Kaplan-Meier-Schätzer
In diesem Beitrag
Was versteht man unter dem Kaplan-Meier-Schätzer?
Der Kaplan-Meier-Schätzer ist ein nichtparametrisches Verfahren zur Schätzung der Überlebensfunktion aus Zeitdaten, bei denen nicht für alle Beobachtungen ein vollständiges Ereignis vorliegt. Er gehört zur Überlebenszeitanalyse (Survival Analysis) und wurde 1958 von Edward Kaplan und Paul Meier entwickelt.
Das Verfahren schätzt die Wahrscheinlichkeit, dass ein Ereignis (z. B. Tod, Rückfall, Geräteausfall) bis zu einem bestimmten Zeitpunkt noch nicht eingetreten ist. Die Überlebensfunktion gibt die Wahrscheinlichkeit an, dass die Überlebenszeit eines Beobachtungsobjekts größer als ein gegebener Zeitpunkt ist.
Formel: Kaplan-Meier-Schätzer
Dabei wird das Produkt über alle Zeitpunkte gebildet, an denen ein Ereignis eingetreten ist. bezeichnet die Anzahl der Ereignisse zum Zeitpunkt und die Anzahl der zu diesem Zeitpunkt noch beobachteten (und damit „gefährdeten“) Einheiten.
Ein zentrales Merkmal des Verfahrens ist der Umgang mit zensierten Beobachtungen: Wenn eine Person eine Studie vorzeitig verlässt oder das Studierende erreicht, ohne dass das Ereignis eingetreten ist, wird sie als „zensiert“ markiert. Der Kaplan-Meier-Schätzer berücksichtigt diese Fälle, ohne sie einfach auszuschließen.
Warum ist der Kaplan-Meier-Schätzer für statistische Analysen wichtig?
In der Praxis liegen Überlebenszeitdaten fast nie vollständig vor. Studienteilnehmer scheiden aus, Messungen enden vor dem Ereignis, oder Geräte werden vor einem Ausfall ausgetauscht. Ein einfaches Ignorieren zensierter Fälle würde die geschätzte Überlebenswahrscheinlichkeit systematisch verzerren – meist nach unten, weil bevorzugt die „Überlebenden“ ausgeblendet werden.
Der Kaplan-Meier-Schätzer löst dieses Problem elegant: Er nutzt zensierte Beobachtungen bis zu dem Zeitpunkt, an dem sie aus der Analyse ausscheiden, und schließt sie danach korrekt aus der Risikomenge aus. Das Ergebnis ist ein treppenförmiger Kurvenverlauf, der nur an echten Ereigniszeitpunkten nach unten springt.
Typische Anwendungsfelder sind:
- Medizinische Studien (z. B. Überlebenszeit nach Krebsdiagnose)
- Klinische Zulassungsstudien und Therapievergleiche
- Zuverlässigkeitsanalysen in der Ingenieurwissenschaft
- Sozialwissenschaften (z. B. Dauer bis zur Wiederanstellung)
Zwei Kaplan-Meier-Kurven lassen sich mit dem Log-Rank-Test auf statistisch signifikante Unterschiede prüfen – etwa ob eine neue Therapie das Überleben im Vergleich zur Standardtherapie verlängert.
Praxisbeispiel zu dem Kaplan-Meier-Schätzer
Eine klinische Studie untersucht, wie lange Patientinnen nach einer Operation bis zu einem Rückfall erscheinungsfrei bleiben. Zehn Patientinnen werden über 12 Monate beobachtet. Die folgende Tabelle zeigt die Ereigniszeitpunkte:
| Zeitpunkt (Monate) | Ereignis | Risikomenge | Ereignisse | Überlebenswahrsch. |
|---|---|---|---|---|
| 2 | R | 10 | 1 | 9/10 = 0,900 |
| 4 | R | 9 | 1 | 0,900 × 8/9 = 0,800 |
| 6 | Z | – | – | 0,800 (unverändert) |
| 8 | R | 7 | 1 | 0,800 × 6/7 ≈ 0,686 |
| 12 | Z | – | – | 0,686 (unverändert) |
Zum Zeitpunkt Monat 6 schied eine Patientin zensiert aus – sie hatte keinen Rückfall, aber keine weiteren Daten lagen vor. Die Überlebenswahrscheinlichkeit bleibt an diesem Punkt unverändert bei 0,800. Erst zum Zeitpunkt Monat 8, als ein echter Rückfall eintrat, sinkt die Kurve weiter. Am Ende der Beobachtungszeit beträgt die geschätzte Wahrscheinlichkeit, rückfallfrei zu bleiben, rund 68,6 %.
Die resultierende Kurve verläuft treppenförmig und fällt ausschließlich an echten Ereigniszeitpunkten ab – ein charakteristisches Merkmal der Kaplan-Meier-Kurve, das sich in nahezu jeder medizinischen Fachpublikation wiederfindet.
