Si lees ensayos de oncología, cardiología o cualquier desenlace de tiempo-a-evento, vives rodeado de curvas de Kaplan-Meier. Y casi todos las leemos mal: miramos la mediana, confirmamos que una curva va por encima de la otra y pasamos de página. Este post es para el clínico que quiere leer una curva de supervivencia de verdad —el número en riesgo, la forma, dónde se separan las curvas y qué pasa cuando se cruzan—, porque ahí, en los detalles que nadie mira, es donde una curva de Kaplan-Meier puede mentirte sin que te des cuenta.
Puntos clave (TL;DR)
- La curva de Kaplan-Meier estima la supervivencia en el tiempo contando eventos y censurando a quien todavía no lo ha tenido. No es una línea continua real: son escalones que bajan cada vez que alguien tiene el evento.
- La cola derecha es la parte menos fiable de toda la curva: quedan pocos pacientes en riesgo y el intervalo de confianza se dispara. Una mediana leída sobre una cola casi plana es inestable.
- La tabla de número en riesgo (number at risk) bajo el eje X no es un adorno: sin ella no sabes sobre cuántos pacientes se dibuja cada tramo.
- Si las curvas se cruzan o se separan tarde, los riesgos no son proporcionales y un único hazard ratio promedia dos historias distintas en un solo número.
- En CheckMate 057, la supervivencia global se separó tarde y la supervivencia libre de progresión llegó a cruzarse: al principio, la inmunoterapia no parecía mejor que la quimioterapia.
- La mediana es un solo punto de la curva. Dos curvas con la misma mediana pueden tener colas —y supervivientes a largo plazo— completamente distintas.
1. El caso: un hazard ratio de 0,73 que esconde el primer trimestre
CheckMate 057 comparó nivolumab frente a docetaxel en cáncer de pulmón no microcítico no escamoso avanzado, ya tratado. Aleatorizó a 582 pacientes (292 a nivolumab, 290 a docetaxel) y el titular fue rotundo: la mediana de supervivencia global pasó de 9,4 meses con docetaxel a 12,2 meses con nivolumab, con un HR de 0,73 (IC 96 % 0,59–0,89; p = 0,002). Tres meses de mediana y una reducción del riesgo de muerte. Caso cerrado, pensarías.
Pero mira la curva, no el número. En la publicación de NEJM, las curvas de supervivencia global no se separan desde el principio: tardan en despegarse una de otra. Y en la supervivencia libre de progresión los autores describen explícitamente un cruce de curvas, con el beneficio de nivolumab retrasado. Traducido a la clínica: durante los primeros meses, el paciente con inmunoterapia no estaba mejor —y por progresión, podía estar peor— que el de quimioterapia. El beneficio llega después, y a cambio aparece una cola de supervivientes a largo plazo que la quimioterapia no tiene.
Ese HR de 0,73 es un promedio de todo el seguimiento. Resume en una cifra algo que cambió con el tiempo: un primer trimestre sin ventaja (o con desventaja) y una segunda mitad con ventaja creciente. Si solo lees el HR y la mediana, te pierdes exactamente la información que tu paciente necesita para decidir —»¿cuándo empiezo a ganar algo?»— y que la curva sí te da.
| CheckMate 057 (Borghaei, NEJM 2015) | Nivolumab | Docetaxel |
|---|---|---|
| Pacientes (n) | 292 | 290 |
| Mediana de supervivencia global | 12,2 meses (IC 95 % 9,7–15,0) | 9,4 meses (IC 95 % 8,1–10,7) |
| Supervivencia global a 1 año | 51 % | 39 % |
| HR de muerte | 0,73 (IC 96 % 0,59–0,89; p = 0,002)* | |
| Forma de las curvas | Separación tardía de la SG; cruce de las curvas de SLP | |
2. El concepto: qué es realmente una curva de Kaplan-Meier
Una curva de Kaplan-Meier estima la probabilidad de seguir libre del evento (muerte, progresión, reingreso) a lo largo del tiempo, usando a todos los pacientes aunque no todos se hayan seguido lo mismo. Cada vez que alguien tiene el evento, la curva baja un escalón; a quien se pierde de vista o termina el estudio sin el evento se le censura —se le saca del denominador sin contarlo como evento, marcado con una pequeña marca vertical (tick).
