Comparaison de courbes de survies

Slides:



Advertisements
Présentations similaires
Dénombrements & probabilités
Advertisements

Indicateurs de Suivi, Risques & Mesure d’Associations
Comparaison d’une moyenne observée à une moyenne théorique
Corrélation Position du problème Définition covariance (X,Y) r =
Risques d’erreur statistique et test statistique
Répétitions des tests statistiques Répétition des tests Plusieurs tests réalisés pour répondre à une même question –par exemple plusieurs critère de.
Test statistique : principe
Inférence statistique
C1 Bio-statistiques F. KOHLER
Comparaison de deux moyennes observées
Inférence statistique
Situation du problème :
Probabilités (Probability)
Comparaison de pourcentages : séries appariées
Faculté de médecine de Nancy - SPI-EAO - Pr. F. KOHLER
Comparaison d'une distribution observée à une distribution théorique
Comparaison de deux pourcentages observés
Comparaison de plusieurs moyennes observées
Tests non paramétriques
Courbes de survie C1 Statistiques.
Les TESTS STATISTIQUES
Pr. François Kohler Probabilités Pr. François Kohler
Tests de comparaison de pourcentages
Master Pharmacologie - Module Pharmacologie du développement - Paris ANALYSE D'ESSAI THERAPEUTIQUE Pr E. Autret-Leca Pharmacologie CHRU Tours.
Comparaison de plusieurs moyennes Analyse de variance
Estimation de la survie comparaison des courbes de survie
Nombre de sujets nécessaires en recherche clinique
Les TESTS STATISTIQUES
Dr DEVILLE Emmanuelle J D V 12/07/2006
Statistique descriptive
Estimation de la survie comparaison des courbes de survie FRT C3.
Régression -corrélation
Une mesure de l ’évolution dans le temps
Indépendance & Khi-deux ²
Tests de comparaison de moyennes
Autres LOIS de PROBABILITES
Les liens entre les variables et les tests d’hypothèse
Plans à groupes indépendants: organisation
Nombre de sujets nécessaires en recherche clinique
Problème Autre formulation :
Faculté de Médecine Lyon-Sud Module Optionnel de préparation à la lecture critique d ’articles Interprétation des tests statistiques.
Comparaison de deux échantillons
Analyse factorielle de variance: Principes d’expérimentation
Régression linéaire multiple : hypothèses & interprétation. Partie 2.
Régression linéaire multiple : hypothèses & interprétation
Statistiques Séance 10 N. Yamaguchi.
Méthodes de Biostatistique
Analyse de survie.
ANALYSE DE DONNEES TESTS D’ASSOCIATION
STATISTIQUES – PROBABILITÉS
Fabienne BUSSAC PROBABILITÉS 1. VOCABULAIRE
STATISTIQUE INFERENTIELLE LES TESTS STATISTIQUES
Problème Autre formulation :
L’erreur standard et les principes fondamentaux du test de t
ATELIERS STATISTIQUES
1.  On souhaite comparer deux traitements dans le cadre d’un essai randomisé sur les lombosciatiques :  corticoïdes par infiltrations  placebo  Critère.
* 16/07/96 Cohorte des travailleurs du nucléaire à Électricité de France : mortalité des agents statutaires sur la période 1968–2003 *
ou comment savoir si les différences observées sont significatives
CONSTRUCTION DE TABLEAUX CROISES SUR LE LOGICIEL MODALISA MET4 – Avril 2005.
Calculs de l’accélération à partir d’un graphique
1 L2 STE. Test du χ2 d’adéquation/conformité: Il s'agit de juger de l'adéquation entre une série de données statistiques et une loi de probabilité définie.
Comparaison de plusieurs moyennes observées
Tests relatifs aux variables qualitatives: Tests du Chi-deux.
Tests relatifs aux variables qualitatives: Tests du Chi-deux.
ETUDES PRONOSTIQUES Pr Ganry.
Biostatistique pour le troisième cycle P. Leroy, F. Farnir 2013.
TP1: Statistique application chapitre 2. Le tableau suivant reprend le taux d'intérêt (en %) payé par 20 banques sur les dépôts d'épargne de leurs clients.
Notions de statistiques et d’analyse de données Master 1 MGS – Sarah MISCHLER –
Transcription de la présentation:

