Escolar Documentos
Profissional Documentos
Cultura Documentos
Michaël Genin
Université de Lille 2
EA 2694 - Santé Publique : Epidémiologie et Qualité des soins
michael.genin@univ-lille2.fr
Plan
1. Introduction
2. Définitions
3. Modèle Probabiliste
4. Estimation de S(t)
6. Bibliographie
Michaël Genin (Université de Lille 2) Introduction à l’analyse de survie Version - 30 mars 2015 1 / 42
Introduction
.
Définition
.
Analyse de données de survie : étude l’apparition d’un évènement au cours du
.temps.
Exemples :
Temps de survie après le diagnostic d’un cancer du sein
Durée de séropositivité sans symptôme de patients infectés par le VIH
Durée de vie d’une ampoule, d’un pièce mécanique, . . .
de la variable à expliquer :
Temps de survie
Temps écoulé sans symptôme
Temps de fonctionnement de l’ampoule, de la pièce mécanique,. . .
Michaël Genin (Université de Lille 2) Introduction à l’analyse de survie Version - 30 mars 2015 3 / 42
Introduction
1 Groupe 1
Groupe 2
% de vivant
0.4
0 1 2 3 4 5 6 Temps (année)
Michaël Genin (Université de Lille 2) Introduction à l’analyse de survie Version - 30 mars 2015 4 / 42
Introduction
On peut pas attendre que l’évènement soit observé pour chaque sujet de
l’échantillon (longueur de l’étude).
Dans certains cas, il se peut que l’évènement ne soit jamais observé chez
certains sujets.
Michaël Genin (Université de Lille 2) Introduction à l’analyse de survie Version - 30 mars 2015 5 / 42
Introduction
Michaël Genin (Université de Lille 2) Introduction à l’analyse de survie Version - 30 mars 2015 6 / 42
Définitions Définitions et notations
Définitions
.
Date d’Origine (DO)
.
Date d’entrée dans l’étude du patient (variable en fonction des individus).
Exemples :
Date de tirage au sort (essai thérapeutique)
Date de diagnostic (étude prospective)
.
.
Date de Dernières Nouvelles (DDN)
.
Date la plus récente où le sujet à été revu. (Rq : si patient décédé → DDN = date
.de décès)
.
Délai de surveillance
.
.Délai entre DO et DDN.
Michaël Genin (Université de Lille 2) Introduction à l’analyse de survie Version - 30 mars 2015 9 / 42
Définitions Définitions et notations
Définitions
.
Temps de Participation (TP) - I
.
Analyse des résultats → on ne peut attendre la survenue de l’évènement pour tous
les sujets.
2 cas possibles :
1. On fixe a priori (dans le protocole) la date du bilan de l’étude → au delà de
DO DP DDN
TP Temps
DO DDN DP
.
Michaël Genin (Université de Lille 2) Introduction à l’analyse de survie Version - 30 mars 2015 10 / 42
Définitions Définitions et notations
Définitions
.
Temps de Participation (TP) - II
.
Analyse des résultats → on ne peut attendre la survenue de l’évènement pour tous
les sujets.
2 cas possibles :
2. On fixe a priori la durée d’observation potentielle unique pour chaque sujet
observé.
Exemple : survenue d’une hépatite B après avoir reçu un vaccin. Chaque sujet
est suivi pendant 1 an.
TP Temps
DO DDN
TP = au + le délai d’observation
TP fixé à l’avance (ex : 1 an) Temps
.
. DO DDN DP
Recul
.
.Délai entre DO et DP
Michaël Genin (Université de Lille 2) Introduction à l’analyse de survie Version - 30 mars 2015 11 / 42
Définitions Définitions et notations
Définitions
TP Temps
.
Perdu de Vue (PV)
.
Sujet dont onDO
ne connait pas l’état à la DP (≡
DPvivant à laDDN
DDN).
TP Vivant Temps
DO DDN DP
En
. pratique : < 10% dans les études prospectives.
.
Exclu-Vivant (EV)
.
Sujet n’ayant pas présenté l’évènement à la DP.
