-
Biostatistiques<o:p></o:p>
I) Définitions<o:p></o:p>
- Statistique : art de collecter, analyser et interpréter des données. Elle peut être descriptive ou déductive.<o:p></o:p>
- Population : série exhaustive de tous les individus étudiés.<o:p></o:p>
- Echantillon : ensemble fini et d’effectif limité, souvent randomisé et donc représentatif.<o:p></o:p>
- Paramètre : grandeur apportant une information résumée sur la variable étudiée.<o:p></o:p>
- Variabilité : ensemble des différences inter et intra-individuelles, pouvant être dues au hasard ou physiologiques.<o:p></o:p>
- Données : résultat de l’observation d’un individu<o:p></o:p>
- Statistique descriptive : description à l’aide de paramètres<o:p></o:p>
- Statistique déductive : conclusions à partir d’observation et de mesure <o:p></o:p>
- Variables quantitatives : mesurables<o:p></o:p>
- variables qualitatives : non mesurables<o:p></o:p>
II) Statistique descriptive<o:p></o:p>
A) Notion de paramètre<o:p></o:p>
- Moyenne.<o:p></o:p>
- Variance (= écart-type²) : indique la dispersion des données autour de la moyenne.<o:p></o:p>
- Médiane : observation centrale des valeurs, n pair → médiane = n/2 // n impair → médiane = n+1/2.<o:p></o:p>
- Quartiles : valeurs de la variable qui partagent la série d’effectif n en 4 sous-séries de même effectif.<o:p></o:p>
→ Ex avec n=5 : 1er quartile = 0,25.5 = 1,25 → 1er quartile se trouve entre les 2 premières valeurs.<o:p></o:p>
B) Comparaison moyenne/médiane<o:p></o:p>
Avantages<o:p></o:p>
Inconvénients<o:p></o:p>
Moyenne<o:p></o:p>
- Significative si répartition symétrique des données<o:p></o:p>
- Dispersion faible<o:p></o:p>
- Sensible aux valeurs anormales<o:p></o:p>
- Sensibles aux minimums et maximums<o:p></o:p>
Médiane<o:p></o:p>
- Peu sensible aux valeurs anormales<o:p></o:p>
- Utilisable pour les valeurs ordinales<o:p></o:p>
- Peu adéquat pour les calculs statistiques<o:p></o:p>
C) Notion d’estimation statistique<o:p></o:p>
- Estimation ponctuelle : valeur unique jugée la meilleure à un instant donné.<o:p></o:p>
- Estimation par intervalle : intervalle de valeurs contenant la valeur cherchée → intervalle de confiance, plus fiable.<o:p></o:p>
- Pour constituer un échantillon représentatif de la population, on utilise la détermination précise des caractéristiques de la population et le TAS.<o:p></o:p>
D) Estimation de données quantitatives<o:p></o:p>
Paramètre<o:p></o:p>
Echantillon<o:p></o:p>
Population<o:p></o:p>
Moyenne<o:p></o:p>
m : estimateur de la moyenne <o:p></o:p>
μ : moyenne vraie<o:p></o:p>
Ecart type<o:p></o:p>
s : estimateur de l’écart type <o:p></o:p>
σ : écart type vrai<o:p></o:p>
Effectif<o:p></o:p>
n<o:p></o:p>
N<o:p></o:p>
- Ecart type : variabilité des mesures entre elles et par rapport à la moyenne, plus il est faible et plus le caractère étudié est homogène <o:p></o:p>
- Les degrés de liberté représentent le nombre des écarts (xi-m) indépendants → il suffit de connaître (n-1) pour les connaître tous → (n-1) degrés de liberté.<o:p></o:p>
- Notion d’IC = intervalle au risque α : μ ϵ [ m ± ε.s/√n ], avec i = ε.s/√n = indice de précision de l’IC et n = ε2 (s2 / i2) = nombre de sujets<o:p></o:p>
IC à α = 5% ó ε = 1,96<o:p></o:p>
α = 1% ó ε = 2,6 <o:p></o:p>
- Loi de Gauss, ou loi normale : loi permettant, pour tout échantillon où n ≥30, de visualiser les notions d’IC autour de la moyenne, d’écart type et de dispersion autour de la moyenne.<o:p></o:p>
- La loi de Gauss est toujours centrée autour de la moyenne m de l’échantillon.<o:p></o:p>
- Plus σ augmente, plus la dispersion des données est importante, ainsi la courbe de Gauss s’aplatit, mais gardera toujours une forme en cloche.<o:p></o:p>
[m – 1 s ; m + 1 s] = 68,2% de la population<o:p></o:p>
[m – 1,96 s ; m + 1,96 s] = 95,4% de la population (IC à 5%)<o:p></o:p>
[m – 2,6 s ; m + 2,6 s] = 99,6% de la population (IC à 1%)<o:p></o:p>
E) Estimation de données qualitatives<o:p></o:p>
Echantillon<o:p></o:p>
Population<o:p></o:p>
Proportion<o:p></o:p>
pobs : estimateur du pourcentage inconnu <o:p></o:p>
