analyse de survie Flashcards
utilité des études de survie
permettent d’étudier le délai de survenue d’un événement
type d’événements considérés dans les études d’analyse de survie
événement qualitatifs binaires (décès, survenue de maladie)
but de l’analyse de survie pour les essais cliniques
évaluer l’efficacité d’un tx dont l’objectif est de retarder la survenue d’un événement clinique
suivi des pts : pourquoi peut-on pas utiliser la régression linéaire ou logistique
- la durée de suivi des pts peut être différente
- l’origine (début) de la surveillance peut être différente
- l’événement attendu peut ne pas survenir dans la période de surveillance
censure
quand on arrête le suivi d’un pt avant la survenue de l’événement
types de censures
- les pts n’ont pas eu l’événement à la fin du temps de suivi (ex : vivants)
- les pts sont retirés ou perdus de vue avant la fin du suivi (ex : mort)
pourquoi l’existence de censure empêche le calcul de la durée moyenne de survie?
on ne connait pas toutes les durées de survie
pourquoi faut-il considérer les données censurées
on perd de l’info autrement
date d’origine
date de début de prise en compte du suivi des observations
date des dernières nouvelles
date à laquelle les derniers renseignements concernant l’état du sujet ont été collectés
état aux dernières nouvelles
état caractérisé par une variable binaire (ex : décédé ou vivant)
date de point
date d’arrêt d’étude
recul
délai écoulé entre la date d’origine et date de point
temps de participation
calculé à partir de la date d’origine et de la date des dernières nouvelles/date de point
fonction de survie
probabilité de survivre au moins jusqu’au temps t
v ou f : la probabilité est estimée par une proportion
v
courbe de survie : caractéristiques
courbe de S(t) en fonction de t
- fct décroissante de 1 à 0
- quant t = 0, S(t) = S(0) = 1 (personne a eu l’événement)
- quand t = infini, S(t) = S(0) = 0 (personne ne survit)
que décrit la courbe de survie?
la dynamique de survenue des décès au cours du temps
courbe de survie : pourquoi on mesure la médiane et pas la moyenne
dû à l’asymétrie de la courbe de survie (car survie est pas pareille chez les pts)
estimateur de la fct de survie le plus utilisé
Kaplan-Meier
condition pour l’utilisation de l’estimation kaplan-meier
aucune hypothèse n’est faite sur la distribution des temps de survie
méthode de kaplan-meier : principes
- être encore en vie après un instant t
- être en vie avant t et ne pas mourir au temps t
interprétation d’une courbe de survie qui décroit rapidement
les gens ont plus d’événements (décès), délai de survie est petit (moins de gens survivent)
méthode de comparaison des courbes de survie
test du logrank
test du logrank : H0
les 2 courbes de survie sont superposées, le risque de survenue de l’événement est le même dans les 2 groupes
test du logrank : H1
les 2 courbes de survie ont des profils différents
interprétation si le test de logrank est significatif
si le test est significatif, les 2 courbes sont significativement différentes
la fct logit est utilisée dans la régression logistique :
a) pcq les valeurs p (probabilités d’avoir l’événement) est petites
b) pcq les valeurs p peuvent pas être analysées
c) pcq valeurs p sont entre 0 et 1
d) pour avoir une relation linéaire entre le logit et les facteurs de risque
d
la statistique de wald est :
a) fct de bêta
b) équivalent de R2 dans le modèle linéaire
c) mesure de l’adéquation du mdl
d) mesure de croissance des odds
a
la régression logistique est basée sur :
a) une distribution normale
b) une distribution binomiale
b
la régression logistique est essentielle lorsque
a) la variable dépendante et les variables indep sont continues
b) variable dep est continue et les variables indep sont catégorielles
c) slm la variable dep est catégorielle mais les autres variables indep sont continues
d) slm la variable dep est catégorielle quelque soit le type des variables indep
d
OR nous indique le chgmt dans le risque d’avoir l’événement lorsque le facteur de risque change d’une unité : wald, exp(beta) ou -2LL
exp(beta)
plus la déviance du mdl est petite, plus le mdl est adéquat: wald, exp(beta) ou -2LL
-2LL
la stat utilisée pour juger si la variable explicative contribue au risque d’avoir l’événement ou non: wald, exp(beta) ou -2LL
wald
le log de la vraisemblance signifie :
a) probabilité de la survenue de l’événement en présence d’un facteur de risque
b) mesure de la puissance explicative du mdl
c) OR d’une variable explicative
b