Log-Rank-Test-Rechner

Verwenden Sie den Log-Rank-Test, wenn Sie Ueberlebenskurven zwischen zwei oder mehr Gruppen vergleichen moechten. Er ist der Standard-Hypothesentest zur Frage, ob Gruppen unterschiedliche Ueberlebenserfahrungen haben, unter Beruecksichtigung zensierter Beobachtungen.

Was ist der Log-Rank-Test?

Der Log-Rank-Test (auch Mantel-Cox-Test genannt) vergleicht Ueberlebensverteilungen zwischen Gruppen, indem er beobachtete mit erwarteten Ereignissen zu jedem Zeitpunkt vergleicht.

$\chi^2 = \frac{(O_1 - E_1)^2}{E_1} + \frac{(O_2 - E_2)^2}{E_2}$

Oder aequivalent:

$\chi^2 = \frac{(O_1 - E_1)^2}{V}$

Wobei:

• O = beobachtete Ereignisse
• E = erwartete Ereignisse unter der Nullhypothese
• V = Varianz von O - E

Funktionsweise

Zu jedem Ereigniszeitpunkt:

1. Zaehlen, wer in jeder Gruppe unter Risiko steht
2. Erwartete Ereignisse basierend auf Risikoanteilen berechnen
3. (beobachtet - erwartet) ueber alle Ereigniszeitpunkte summieren
4. Mit der Chi-Quadrat-Verteilung vergleichen mit df = Gruppen - 1

Beispielrechnung

Zwei Gruppen ueber die Zeit verfolgt:

Zum Zeitpunkt 3:

• Gesamt unter Risiko: 20 + 18 = 38
• Gesamte Ereignisse: 1 + 2 = 3
• Erwartet fuer A: 3 x (20/38) = 1,58
• Erwartet fuer B: 3 x (18/38) = 1,42

Fuer alle Zeitpunkte fortfahren, dann summieren:

• O_1 - E_1 = beobachtet minus erwartet fuer Gruppe A
• Varianz berechnen
• Teststatistik: chi^2 = (O_1 - E_1)^2 / V

Interpretation der Ergebnisse

Der Test sagt Ihnen, ob sich die Kurven unterscheiden, nicht wie sie sich unterscheiden. Pruefen Sie immer die Kaplan-Meier-Kurven.

Annahmen

1. Unabhaengige Zensierung: Zensierung unabhaengig vom Ueberleben
2. Nicht-informative Zensierung: Gleich ueber alle Gruppen
3. Proportionale Hazards: Hazard-Ratio konstant ueber die Zeit

Wenn sich Kurven kreuzen

Wenn sich Ueberlebenskurven kreuzen, kann der Log-Rank-Test den Unterschied uebersehen oder irrefuehrende Ergebnisse liefern. In diesem Fall:

• Verwenden Sie die eingeschraenkte mittlere Ueberlebenszeit (RMST)
• Gewichtete Log-Rank-Tests
• Separate Analyse nach Zeitperioden

Gewichtete Log-Rank-Tests

Verschiedene Gewichtungen betonen unterschiedliche Teile der Ueberlebenskurve:

Verwenden Sie Wilcoxon, wenn:

• Fruehe Unterschiede am wichtigsten sind
• Mehr Zensierung spaeter auftritt
• Sie eine fruehe Trennung der Kurven erwarten

Verwenden Sie Log-Rank, wenn:

• Keine vorherige Erwartung ueber den Zeitpunkt besteht
• Proportionale Hazards angemessen erscheinen

Mehr als zwei Gruppen

Fuer k Gruppen: $\chi^2 = \sum_{i=1}^{k} \frac{(O_i - E_i)^2}{V_i}$

Mit df = k - 1.

Post-hoc-Vergleiche: Wenn der Gesamttest signifikant ist, vergleichen Sie Paare mit Bonferroni-Korrektur.

Stratifizierter Log-Rank-Test

Wenn Sie einen Stoerfaktor kontrollieren moechten:

1. Fuehren Sie den Log-Rank innerhalb jeder Schicht durch
2. Kombinieren Sie die Teststatistiken ueber alle Schichten

Dies testet den Behandlungseffekt unter Kontrolle der Stratifizierungsvariablen (z.B. Altersgruppe, Krankheitsstadium).

Trendtest

Fuer geordnete Gruppen (z.B. Dosisstufen):

$\chi^2_{trend} = \frac{[\sum Score_i \times (O_i - E_i)]^2}{Var}$

Testet auf linearen Trend im Ueberleben ueber Gruppen.

