cours3- non-paramétrique- hiv2014
DESCRIPTION
uploadTRANSCRIPT
-
5/28/2018 Cours3- Non-Paramtrique- Hiv2014
1/10
1/20/
DMO 6405: Modles de risque et dure
Lanalyse des transitions non-paramtrique
1
Rsum semaine dernire
Fonctions mathmatiques de base
2
-
5/28/2018 Cours3- Non-Paramtrique- Hiv2014
2/10
1/20/
Aujourdhui
Semi paramtrique; Paramtrique)
Kaplan Meier versus les tables demortalit (ou de survie)
3
Kaplan-Meier
Comparaison de fonctions de survie
Trois grands typesdapproches
-mortalit, estimateur de Kaplan-Meier)
Mthodes semi-paramtriques (modlede Cox)
Mthodes paramtriques (modleexponentiel, de Gompertz, de Weibull,
4
etc.)
-
5/28/2018 Cours3- Non-Paramtrique- Hiv2014
3/10
1/20/
Trois grands types
dapproches (suite)Estimation Fonction de Effet des
Analyse
r sque ou edure)
carac r s quesdintrt sur lerisque (ou sur ladure)
Non-paramtrique
Non Non
5
Semi-paramtrique
Non Oui
Paramtrique Oui Oui
Lanalyse non-paramtrique
comparaison des fonctions de survie (oude sjour) pour lvnement considr Apparent aux tables de mortalit introduites
par Edmund Halley (1693) utilises endmographie
Deux mthodes destimation de la fonction
6
e surv e :1. Estimation de Kaplan-Meier
2. Estimation actuarielle (table de mortalit ou desurvie)
-
5/28/2018 Cours3- Non-Paramtrique- Hiv2014
4/10
1/20/
Kaplan-Meier versus Table de
survie Kaplan-Meier
les vnements ont lieu exactement aux instants t1,t2,, tn
les probabilits conditionnelles sont dtermins parles dates de dcs observes
donnes continues
Table de mortalit
les vnements ont lieu uniformment dans r
7
,
[0, t1), [t1, t2),,[tr-1, tr)
les probabilits conditionnelles sont estimes pourdes intervalles de temps fixs priori
donnes discrtes (ou continues)
Mthode de Kaplan-MeierPrincipe
Lestimation de la fonction de survie de K-M estdonne par (Cleves et al.):
o nj est la taille du groupe risque au temps j
ttj j
jj
jn
dntS
|
)(
8
j Les temps j se dfinissent par les points prciso se produisent les vnements
Les censures ninterviennent que dans ladfinition du groupe risque nj
-
5/28/2018 Cours3- Non-Paramtrique- Hiv2014
5/10
1/20/
Mthode de Kaplan-Meier
CalculEx. Temps la rcidive en mois de 194 prisonniers (Singer & Willet)
Calcul de la fonction de survie
id
Tempsenmois(t) Statut
1 0.066 1
2 0.131 1
3 0.230 1
4 0.296 1
t Grouperisque(nj)
#dvnements(dj)
0.066 194 1
0.131 193 1
0.230 192 1
Donnes brutes
5 0.296 1
6 0.329 1
7 0.493 1
8 0.624 0
9 0.690 1
Etc.
0.296 191 2
0.296 189 1
0.329 188 10.493 187 0
0.624 186 1
0.690
9
Mthode de Kaplan-MeierCalcul
Calcul de la fonction de survie (suite)
Temps Grouperisque(nj)
#dvnements(dj) pj = (nj -dj)/nj
Survivantslafinde
lintervalleS(t)
0.066 194 1 (194-1)/194 = 0,99485 0.995
0.131 193 1 (193-1)/193 = 0,99482 0.990
0.230 192 1 (192-1)/192 = 0,99479 0.985
0.296 191 2 (191-2)/191 = 0,98953 0.9740.329 189 1 (189-1)/189 = 0,99471 0.969
0.493 188 1 (188-1)/188 = 0,99468 0.964
0.624 187 0 (187-0)/187 = 1,00000 0.964
0.690 186 1 (186-1)/186 = 0,99462 0.959
Etc.10
-
5/28/2018 Cours3- Non-Paramtrique- Hiv2014
6/10
1/20/
La mthode de Ka lan-Meier est mieux ada te
Kaplan-Meier versus Table de
survie (suite)
aux petits chantillons dont les dates sontmesures avec prcision
La mthode actuarielle est prfrable pour leschantillons importants avec des chances pluslongues (1 an, 5 ans, voire 10 ans)
Les rsultats seront dautant plus similaires dune
11
mthode lautre que lchantillon sera grand etque les intervalles de la table de mortalit seront
courts
Mthode de Kaplan-MeierReprsentation graphique
-
1111
111111111111
111111111
111 111111111
11111
1 11 1 1
1 11 11 110
0.6
0
0.8
0
1.0
0
n'ontpasrcidiv
S(t)
-
Dans stata:
st s gr aph, censored( number )
12
111 11 1 11 26
0.0
0
0.2
0
0.
