Methodischer Bias retrospektiver Follow-up-Untersuchungen und sein Einfluss auf die Erhebung von Qualitätssicherungsdaten

 

 Buy Article Permissions and Reprints

Zusammenfassung

Einführung: Derzeit kann nicht prospektiv belegt werden, dass die Einhaltung operativer Qualitätsparameter im Rahmen der Qualitätssicherung des Mammakarzinoms mit einer Verbesserung des krankheitsfreien Überlebens und Gesamtüberlebens verbunden ist. Aufgrund eines fehlenden nationalen klinischen Krebsregisters können Daten zum krankheitsfreien Überleben bzw. Gesamtüberleben vielfach nur durch retrospektive Erhebungen erfasst werden. Allerdings muss aufgrund von Selektions- und Observationsfehlern angenommen werden, dass die entsprechenden Daten eine hohe Fehlerrate aufweisen, deren Ausmaß schwierig abzuschätzen ist. Material und Methode: Von n = 710 Mammakarzinompatientinnen, die im Zeitraum von 1997–1999 an der Universitätsfrauenklinik Frankfurt behandelt wurden, wurden Überlebensdaten retrospektiv erfasst. Eine vollständige Datenerfassung konnte nur für 471 Patientinnen erzielt werden. Der Einfluss von Selektions- und Information-Bias auf die Datenqualität und das Überleben der Patientinnen sollte überprüft werden. Ergebnisse: Das Untersuchungskollektiv zeichnete sich im Vergleich zu großen Populationskollektiven durch einen höheren Anteil an Risikopatientinnen aus (nodal positiv, höhere Tumorgröße). Überraschenderweise war die mediane Beobachtungszeit in der Gruppe der verstorbenen Patientinnen 1,7-fach größer als bei den zensierten Fällen, während sich in Vergleichsuntersuchungen ein umgekehrter Zusammenhang zeigt. Dies lässt auf einen „Information-Bias“ schließen, bei dem v. a. bei krankheitsfreien Patientinnen ein „loss of follow-up“ auftrat. Die Einflussgröße dieses Bias wurde daher durch eine Simulation abgeschätzt. Als Ergebnis wurde im Vergleich zur retrospektiven Studie ein möglicher Unterschied bez. des 5-Jahres-Überlebens von 13,9 % (73,5 ± 3,1 % vs. 87,4 ± 1,5 %) erhalten. Zusammenfassung: Die retrospektive Überlebensanalyse von Patientinnen unterliegt zahlreichen Confoundern, die unabhängig von den klassischen klinischen Parametern, eine Vergleichbarkeit mit anderen, großen Kollektiven erschwert und somit unter Umständen schlechtere Therapiequalität widerspiegelt, die jedoch nicht zwangsläufig real anzutreffen ist.

Abstract

Background: It seems reasonable to assume that standardized quality assurance and adherence to guidelines in the treatment of breast cancer will lead to an improvement in disease-free and overall survival. However there are still no prospective studies demonstrating this relationship. Because of the absence of a national clinical cancer registry in Germany, survival data are often collected using retrospective studies which are prone to different errors and biases. Material and Methods: Survival information was retrospectively collected on 710 breast cancer patients undergoing surgical treatment at the University of Frankfurt in the years 1997–1999. Complete data were obtained for 471 patients. The influence of selection bias and information bias on data quality was analyzed. Results: The study cohort was characterized by an elevated rate of patients with higher risk (lymph node positive and larger tumor size) compared to large population-based reference cohorts. Interestingly, the median follow-up time for the group of deceased patients was 1.7 times longer than that of censored cases. This is in contrast to other studies demonstrating an inverse relationship, whereby the proportion of drop-outs from follow-up is higher among disease-free patients in the study, and suggests an information bias. A simulation experiment was performed to estimate the influence of this bias and a possible difference of 13.9 % in the 5-year overall survival was suggested (73.5 ± 3.1 % vs. 87.4 ± 1.5 %). Conclusion: Retrospective studies on survival are influenced by several confounding variables in addition to classical clinical parameters. These factors complicate comparisons with reference cohorts and could result in a misleading assumption of a worse quality of treatment.

