Analyse de survie de base R Flashcards
Une fonction clé pour l’analyse des données de survie dans R est la fonction
Surv()
role de Surv()
spécifier le type de données de survie que nous avons, à savoir,
censuré à droite, censuré à gauche, censuré par intervalle.
la fonction Surv()accepte comme arguments
premier argument les temps de survie observés,
et comme second l’indicateur d’événement.
La fonction utilisée pour calculer l’estimation de Kaplan-Meier est
survfit()
exemple de estimation de kaplan meir
fit = survfit(Surv(time, status) ~ 1, data = )
La sortie de base de la fonction survfit()donne
le nombre de sujets,
le nombre d’événements,
le temps de survie médian
et son intervalle de confiance à 95%.
le code pour calculer les probabilités de survie à 1000 et 2000 jours
summary(KM_fit, times = c(1000, 2000))
voulons trouver à combien de jours la probabilité de survie est égale à 0,7 et à combien de jours elle est égale à 0,6 - le code est
quantile(KM_fit, probs = 1 - c(0.7, 0.6))
Pour calculer l’estimateur de Breslow, nous utilisons
la fonction survfit() avec la même syntaxe que pour l’estimateur de Kaplan-Meier
la seule différence est que nous devons maintenant définir l’argument typesur “fleming-harrington”.
Nous avons deux tests statistiques standard pour tester une hypothèse simple avec une variable de regroupement
logrank
quel test de comparaison choisir
Le test du log-rank est le test le plus puissant lorsque l’hypothèse des risques proportionnels (PH) est satisfaite.
Pour vérifier l’hypothèse l’hypothèse de risque proportionnel
nous pouvons tracer les fonctions de risque cumulées pour les deux groupes;
lorsque PH est satisfait, les deux courbes seront proportionnelles l’une à l’autre (c’est-à-dire qu’elles s’éloignent progressivement l’une de l’autre).
formule pour tracer la fonction de risque cumulé
plot(KM_fit, fun = “cumhaz”)
les differente fonctions daln l’analue de survie
La fonction de survie S(t) La fonction de probabilité de densité f (t) La fonction de répartition F(t) La fonction de risque h(t) La fonction de risque cumul´ee H(t)
La fonction de probabilit´e de densit´e f (t)
repr´esente la limite de
la probabilit´e que l’´ev´enement se produise au temps t
La fonction de survie S(t)
probabilité que l’evenement se produise apres le temps t
S(t) = Pr(T > t)
La fonction de répartition F(t)
probabilité que l’évènement se produise après le temps t.
F(t) = Pr(T ≤ t) = 1 − S(t)
La fonction de risque h(t)
représente la limite de la probabilité que l’´évènement se produise au temps t, sachant qu’aucun évènement ne s’est produit jusqu’au temps t.
La fonction de risque cumulée H(t)
Ht = -log(S(t))
Formulation générale d’un modelé `a risques proportionnels (PH)
λ(t|Xi) = λ0(t)exp(βi*Xi)
λ0(t)
est la fonction de risque de base (groupe de référence :x1 = x2 = ::: = 0).
estimation de λ0(t)
λ0(t) n’est pas estimée.
Pourquoi le Modelé et dit semi-paramétrique
Partie λ0(t) est non-paramétrique (pas d’estimation)
Partie exp(βi*Xi) et paramétrique (fonction Exponentielle avec prédicteur
linéaire)
La proportionnalité des risques
βk (k = 1; :::; p) ne dependent pas du temps