TP Vivant Temps
. DO DP DDN
TP Temps
Michaël Genin (Université de Lille 2) Introduction à l’analyse de survie Version - 30 mars 2015 12 / 42
Définitions Données censurées
.
Donnée censurée à droite
.
Une durée de vie (observation) est dite censurée à droite si l’individu n’a pas
présenté l’évènement à sa dernière observation.
TP Temps
2 cas de figure :
DO DP DDN
1. Perdu de vue
TP Vivant Temps
DO DDN DP
. Exclu-vivant
2
TP Vivant Temps
DO DP DDN
Observations
. incomplètes → TP
la durée de vie n’est pas totalement observée.
Temps
DO DDN DP
Michaël Genin (Université de Lille 2) Introduction à l’analyse de survie Version - 30 mars 2015 14 / 42
Définitions Données censurées
.
Censure aléatoire - I
.
Délai entre la DO et la DP est considéré comme aléatoire (les sujets entrent dans
l’étude de manière aléatoire).
Xi ≤ Li
DO DP DDN
Xi Décédé Temps
DO DDN DP
Li
Nous
. sommes en présence d’observations complètes (non-censurées).
Michaël Genin (Université de Lille 2) Introduction à l’analyse de survie Version - 30 mars 2015 15 / 42
Définitions Données censurées
.
Censure aléatoire - II
.
Le délai exact de survie n’est pas connu si
Xi > Li
TP Temps
2 cas de figure :
1. Perdu de vue DO DP DDN
Xi Vivant Temps
DO DDN DP
LiTP Temps
. Exclu-vivant
2
DO DP DDN
Xi Vivant Temps
DO DP
Li
Nous
. sommes en présence d’observations incomplètes : données censurées.
Michaël Genin (Université de Lille 2) Introduction à l’analyse de survie Version - 30 mars 2015 16 / 42
Définitions Données censurées
.
Censure aléatoire - III
.
Aussi le temps de survie est définie par
Remarque : le couple (Ti , δi ) est suffisant pour réaliser les analyses de survie.
Michaël Genin (Université de Lille 2) Introduction à l’analyse de survie Version - 30 mars 2015 17 / 42
Définitions Données censurées
.
Censure aléatoire - IV
.
Hypothèse fondamentale : en cas de censure aléatoire, on considère que le délai de
censure Li est une v.a.r. indépendante du temps de survie Xi .
Michaël Genin (Université de Lille 2) Introduction à l’analyse de survie Version - 30 mars 2015 18 / 42
Modèle Probabiliste
. S(t) = P(T ≥ t)
Remarquons que
S(t) = P(T ≥ t) = 1 − P(T < t) = 1 − F (t)
.
Fonction quantile du temps de survie
.
Cette fonction est définie par
Michaël Genin (Université de Lille 2) Introduction à l’analyse de survie Version - 30 mars 2015 21 / 42
Estimation de S(t) Introduction
S(t) =?
S(t) =?
0 1 2 3 4 5 6 7 Temps (jours)
Michaël Genin (Université de Lille 2) Introduction à l’analyse de survie Version - 30 mars 2015 24 / 42
Estimation de S(t) Méthode de Kaplan-Meier
Méthode de Kaplan-Meier
Idée : Etre encore à vie à l’instant t c’est être encore en vie juste avant t et ne pas
mourir à l’instant t.
Par récurrence,
Posons
Qj = P(T ≥ tj /T ≥ tj−1 )
Aussi
. ∏ ∏
S(tj ) = P(T ≥ ti /T ≥ ti−1 ) = Qi
. i:ti ≤tj i:ti ≤tj
Michaël Genin (Université de Lille 2) Introduction à l’analyse de survie Version - 30 mars 2015 26 / 42
Estimation de S(t) Méthode de Kaplan-Meier
Méthode de Kaplan-Meier
Michaël Genin (Université de Lille 2) Introduction à l’analyse de survie Version - 30 mars 2015 27 / 42
Estimation de S(t) Méthode de Kaplan-Meier
Méthode de Kaplan-Meier
d correspond à la proportion
Remarque 1 : En l’absence de données censurées, S(t)
de sujet encore en vie à t.
