Jeg har nå gjort en liten øvelse for å belyse effekten av å bruke en ren event kurve i simuleringene. For å få til det må KM kurven og tilhørende tabeller kombineres for å identifesere individuelle pasient data (IPD) og ut fra dette plukke ut de som får får Event.
Disse kan så settes sammen til en Event kurve, der kun de individene som gir Event er med. Her har jeg fått uvurderlig hjelp av @boblegutten til å lage kurvene. Plottet sammenlikner KM-kurvene fra CM-067 som er brukt i simuleringene med Eventkurven. I tillegg har jeg lagt inn @laaarsas kurver fra posten over. Som forventet ligger event kurvene (sort og rød kurve) over KM kurvene (gul ,orange og blå).
Neste skritt nå er å kjøre gjennom simuleringene for å finne sannsynligheten for forskjellige Event. I og med at resultatene vist under er basert på andre kurve enn før er «prosenten» forskjellig. Som vanlig er input’en som plotene baserer seg på gitt i tittelfeltet.
Kurvene viser sannsynligheten for hvor mange Event som har oppstått ved forskjellig tidspunkt basert på historiske data og andre antakelser. Det er usikkerhet i resultatene så direkte avlesning av «prosenten» er ikke en fasit, men en indikasjon på hva som kan forventes.:
Og for hele tidslinjen (en siste knekken på den blå linjen skylders numerisk støy fordi en er på halen av histogrammet som brukes som beregningsgrunnlag).
Sammenlikner en resultatene fra eventkurven med de en fikk for KM-kurven for CM-067, ser en at forskjellen er ca 6-7 prosentpoeng for 39 eventer. Basert på historiske data, så blir konklusjonen den samme som tidligere : det stor sannsynlighet for at det er 39 eventer i kontrollarmen og at sannsynligheten ikke endrer seg mye fremover.
Til slutt vil jeg si at beregningene er basert på historiske data og antakelser hvor det bare er mulig å fange opp det som er modellert.