Esa es toda la idea, y de ahí salen sus tres verdades incómodas. Primera: la curva no es una medición continua, es una escalera estadística construida sobre los eventos que de verdad ocurrieron. Segunda: a medida que avanza el tiempo, quedan menos pacientes «en riesgo», así que cada escalón de la derecha pesa sobre menos gente y vale menos. Tercera: la curva depende de la censura; si los que se pierden tienen peor (o mejor) pronóstico que los que siguen —censura informativa—, la curva deja de decir la verdad.
La curva es prima hermana del hazard ratio: el HR intenta resumir en un número la distancia entre dos de estas curvas. Cuando las curvas se portan bien (bajan de forma paralela, sin cruzarse), ese resumen funciona. Cuando no, el número y el dibujo cuentan cosas distintas, y el dibujo gana.
| Zona de la curva | Pacientes en riesgo | ¿Cuánto te puedes fiar? |
|---|---|---|
| Tramo inicial (izquierda) | Casi todos | Alta: muchos eventos, IC estrecho |
| Zona media | Buena parte | Razonable, revisa el número en riesgo |
| Cola (derecha) | Pocos | Baja: IC ancho, un evento mueve la curva |
3. El error típico: leer la mediana y creerle a la cola
El error más frecuente es reducir toda la curva a dos gestos: localizar la mediana (donde la curva cruza el 50 %) y comprobar que una línea va por encima de la otra. Con eso ya «sabemos» cuál tratamiento gana. El problema es que la mediana es un único punto de una curva entera, y en muchos ensayos cae justo en la zona donde ya quedan pocos pacientes: un par de eventos de más o de menos la desplazan varios meses.
El segundo error es enamorarse de la cola. Esa parte final, casi plana, donde unos cuantos supervivientes «aguantan», es la más vistosa y la que menos información tiene: está sostenida por un puñado de pacientes en riesgo. Un lector apurado ve una meseta y concluye «curación»; la tabla de número en riesgo, si se molesta en mirarla, suele mostrar que allí quedaban 12 pacientes, no 400.
Y el tercero, el más caro, es asumir riesgos proporcionales sin mirar. Se cita el HR como si el efecto fuera constante durante todo el seguimiento. CheckMate 057 es el contraejemplo perfecto: con curvas que se separan tarde y una SLP que se cruza, decir «reduce el riesgo un 27 %» en abstracto borra el matiz de que ese beneficio no estaba el primer trimestre. En una decisión de tratamiento, ese matiz es la decisión.
4. Cómo hacerlo bien: leer la curva en el orden correcto
Leer bien una curva de Kaplan-Meier es un procedimiento, no una ojeada. Hazlo en este orden:
- Empieza por abajo, no por las líneas. Lee primero la tabla de número en riesgo. Saber cuántos pacientes quedan en cada punto del tiempo te dice qué tramos son sólidos y cuáles son humo estadístico.
- Mira la forma antes que la mediana. ¿Las curvas se separan desde el inicio, tarde, o se cruzan? ¿Hay mesetas? ¿Dónde está la distancia máxima entre ellas? La forma te dice cuándo aparece el efecto.
- Comprueba la proporcionalidad de riesgos antes de confiar en un único HR. Señales de que no se cumple: curvas que se cruzan, que se tocan y vuelven a abrirse, o que se separan tarde. Los métodos formales son el gráfico log-log y los residuos de Schoenfeld.
- Si los riesgos no son proporcionales, cambia de herramienta. Un HR global ya no basta. Usa supervivencia en puntos de referencia (landmark: a 6, 12, 24 meses), la media de supervivencia restringida (RMST) o reporta el HR por periodos de tiempo.
- Exige el intervalo de confianza, sobre todo en la cola. Una meseta con IC que va del 5 % al 40 % no es una meseta: es una pregunta sin responder.
En la práctica cardiometabólica esto importa tanto como en oncología: desenlaces compuestos de insuficiencia cardíaca, ensayos de iSGLT2 o estudios de ictus se leen con estas mismas curvas, y el mismo descuido —creerle a la cola, ignorar el cruce— lleva a sobrestimar el beneficio. La diferencia entre reducción relativa y absoluta, que vimos en la reducción relativa frente a la absoluta del riesgo, nace muchas veces de leer mal una de estas curvas.
