไปกับการเสียชีวิต และกลุ่มที่ได้รับยา 5.26 เดือน อัตราส่วนของ RMTL คือ 0.74 (ช่วงเชื่อมั่น 95% คือ 0.65 ถึง 0.84) อัตราส่วนของ RMTL ห่างจาก 1 มากกว่ามาก เพราะช่วงเวลาส่วนใหญ่ผู้ป่วยยังมีชีวิตอยู่ในทั้งสองกลุ่ม

hazard ratio ที่ดูแรงกว่า แต่ได้เวลาน้อยกว่า

การจำลองเดียวกันยังสร้างการทดลองอีกรุ่นหนึ่งที่มีกลุ่มควบคุมเดิมและมีผลคงที่ ฮาซาร์ดจึงเป็นสัดส่วนโดยการออกแบบ (การตรวจให้ P = 0.92) hazard ratio ของรุ่นนี้ห่างจาก 1 มากกว่า คือ 0.78 (ช่วงเชื่อมั่น 95% คือ 0.68 ถึง 0.90) แต่ผลต่าง RMST ที่ 24 เดือนกลับน้อยกว่า คือ 1.33 เดือน (ช่วงเชื่อมั่น 95% คือ 0.49 ถึง 2.18) เทียบกับค่าจริง 1.22

ในการทดลองที่มีประโยชน์ช่วงแรก hazard ratio จริงใน 12 เดือนแรกคือ 0.60 ซึ่งแรงกว่าค่าคงที่ 0.79 ของรุ่นที่สอง การเสียชีวิตที่ป้องกันได้ตั้งแต่ต้นแต่ละครั้งเพิ่มเวลาปลอดเหตุการณ์เกือบตลอดช่วง 24 เดือน hazard ratio ค่าเดียวของการทดลองนั้น คือ 0.84 ก็ถูกดึงเข้าหา 1 ด้วยช่วงหลังที่ยาไม่ช่วยอีกแล้ว ช่วงนั้นรวมเดือนที่ 24 ถึง 36 ซึ่ง RMST(24) ไม่ได้ใช้

ผลต่าง RMST ที่ประมาณได้ของสองรุ่นมีช่วงเชื่อมั่นทับกัน คือ 0.49 ถึง 2.18 และ 1.04 ถึง 2.67 แต่ค่าจริงเรียงลำดับแบบเดียวกับค่าประมาณ คือ 1.22 เดือนเมื่อผลคงที่ เทียบกับ 1.74 เดือนเมื่อมีประโยชน์ช่วงแรก hazard ratio เรียงลำดับสองรุ่นกลับกัน คือ 0.79 สำหรับผลคงที่ เทียบกับ 0.84 สำหรับประโยชน์ช่วงแรก ในตัวอย่างจำลองขนาดใหญ่มาก ตัวสรุปทั้งสองตอบคำถามต่างกัน รายงานจึงอ่านได้ดีที่สุดเมื่อมีทั้งสองอย่างและกราฟ

โค้ด: strmst2 ใน Stata และ rmst2 ใน R

ใน Stata คำสั่งที่ผู้ใช้เขียนขึ้น strmst2 [4] คำนวณ RMST ของแต่ละกลุ่มจนถึง $\tau$ จากเส้น Kaplan-Meier พร้อมค่าคลาดเคลื่อนมาตรฐาน ผลต่าง และอัตราส่วน ออปชัน rmtl เพิ่มเวลาที่สูญเสีย ใน R ฟังก์ชัน rmst2 จากแพ็กเกจ survRM2 ทำสิ่งเดียวกัน แต่ละช่องด้านล่างแสดงเฉพาะบรรทัดของสคริปต์ที่รันการวิเคราะห์นี้ พร้อมผลลัพธ์ของการรันอยู่ข้างกัน ไฟล์ข้อมูลของการทดลองจำลองไม่ได้เผยแพร่ บรรทัดที่แสดงคือการวิเคราะห์ RMST ที่นำไปปรับใช้กับข้อมูลของคุณเองได้