Comparaison de courbes de survies Probabilités conditionnelles et indépendance L'événement A est dit indépendant de B si la probabilité de voir se réaliser A ne dépend pas de la réalisation ou de la non réalisation de B. P(A/B) = P(A/non B) = P(A) Si, et seulement si, A et B sont indépendants, on a : P(A et B) = P(A) * P(B) Application à la survie Soit les événements Morts-Vivants P(Vivant) = 1 - P(Mort) Etre vivant au jour J+1 est indépendant d'être vivant au jour J. Donc la probabilité d'être vivant au jour J et au jour J+1 est égale au produit des probabilités d'être vivant au jour J et J+1.

Courbe de survie Tableau des valeurs Jour Exposés DCD PDV P(DCD) P(Viv.) Pcum(Viv) 0 100 0 0 0 1 1 1 100 3 0 0,03 0,97 1*0,97 6 97 2 0 2/97 =0,0206 0,9794 0,97* 0,9794 = 0,95002 7 95 0 3 0 1 0,95002 10 92 … … … … … Jour = délai en jours entre l'entrée dans l'étude et la survenue de l'événement. Exposés = nombre de personnes exposées au risque au jour j DCD = Nombre de décès (événements) constatés au jour J PDV = Nombre de perdus de vue au jour J P(DCD) = probabilité de mourir au jour J (Nombre de décès parmi les exposés au jour j) P(Viv) = Probabilité au jour j d'être en vie = 1-P(DCD) Pcum(Viv) = Probabilité cumulée de survie au jour J = Probabilité d'être en vie au jour J0 et J1 … et Jn.

Comparaison de courbes de survies Position du problème On désire comparer l'évolution de 2 groupes de sujets. Pour cela, on pourrait comparer les pourcentages de décès survenant dans chacun de ces groupes; ou encore comparer les taux de survie à un instant donné. Ces solutions ne permettent pas de tenir compte des moments auxquels les décès se produisent. Le test qui permet de tenir compte du nombre de décès et de leur délais est le test du Logrank.

Éléments nécessaires à la comparaison : Eléments nécessaires Éléments nécessaires à la comparaison : Deux tableaux de survie Jour, Nombre de sujets soumis au risque juste avant ce jour, Nombre d'événement ce jour, Perdus de vue, Probabilité élémentaire, Probabilité globale Principe du test Si les deux courbes de survie sont identiques, les risques à un moment donné sont les mêmes dans les deux groupes. Ainsi, si au jour 97, 176 sujets sont soumis au risque dans le groupe 1 et 162 dans le groupe 2, le nombre total d'exposés est de 176+162 = 338. Si au jour 97, on a deux décès en tout, le risque élémentaire est de 2/338 soit 0,0059. Sous cette hypothèse, on aurait du obtenir dans le premier groupe 176*0,0059 = 1,04 décès et 2-1,04 = 0,96 dans le second groupe.

Hypothèses Hypothèses Statistique : Khi 2 Hypothèse nulle Les événements surviennent avec la même fréquence dans les deux groupes et au même moment. Hypothèses alternatives Les événements ne surviennent pas avec la même fréquence ou pas au même moment dans les deux groupes Statistique : Khi 2 Calcul du total des événements attendus dans un des groupes EA Par différence EB = Total des événements - Ea Khi 2 avec DDL = 1 2 Khi 2 =

Exemple Groupe 1 Groupe 2

Exemple Attendus 2 2 (13 - 8,036) = 8,036 * 12,964 21 = 4,97 DDL = 1 Khi 2 = 8,036 * 12,964 21 = 4,97 DDL = 1 Khi 2 > 3,84 Il existe une différence significative entre les 2 groupes au seuil de risque 5%