5. Cómo detectarlo al leer: el chequeo de 60 segundos
Cuando te topes con una curva de Kaplan-Meier en un paper, corre esta lista rápida antes de aceptar su conclusión. Si falla la mayoría, desconfía de la cifra del abstract.
| Qué buscar | Señal de alarma |
|---|---|
| Tabla de número en riesgo | No aparece: no puedes saber qué tramo es fiable |
| Forma de las curvas | Se cruzan o se separan tarde, pero reportan un solo HR |
| La mediana | Cae en una zona con muy pocos pacientes en riesgo |
| La cola / meseta | Se vende como «curación» con 10-15 pacientes detrás |
| Censura | Muchos ticks tempranos o pérdidas desiguales entre ramas |
| Proporcionalidad de riesgos | No se menciona ninguna comprobación (log-log, Schoenfeld) |
| Intervalos de confianza | Ausentes o enormes en la parte derecha de la curva |
Un detalle fino que distingue al lector entrenado: revisa si las pérdidas de seguimiento están repartidas por igual entre las dos ramas. Si en un brazo se pierde más gente —y encima por motivos ligados al pronóstico—, la censura deja de ser inocente y la curva favorece artificialmente a ese brazo. Es el mismo problema de validez que discutimos al hablar de riesgo relativo frente a riesgo absoluto: el número final solo vale lo que vale el denominador que lo sostiene.
6. En una frase
Una curva de Kaplan-Meier no se lee por su mediana ni por su cola, sino por su forma y por cuántos pacientes quedaban en riesgo en cada punto: si las curvas se cruzan o se separan tarde, ningún hazard ratio único te está contando toda la verdad.
Preguntas frecuentes
¿Qué es la tabla de número en riesgo en una curva de Kaplan-Meier?
Es la fila de cifras bajo el eje del tiempo que indica cuántos pacientes seguían vivos y en seguimiento en cada momento. Sirve para saber sobre cuánta gente está dibujado cada tramo: cuando el número baja mucho, esa parte de la curva es poco fiable aunque se vea muy clara.
¿Por qué la cola de una curva de supervivencia no es fiable?
Porque en la parte final quedan pocos pacientes en riesgo. Con tan pocos, un solo evento mueve la curva varios puntos y el intervalo de confianza se vuelve enorme. Una meseta sostenida por 10 o 15 pacientes no demuestra «curación»: demuestra que faltan datos para afirmarlo.
¿Qué significa que dos curvas de supervivencia se crucen?
Que el efecto del tratamiento cambia con el tiempo: uno es mejor al principio y el otro después. Eso viola el supuesto de riesgos proporcionales, por lo que un único hazard ratio deja de ser interpretable. En ese escenario hay que usar análisis por puntos de referencia o la media de supervivencia restringida (RMST).
¿Basta la mediana de supervivencia para comparar dos tratamientos?
No. La mediana es un solo punto de la curva y puede caer en una zona con pocos pacientes, donde es muy inestable. Dos tratamientos con idéntica mediana pueden diferir por completo en la cola y en el número de supervivientes a largo plazo. Hay que leer la curva entera.
¿Qué es la censura y cómo afecta a la curva de Kaplan-Meier?
Censurar es retirar del análisis a un paciente que termina el estudio o se pierde sin haber tenido el evento. Es normal y necesario, pero si los que se pierden tienen distinto pronóstico que los que siguen (censura informativa), o se pierden más en un brazo, la curva se sesga y deja de reflejar la supervivencia real.
La próxima semana, Semana 17: «NNT y NNH: el número que tu paciente sí entiende».
Referencias
- Borghaei H, Paz-Ares L, Horn L, et al. Nivolumab versus Docetaxel in Advanced Nonsquamous Non–Small-Cell Lung Cancer. N Engl J Med. 2015;373(17):1627-1639. doi:10.1056/NEJMoa1507643. PMID: 26412456.
Suscríbete a MedicinaCardiometabolica.com
Si estos repasos de lectura crítica te sirven, al suscribirte accedes a:
- Colección de libros de medicina (~18 GB) para descargar y consultar.
- Resúmenes de papers acompañados del artículo original.
- Directorio de ensayos clínicos organizados por fármaco, para encontrar la evidencia en segundos.
Suscríbete en: buymeacoffee.com/drjorgerojas
Canal de WhatsApp: únete aquí
Aviso médico: este contenido es educativo y de lectura crítica de evidencia; no sustituye el juicio clínico individual ni las guías vigentes para cada paciente. Verifica siempre las fuentes primarias antes de aplicar cualquier dato a la práctica.
Dr. Jorge Enrique Rojas Rodríguez — Medicina Interna · MedicinaCardiometabolica.com
Actualizado en noviembre de 2026.
Descubre más desde Medicina Cardiometabólica
Suscríbete y recibe las últimas entradas en tu correo electrónico.