Immortal time bias

Pharmakoepidemiologische Kohortenstudien sind besonders anfällig für den immortal time bias.

Beispiel

In einer Studie mit 100 Patienten akzeptieren 50 Patienten eine neuartige Therapie und 50 die Standardtherapie. Während einer Wartezeit von 24 Monaten sterben zwei Personen pro Monat, das heißt 48 der 100 Patienten. Von den restlichen 52 Patienten akzeptieren noch 26 die neue Therapie und 26 die Standardtherapie. Angenommen, die neue Therapie macht keinen Unterschied, sterben weiterhin 2 Personen pro Monat in beiden Gruppen. Da die Personen, die in den ersten 24 Monaten verstorben sind, die neue Therapie nicht erhalten haben, werden sie der Kohorte "Standardtherapie" zugeordnet. Wenn man nun die durchschnittliche Überlebenszeit ausrechnet, zeigt sich der immortal time bias:

• Standardtherapie:
  • 48 Tote in ersten 24 Monaten, das heißt 48 x 12 Monate = 576 Patientenmonate
  • plus 26, die später sterben -> 26 x (12 Monate + 13 Monate) = 650 Patientenmonate
  • Insgesamt leben 75 Patienten 1226 Patientenmonate, d.h. im Durchschnitt 16,6 Monate
• Neue Therapie:
  • 26 x (12 Monate + 13 Monate) = 650 Patientenmonate, d.h. im Schnitt 25 Monate

Somit zeigt sich ein Überlebensvorteil von 8,4 Monaten, obwohl die Therapien gleichwertig sind.

Problemlösung

Eine Möglichkeit zur Problemlösung ist die Verwendung von regressionsanalytischen Verfahren zur Modellierung von Überlebenszeiten wie zum Beispiel die Cox-Regression.

• Suissa S. Immortal Time Bias in Pharmacoepidemiology, American Journal of Epidemiology, Volume 167, Issue 4, 15 February 2008, Pages 492–499, abgerufen am 08.07.2019
• Lévesque LE et al. Problem of immortal time bias in cohort studies: example using statins for preventing progression of diabetes, BMJ 2010; 340; abgerufen am 08.07.2019