ใน Stata คำสั่ง import delimited อ่านข้อมูลการทดลองจำลอง และ stset fu_months, failure(death == 1) id(id) ประกาศเวลาติดตามและเหตุการณ์ของผู้ป่วยแต่ละคน จากนั้น strmst2 arm, tau(24) rmtl ให้ตัวเลขในตาราง RMST ด้านบน ใน R ข้อมูล wn (การทดลองจำลอง) ถูกอ่านไว้ก่อนหน้าในสคริปต์ และ print(nrm) ที่อยู่ถัดไปในสคริปต์พิมพ์ผลลัพธ์ที่แสดง

Stata: strmst2 พร้อมออปชัน rmtl

* ---------------------------------------------------------------- non-proportional-hazards file: RMST and RMTL by arm
* the simulated trial file (not published)
import delimited using ../../datasets/W3/W3_nonph.csv, clear asdouble
stset fu_months, failure(death == 1) id(id)
strmst2 arm, tau(24) rmtl

. strmst2 arm, tau(24) rmtl

Number of observations for analysis = 1500

The truncation time: tau = 24 was specified.

Restricted Mean Survival Time (RMST) by arm
-----------------------------------------------------------
   Group |  Estimate    Std. Err.      [95% Conf. Interval]
---------+-------------------------------------------------
   arm 1 |    18.742       0.276       18.201       19.284
   arm 0 |    16.884       0.311       16.275       17.494
-----------------------------------------------------------

Restricted Mean Time Lost (RMTL) by arm
-----------------------------------------------------------
   Group |  Estimate    Std. Err.      [95% Conf. Interval]
---------+-------------------------------------------------
   arm 1 |     5.258       0.276        4.716        5.799
   arm 0 |     7.116       0.311        6.506        7.725
-----------------------------------------------------------

Between-group contrast (arm 1 versus arm 0)
------------------------------------------------------------------------
           Contrast  |  Estimate       [95% Conf. Interval]     P>|z|
---------------------+--------------------------------------------------
RMST (arm 1 - arm 0) |     1.858        1.042        2.673      0.000
RMST (arm 1 / arm 0) |     1.110        1.060        1.163      0.000
RMTL (arm 1 / arm 0) |     0.739        0.646        0.845      0.000
------------------------------------------------------------------------

R: rmst2 จากแพ็กเกจ survRM2

# RMST still has a plain meaning when hazards are not proportional
nrm <- rmst2(wn$fu_months, wn$death, wn$arm, tau = 24)

> print(nrm)

The truncation time: tau = 24  was specified.

Restricted Mean Survival Time (RMST) by arm
               Est.    se lower .95 upper .95
RMST (arm=1) 18.742 0.276    18.201    19.283
RMST (arm=0) 16.884 0.311    16.275    17.493


Restricted Mean Time Lost (RMTL) by arm
              Est.    se lower .95 upper .95
RMTL (arm=1) 5.258 0.276     4.717     5.799
RMTL (arm=0) 7.116 0.311     6.507     7.725


Between-group contrast
                      Est. lower .95 upper .95 p
RMST (arm=1)-(arm=0) 1.858     1.043     2.672 0
RMST (arm=1)/(arm=0) 1.110     1.060     1.163 0
RMTL (arm=1)/(arm=0) 0.739     0.646     0.845 0

สิ่งที่ RMST ไม่ใช่

RMST ไม่ใช่มัธยฐานการรอดชีพ (median survival) คือเวลาที่กราฟการรอดชีพลดลงถึงครึ่งหนึ่ง ซึ่งเป็นเพียงจุดเดียวบนกราฟ ในการทดลองจำลอง มัธยฐานจริงคือ 21.66 เดือนเมื่อไม่ได้รับยา และ 25.15 เดือนเมื่อได้รับยา ช่องว่างนี้ตอบคำถามคนละข้อ RMST ก็ไม่ใช่เวลารอดชีพเฉลี่ยแบบไม่จำกัดช่วง ซึ่งเป็นพื้นที่ใต้กราฟทั้งเส้นและต้องมีการติดตามจนสุดปลายกราฟ ในที่นี้ราวครึ่งหนึ่งของแต่ละกลุ่มยังมีชีวิตอยู่ที่เดือนที่ 24 และไม่มีใครถูกติดตามเกินเดือนที่ 36

