Log-Rank-Test

Der Log-Rank-Test wird in der Regel in Kombination mit der Kaplan-Meier-Analyse verwendet. Während die Kaplan-Meier-Kurve die Überlebensfunktion grafisch darstellt, dient der Log-Rank-Test der statistischen Prüfung, ob die beobachteten Unterschiede zwischen den Kurven zufällig sind.

Der Test wird zur Analyse von Zeit-zu-Ereignis-Daten eingesetzt und berücksichtigt zensierte Beobachtungen – also Patienten, bei denen das Ereignis bis zum Ende der Studie nicht eingetreten ist.

Grundlage des Tests ist der Vergleich der beobachteten mit den unter der Nullhypothese erwarteten Ereignissen (keine Gruppenunterschiede) über den gesamten Beobachtungszeitraum; die Teststatistik folgt einer Chi-Quadrat-Verteilung.

Voraussetzungen für die Anwendung sind:

• unabhängige Beobachtungen
• nicht-informative Zensierung, d.h. der Grund für das Ausscheiden aus der Studie hängt nicht mit der Prognose zusammen
• Annahme proportionaler Hazards, d.h. das relative Risiko der Gruppen bleibt über die Zeit ungefähr konstant

Bei Verletzung dieser Annahmen kann die Aussagekraft des Tests eingeschränkt sein.

Neben dem klassischen Log-Rank-Test existieren gewichtete Varianten, wie der Gehan-Breslow-Wilcoxon-Test oder der Tarone-Ware-Test, die Unterschiede zu frühen oder späten Zeitpunkten stärker berücksichtigen.

Ein signifikanter Log-Rank-Test weist auf einen statistischen Unterschied zwischen den Überlebenskurven hin, liefert jedoch kein Effektmaß. Insbesondere bei sich kreuzenden Überlebenskurven oder zeitabhängigen Effekten ist die Aussagekraft eingeschränkt. Eine Anpassung für Kovariaten (z.B. Alter, Komorbidität) ist nicht möglich.

Im Unterschied zur Cox-Regression stellt der Log-Rank-Test kein Regressionsmodell dar. Während der Log-Rank-Test lediglich Gruppenunterschiede prüft, erlaubt die Cox-Regression die Schätzung von Hazard Ratios und die Berücksichtigung von Kovariaten.