Michaël Genin (Université de Lille 2) Introduction à l’analyse de survie Version - 30 mars 2015 28 / 42
Estimation de S(t) Méthode de Kaplan-Meier
Méthode de Kaplan-Meier
Retour à l’exemple
d = S(2)
S(1) d =1
q1 = q2 = 5/5 = 1 d
S(3) = 4/5
q3 = P(T ≥ t3 /T ≥ t2 ) = (5 − 1)/5 = 4/5 d = 4/5
S(4)
q4 = P(T ≥ t4 /T ≥ t3 ) = 4/4 = 1
d = 4/5
S(5)
q5 = P(T ≥ t5 /T ≥ t4 ) = (4 − 1)/(4 − 1) = 3/3 = 1
q6 = P(T ≥ t6 /T ≥ t5 ) = (3 − 2)/3 = 1/3 d = 4/5 × 1/3 = 4/15
S(6)
q7 = P(T ≥ t7 /T ≥ t6 ) = (1 − 1)/1 = 0 d = 4/5 × 1/3 × 0 = 0
S(7)
Michaël Genin (Université de Lille 2) Introduction à l’analyse de survie Version - 30 mars 2015 29 / 42
Estimation de S(t) Méthode de Kaplan-Meier
d
Représentation graphique de S(t)
1
1
4/5
!
S(t)
4/15
0 1 2 3 4 5 6 7 Temps (jours)
Michaël Genin (Université de Lille 2) Introduction à l’analyse de survie Version - 30 mars 2015 30 / 42
Estimation de S(t) Méthode actuarielle
Méthode actuarielle
Différence :
On ne dispose pas des dates précises de décès
L’échelle de temps est découpée en intervalles de temps égaux fixés a priori
Exemple : Evaluation tous les mois, semestres, années,. . .
Michaël Genin (Université de Lille 2) Introduction à l’analyse de survie Version - 30 mars 2015 32 / 42
Comparaison de deux fonctions de survie Objectifs
Objectifs
Exemples :
Comparaison de l’efficacité de 2 traitements (Essai thérapeutique)
Comparaison de la durée de survie en fonction du sexe, âge, . . .
...
Michaël Genin (Université de Lille 2) Introduction à l’analyse de survie Version - 30 mars 2015 35 / 42
Comparaison de deux fonctions de survie Test du Log-rank
Posons :
SA (t) la fonction de survie du groupe GA
SB (t) la fonction de survie du groupe GB
Michaël Genin (Université de Lille 2) Introduction à l’analyse de survie Version - 30 mars 2015 37 / 42
Comparaison de deux fonctions de survie Test du Log-rank
0 t1 t2 ti tk
Michaël Genin (Université de Lille 2) Introduction à l’analyse de survie Version - 30 mars 2015 38 / 42
Comparaison de deux fonctions de survie Test du Log-rank
mi = 1
Michaël Genin (Université de Lille 2) Introduction à l’analyse de survie Version - 30 mars 2015 39 / 42
Comparaison de deux fonctions de survie Test du Log-rank
Posons
∑k
EA = i=1 eAi : le nombre total de décès attendus dans GA sous H0
∑k
EB = i=1 eBi : le nombre total de décès attendus dans GB sous H0
∑k
OA = i=1 mAi : le nombre total de décès observés dans GA
∑k
OB = i=1 mBi : le nombre total de décès observés dans GB
Michaël Genin (Université de Lille 2) Introduction à l’analyse de survie Version - 30 mars 2015 40 / 42
Bibliographie
Bibliographie
Livres
1. Analyse statistique des données de survie. Hill, C. ; Com-Nougue, C. ;
Supports en ligne
3. Introduction à l’analyse des durées de survie. P. Saint-Pierre.
http://www.lsta.upmc.fr/psp/Cours_Survie_1.pdf
4. Durées de survie. M-L.Taupin.
http://stat.genopole.cnrs.fr/_media/members/mtaupin/CoursSurvieENSIIE.pdf
Michaël Genin (Université de Lille 2) Introduction à l’analyse de survie Version - 30 mars 2015 42 / 42