Literatur

• 1 Kreienberg R, Kopp I, Albert U et al. Interdisziplinäre S3-Leitlinie für die Diagnostik, Therapie und Nachsorge des Mammakarzinoms. Deutsche Krebsgesellschaft e.V., Informationszentrum für Standards in der Onkologie (ISTO), Hrsg. Berlin; W. zuchschwerdt Verlag GmbH 2008: ISBN 978-3-88603-934-0
  PubMedGoogle Scholar
• 2 Harnett A, Smallwood J, Titshall V Guideline Development Group et al. Diagnosis and treatment of early breast cancer, including locally advanced disease – summary of NICE guidance.  BMJ. 2009;  338 b438
  CrossrefPubMedGoogle Scholar
• 3 Grimes D A, Schulz K F. Cohort studies: marching towards outcomes.  Lancet. 2002;  359 341-345
  CrossrefPubMedGoogle Scholar
• 4 Weiss C. Basiswissen Medizinische Statistik. Heidelberg; Springer Medizin Verlag 2005: ISBN-13 978-3-540-71460-6
  PubMedGoogle Scholar
• 5 Grimes D A, Schulz K F. Bias and causal associations in observational research.  Lancet. 2002;  359 248-252
  CrossrefPubMedGoogle Scholar
• 6 Mamdani M, Sykora K, Li P et al. Reader's guide to critical appraisal of cohort studies: 2. Assessing potential for confounding.  BMJ. 2005;  330 960-962
  CrossrefPubMedGoogle Scholar
• 7 Mathis S, Gartlehner G. Kohortenstudien.  Wien Med Wochenschr. 2008;  158/5–6 174-179
  PubMedGoogle Scholar
• 8 Lundin J, Lehtimäki T, Lundin M et al. Generalisability of survival estimates for patients with breast cancer – a comparison across two population-based series.  Eur J Cancer. 2006;  42 3228-3235
  CrossrefPubMedGoogle Scholar
• 9 Surveillance, Epidemiology, and End Results (SEER) Program Public-Use Data (1973–2001). National Cancer Institute, Division of Cancer Control and Population Sciences, Surveillance Research Program, Cancer Statistics Branch, released April based on the November 2003 submission. http://www.seer.cancer.gov
  Google Scholar
• 10 Karn T, Metzler D, Ruckhäberle E et al. Data driven derivation of cutoffs from a pool of 3,030 Affymetrix arrays to stratify distinct clinical types of breast cancer.  Cancer Res Treat. 2009;  DOI: 10.1007/s10549-009-0416-z
  Google Scholar
• 11 Miller L D, Smeds J, George J et al. An expression signature for p 53 status in human breast cancer predicts mutation status, transcriptional effects, and patient survival.  Proc Natl Acad Sci USA. 2005;  102 13550-13555
  CrossrefPubMedGoogle Scholar
• 12 Pawitan Y, Bjohle J, Amler L et al. Gene expression profiling spares early breast cancer patients from adjuvant therapy: derived and validated in two population-based cohorts.  Breast Cancer Res. 2005;  7 R953-R964
  CrossrefPubMedGoogle Scholar
• 13 Desmedt C, Piette F, Loi S TRANSBIG Consortium et al. Strong time dependence of the 76-gene prognostic signature for node-negative breast cancer patients in the TRANSBIG multicenter independent validation series.  Clin Cancer Res. 2007;  13 3207-3214
  CrossrefPubMedGoogle Scholar
• 14 BQS Bundesgeschäftsstelle Qualitätssicherung gGmbH. http://www.bqs-online.com
  Google Scholar
• 15 The European Society of Breast Cancer Specialists. http://www.eusoma.org
  Google Scholar
• 16 Nakash R A, Hutton J L, Jørstad-Stein E C et al. Maximising response to postal questionnaires – a systematic review of randomised trials in health research.  BMC Med Res Methodol. 2006;  6 5
  CrossrefPubMedGoogle Scholar
• 17 Robert Koch-Institut Hrsg.. Krebs in Deutschland 2003 – 2004. Häufigkeiten und Trends. Eine gemeinsame Veröffentlichung des Robert Koch-Instituts und der Gesellschaft der epidemiologischen Krebsregister in Deutschland e. V. 6. überarbeitete Auflage. Berlin; Druckhaus Berlin-Mitte GmbH 2008: ISBN 978-3-89606-182-9
  PubMedGoogle Scholar

Priv.-Doz. Dr. med. Achim Rody

Klinik für Gynäkologie und Geburtshilfe
Goethe Universität

Theodor-Stern-Kai 7

60590 Frankfurt

Email: achim.rody@em.uni-frankfurt.de