RMST ไม่ได้เป็นอิสระจาก $\tau$ ผลต่างของ RMST โดยทั่วไปเปลี่ยนไปตามขอบเขตเวลา ผลต่างที่รายงานโดยไม่ระบุขอบเขตเวลาจึงอ่านไม่ได้ RMST ก็ไม่ได้มาแทนกราฟ กราฟคู่ที่ต่างกันอาจมีผลต่างของ RMST เดียวกันได้ กราฟ Kaplan-Meier พร้อมจำนวนผู้ที่ยังเสี่ยงอยู่จึงยังต้องอยู่ในรายงาน [5]

สิ่งที่ควรทำในการวิเคราะห์ของคุณเอง

• เลือก $\tau$ จากคำถามทางคลินิกและเวลาติดตามขั้นต่ำที่วางแผนไว้ เขียนลงในโปรโตคอลหรือแผนการวิเคราะห์ และตรวจว่าเมื่อถึงเวลานั้นยังมีผู้ป่วยที่เสี่ยงอยู่ในทั้งสองกลุ่มมากพอ
• มักรายงาน RMST ของแต่ละกลุ่ม ผลต่างพร้อมช่วงเชื่อมั่น และขอบเขตเวลาไว้ด้วยกันในประโยคเดียว
• พิจารณาเพิ่มอัตราส่วนของ RMST หรืออัตราส่วนของ RMTL อัตราส่วนของ RMTL มักเป็นมาตรวัดสัมพัทธ์ที่บอกได้มากกว่าเมื่อผู้ป่วยส่วนใหญ่ปลอดเหตุการณ์ตลอดช่วงเวลา
• มักแสดงกราฟ Kaplan-Meier พร้อมจำนวนผู้ที่ยังเสี่ยงอยู่ ไว้ข้าง RMST หรือ hazard ratio ทุกครั้ง
• พิจารณากำหนด RMST ไว้ล่วงหน้าคู่กับ hazard ratio แทนที่จะเพิ่มเมื่อการตรวจฮาซาร์ดเป็นสัดส่วนไม่ผ่าน เมื่อฮาซาร์ดดูไม่เป็นสัดส่วน hazard ratio เฉพาะช่วงเวลาอาจช่วยแสดงว่าผลอยู่ที่ใด และควรอ่าน hazard ratio ของช่วงหลังเป็นเพียงการบรรยาย เพราะมันเปรียบเทียบเฉพาะผู้ป่วยที่รอดผ่านช่วงแรกมาได้
• เมื่อต้องการปรับด้วยตัวแปรร่วมที่จุดเริ่มต้น สามารถสร้างแบบจำลองของ RMST โดยตรงได้ วิธีหนึ่งคำนวณค่าสังเกตเทียม (pseudo-observation) ของผู้ป่วยแต่ละคนจาก RMST ของทั้งตัวอย่างและ RMST ที่คำนวณใหม่โดยไม่รวมผู้ป่วยคนนั้น แล้วใช้แบบจำลองเชิงเส้นนัยทั่วไป (generalised linear model) กับค่าเหล่านี้ พร้อมค่าคลาดเคลื่อนมาตรฐานแบบแซนด์วิช (robust standard error) ซึ่งคำนึงถึงว่าค่าสังเกตเทียมไม่เป็นอิสระต่อกัน [6] อีกวิธีหนึ่งคือแบบจำลองถดถอยของค่าเฉลี่ยแบบจำกัดช่วง [7]

อ่านต่อในวิกิ: [[survival-analysis-kaplan-meier-cox-th]] [[time-to-event-survival-analysis-th]]