Analyse des Données de Survie
Objectifs
Particularités des données de survie (censure, troncature…)
Fonctions de risque et de survie, et autres représentations
Estimation non-paramétrique des fonctions de survies – Comparaisons non-paramétriques des distributions de survies
Modèles semi-paramétriques via le modèle de Cox – Cas des variables dont la valeur dépend du temps.
Vérification des hypothèses du modèle de Cox : hypothèse des hasards proportionnels et hypothèse de log-linéarité
Modèles avancées en survie : introduction de la notion de risque compétitif
Utilisation des scores de propension dans un modèle de Cox
Plan
Définir la relation entre la fonction de survie, la fonction de répartition, la fonction de risque instantané et la densité.
Identifier la présence de censure et de troncature dans un jeu de données
Décrire et interpréter des données de survie à l’aide de l’estimateur de Kaplan-Meier.
Formuler des questions de recherche impliquant des données de survie en tant que problèmes de régression.
Résoudre les problèmes classiques de comparaison de plusieurs échantillons des distributions de survie.
Implémenter un modèle de durée à l’aide de logiciel statistique (R)
Vérifier la qualité de l’ajustement du modèle pour des données de survies.
Interpréter les résultats de l’inférence sur des données de survies via de modèle semiparamétrique multivarié
Intégrer des covariables dépendantes du temps dans le modèle à risques proportionnels
Identifier des écarts aux principales hypothèses des modèles
Prérequis
Probabilité, statistique inférentielle, SAS, R (1A)
Régression linéaire, GLM, Modèle de durée, Martingales, Méthodes de rééchantillonnage (2A)