Proportion
qu
i
0 10 20 30 40Mois aprs la sortie
-
5/28/2018 Cours3- Non-Paramtrique- Hiv2014
7/10
1/20/
Mthode de Kaplan-Meier
Reprsentation graphique
.04
.05
h(t)
Dans stata:
sts gr aph, hazar d
Note: Sappelle galement
13
.02
.03
0 10 20 30Mois aprs la sortie
a onct on e r sque
Obtenue par lestimateur
Nelson-Aalen
Mthode de Kaplan-MeierReprsentation graphique
Taux de transition cumul de Nelson-Aalen
.50
1.0
0
H(t)
sts graph, na
Dans stata:
14
0.0
0
0 10 20 30 40Mois aprs la sortie
ttj j
j
jn
dtH
|
)(
-
5/28/2018 Cours3- Non-Paramtrique- Hiv2014
8/10
1/20/
Comparaison de fonctions de
survie
-de survie des deux ou plusieurs groupessont suffisamment diffrentes pour treconsidres statistiquement significatives(est-ce quon peut rejeter lhypothse nulledabsence de diffrence ?)
15
Deux mani res Intervalles de confiance
Tests statistiques
Comparaison de fonctions desurvie (suite)
Intervalles de confiance
.40
0.6
0
0.8
0
1.0
0
in'ontpasrcidiv
S(t)
Estimation de Kaplan-Meier
.4
.6
.8
1
uin'ontpasrcidiv
S(t)
Estimation de Kaplan-Meier
16
0.0
0
0.2
0
0
Proportionq
0 10 20 30 40Mois aprs la sortie
personal = 0 personal = 1
0
.2
Proportion
0 10 20 30 40Mois aprs la sortie
95% CI 95% CI
personal = 0 personal = 1
-
5/28/2018 Cours3- Non-Paramtrique- Hiv2014
9/10
1/20/
Comparaison de fonctions de
survie (suite)
ratio test): pas appropri, car poselhypothse que le risque est proportionnel
Test de log-rank et de Wilcoxon : pour mgroupes, les tests sont construits commedes tests 2 avec m-1 degrs de libert
17
le test de Wilcoxon est plus appropri pour descourtes dures alors que le test de Logrank estplus apte dceler des diffrences significativesaux longues dures
Comparaison de fonctions desurvie (suite)
Sensibilit du testde Wilcoxon
Sensibilit du testLog-rank
18
-
5/28/2018 Cours3- Non-Paramtrique- Hiv2014
10/10
1/20/
Comparaison de fonctions de
survie (suite)Log- r ank test f or equal i t y of survi vor f uncti ons
| Event s Event sLog-rankper sonal | observed expect ed- - - - - - - - - +- - - - - - - - - - - - - - - - - - - - - - - - -0 | 67 77. 811 | 39 28. 19- - - - - - - - - +- - - - - - - - - - - - - - - - - - - - - - - - -
Tot al | 106 106. 00chi 2(1) = 5. 70Pr >chi 2 = 0. 0170
Wi l coxon ( Br esl ow) t est f or equal i t y of sur vi vor f uncti ons
19
| Event s Event s Sum of per sonal | observed expect ed r anks- - - - - - - - - +- - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - -0 | 67 77. 81 - 14831 | 39 28. 19 1483- - - - - - - - - +- - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - -
Tot al | 106 106. 00 0chi 2( 1) = 6. 36Pr >chi 2 = 0. 0117
Wilcoxon
Comparaison de fonctions desurvie avec STATA
-
Options de sts: by( groupvar) pour comparer les groupes
dfinis par groupvar
Tests: sts test ( groupvar) , l ogr ank
20
sts test ( groupvar) , wi l coxon