Stichprobengroesse und Teststärke

Anzahl der benoetigten Ereignisse:

$E = \frac{4(z_\alpha + z_\beta)^2}{(\ln HR)^2}$

Wobei HR das erwartete Hazard-Ratio ist.

Ereignisse, nicht die Stichprobengroesse, bestimmen die Teststaerke.

Effektgroesse aus dem Log-Rank

Der Log-Rank-Test liefert nicht direkt die Effektgroesse. Um das Hazard-Ratio zu erhalten:

$HR \approx \frac{O_1/E_1}{O_2/E_2}$

Oder praeziser: Verwenden Sie die Cox-Regression.

Vergleich der medianen Ueberlebenszeit

Berichten Sie zusammen mit dem Test:

• Mediane Ueberlebenszeit fuer jede Gruppe
• Konfidenzintervalle fuer die Mediane
• Ueberlebensraten zu klinisch relevanten Zeitpunkten (1 Jahr, 5 Jahre)

Berichtsrichtlinien

Standardformat: "Das Ueberleben war in der Behandlungsgruppe im Vergleich zur Kontrolle signifikant besser (mediane Ueberlebenszeit: 24 vs. 18 Monate; Log-Rank chi^2 = 8,4, df = 1, p = 0,004)."

Einzuschliessen:

• Kaplan-Meier-Kurven mit Anzahl unter Risiko
• Log-Rank-Statistik und p-Wert
• Mediane Ueberlebenszeit mit 95%-KI
• Hazard-Ratio (aus Cox-Regression)

Haeufige Fehler

Ignorieren der Kurvenform

Zwei Kurven koennen den gleichen Log-Rank-p-Wert haben, aber sehr unterschiedliche klinische Implikationen. Zeichnen Sie immer die Kurven.

Ueberinterpretation von Nicht-Signifikanz

Ein nicht-signifikanter Log-Rank-Test bedeutet, dass Sie keinen Unterschied nachweisen konnten, nicht dass kein Unterschied besteht. Pruefen Sie die Teststaerke.

Verwendung bei gekreuzten Kurven

Der Log-Rank setzt proportionale Hazards voraus. Wenn sich Kurven kreuzen, ziehen Sie Alternativen in Betracht.

Vergessen des Zensierungsmusters

Starke, differentielle Zensierung kann die Ergebnisse verzerren. Berichten Sie die Zensierungsraten nach Gruppen.

Log-Rank vs. Hazard-Ratio

Verwenden Sie beide zusammen fuer ein vollstaendiges Bild.

Anwendungen

Onkologie

Vergleich des Ueberlebens zwischen Behandlungsarmen in klinischen Studien.

Kardiologie

Zeit bis zum Herzinfarkt nach Risikofaktorgruppe.

Zuverlaessigkeit

Vergleich der Zeit bis zum Ausfall zwischen Produktversionen.

Sozialwissenschaften

Dauer bis zum Ereignis (Rueckfaelligkeit, Beschaeftigungsende).

Historischer Kontext

Nathan Mantel und W. Haenszel entwickelten den Test 1959 zur Kombination von Fall-Kontroll-Studien. David Cox passte ihn fuer Ueberlebensdaten an. Richard Peto und Kollegen machten ihn in klinischen Krebsstudien populaer.

Der Log-Rank-Test wurde zur Standardmethode fuer den Vergleich von Ueberlebenskurven, insbesondere in randomisierten kontrollierten Studien.

Verwandte Berechnungen

• Kaplan-Meier-Rechner — Ueberlebenskurven schaetzen
• Hazard-Ratio-Rechner — Effektgroesse
• Chi-Quadrat-Test — Kategorischer Vergleich
• Teststaerke-Rechner — Stichprobenplanung

Zusammenfassung

Der Log-Rank-Test vergleicht Ueberlebensverteilungen zwischen Gruppen, indem er beobachtete mit erwarteten Ereignissen zu jedem Zeitpunkt vergleicht. Er ist der Standardtest fuer den Vergleich von Ueberlebenskurven in klinischen Studien. Ergebnisse werden wie Chi-Quadrat-Tests interpretiert: p < 0,05 deutet auf einen signifikanten Unterschied hin. Er setzt proportionale Hazards voraus; verwenden Sie gewichtete Versionen, wenn fruehe Ereignisse wichtiger sind oder sich Kurven kreuzen. Begleiten Sie ihn immer mit Kaplan-Meier-Kurven, medianen Ueberlebenszeiten und Hazard-Ratios fuer eine vollstaendige Berichterstattung.