9-KM Flashcards
Les évènements considerés dans les études de survies sont de types
qualitatifs binaires
L’analyse de survie consiste à évaluer l’efficacité d’un traitement dont l’objectif est de
retarder la survenue d’un évenement clinique
dans le cas du décès l’objectif est d’augmenter la durée de survie des patients
Un individu est dit censuré si
l’on arrête son suivi avant la survenir de l’évènement
2 types de censures
- les patients sont tjrs vivant (ils n’ont pas eu l’évènement) à la fin du temps de suivi = exclu-vivant
- les patients perdus de vue ou retirés de l’essai avant la fin du suivi
date d’origine
date de début de prise en compte du suivi des observations
essai thérapeutique: date du tirage au sort
étude pronostique: date du diagnostic
date des dernières nouvelles
data à laquelle les derniers renseignements concernant l’état du sujet ont étés collectés
état aux dernières nouvelles
état caractérisé par une variable binaire (ex: vivant ou décédé)
date de point
date d’arrêt de l’étude
recul
délai écoulé entre la date d’origine et la date de point
temps de participation
calculé à partir de la date d’origine et de la date des dernières nouvelles ou de la date de point
fonction de survie S(t)
probabilité de survivre au moins jusquau temps t
estimé par la proportion des individus initialement inclus dans l’essai toujours vivants au temps t
3 caractéristiques de la courbe S(t)
- fonctions décroissantes de 0 à 1
- Quand t=0, S(0) = 1, personne n’a eu encore l’évènement
- Au temps inf = S(inf) = 0, théoriquement si l’étude dure sans limites, personne ne va survivre
Médiane de survie
Temps quand le survival proportion est à 0.5
fonction de risque instantané (hazard function) h(t)
la probabilité selon laquelle un décès se produira au temps t
comment fonctionne le hazard function
si le temps est en jours, le nombre de patients qui décèdent durant la 30ieme jour est égal au nombre de survivants au debut du 30e jour multiplié par h(30)
h(30) = la probabilité qu’un décès se produise au 30ieme jour
2 caractéristiques de la courbe de risque instantané
- fonction positive
- n’a pas de limites et peut aller dans toutes les directions
principe de l’estimateur de la fonction de survie par la méthode de kaplan meier
- être encore en vie après un instant t
- être en vie juste avant t et ne pas mourrir au temps t
méthode statistique pour la comparaison de deux courbes de survie
test du logrank
hypothèses du test de logrank
H0: les deux courbes de survie sont superposées, le risque de la survenue d’un événement est le même dans les deux groupes
H1: les deux courbes ont des profils différents
le test du logrank est semblable à
une combinaison de plusieurs tests de khi2 comparant le risque de décès dans les deux groupes chaque fois qu’un décès survient
vrai ou faux: un test du logrank est negatif si les deux courbes se croisent a la fin
faux il peut etre significatif