p : pourcentage vrai<o:p></o:p>
Ecart type<o:p></o:p>
s : estimateur de l’écart type inconnu<o:p></o:p>
σ : écart type vrai<o:p></o:p>
Effectif<o:p></o:p>
n<o:p></o:p>
N<o:p></o:p>
- Ecart type : s = √(pobs.qobs/n), avec qobs = 1 - pobs.<o:p></o:p>
- IC : p ϵ [pobs +/- ε.s ], avec i = εs.<o:p></o:p>
Précision d’un sondage : i = ε √(p(1 – p)/n) = indice de précision de l’estimation p et n = ε2 (p(1-p) / i2) = nombre de sujets<o:p></o:p>
F) Ensemble des données influant sur la précision<o:p></o:p>
III) Statistique déductive<o:p></o:p>
A) Généralités sur les tests d’hypothèse<o:p></o:p>
- Les tests de comparaison :<o:p></o:p>
ü Entre 2 populations : 2 échantillons représentatifs → existe-t-il une différence significative ?<o:p></o:p>
ü Entre une population A et la population générale de référence : échantillon représentatif de la pop A → différence significative entre échantillon et pop générale, puis entre pop A et pop générale.<o:p></o:p>
- Définition des hypothèses :<o:p></o:p>
ü H0 = hypothèse nulle : pas de différences entre les deux groupes, pas de lien entre les caractères étudiés.<o:p></o:p>
ü H1 = hypothèse alternative : différence significative entre les deux groupes, lien entre les caractères.<o:p></o:p>
On choisit toujours pour H0 l’hypothèse qu’il serait le plus grave de rejeter à tort.<o:p></o:p>
- Notion de risque :<o:p></o:p>
Rejet H0<o:p></o:p>
Non rejet H0<o:p></o:p>
H0 Vraie<o:p></o:p>
Erreur de 1ère espèce α<o:p></o:p>
1 – α<o:p></o:p>
H1 Vraie<o:p></o:p>
Puissance 1 - β<o:p></o:p>
Erreur de 2nde espèce β<o:p></o:p>
Les hypothèses H0 et H1 ont des rôles symétriques = rejet de H0 implique l’acceptation de H1.<o:p></o:p>
- Etapes d’un test d’hypothèse (commun à tous les tests sauf quantitatif/quantitatif et U de Mann et Whitney) :<o:p></o:p>
1. Définir H0 et H1.<o:p></o:p>
2. Déterminer le caractère des données à étudier/comparer :<o:p></o:p>
→ qualitative/qualitative OU qualitative/quantitative OU quantitative/quantitative.<o:p></o:p>
3. Choisir le test en fonction des données (Z est le paramètre calculé).<o:p></o:p>
4. Choisir le seuil d’erreur de 1ère espèce (généralement α=5%).<o:p></o:p>
5. Recueil des données, calcul de Z et comparaison de Z à une valeur théorique.<o:p></o:p>
6. Interprétation :<o:p></o:p>
ü Au niveau de l’échantillon, 2 cas : Zcalculé > Zth → rejet de H0 // Zcalculé < Zth → acceptation de H0.<o:p></o:p>
ü Au niveau de la pop : extrapolation seulement si les échantillons sont représentatifs.<o:p></o:p>
B) Deux caractères qualitatifs, <o:p></o:p>
· Test de comparaison de pourcentages <o:p></o:p>
Repère par rapport à la table de l’écart réduit<o:p></o:p>
· test du X²<o:p></o:p>
- X²th est donné par la table du X² en croisant : le risque α, et le nombre de degrés de liberté (ddl) qui vaut : <o:p></o:p>
(nblignes - 1)x(nbcolonnes - 1), en ne prenant en compte que les lignes/colonnes de données (sauf les totaux).<o:p></o:p>
- X²calculé est donné dans l’énoncé.<o:p></o:p>
- X²calculé > X²th → rejet de H0 // X²calculé < X²th → acceptation de H0.<o:p></o:p>
C) Caractères qualitatifs et quantitatifs<o:p></o:p>
- Test de comparaison des moyennes : (pour des valeurs de n > 30)<o:p></o:p>
ü εth est donné par la table de l’écart réduit, en fonction de α (Ex : 1,96 pour α=5%). εcalculé est donné.<o:p></o:p>
- Test du T student : (pour des valeurs de n < 30)<o:p></o:p>
ü T student théorique donné par la table du T student en croisant :<o:p></o:p>
→ Valeur de α.<o:p></o:p>
→ Nombre de ddl donné par : (n1 - 1) + (n2 - 1), avec n les effectifs des différents échantillons.<o:p></o:p>
- Cas de séries appariées, méthode des couples :<o:p></o:p>
ü Méthode des couples lorsqu’on étudie la liaison entre 2 variables qualitatives/quantitatives dans 2 échantillons non indépendants.<o:p></o:p>
ü On utilise alors le test de comparaison de moyennes de n >30, et un test T student si n <30.<o:p></o:p>
- Test de U de Mann et Whitney : (très petits effectifs)<o:p></o:p>
ü Soient A et B deux échantillons, Uth est donné par la table de U de Mann et Whitney en croisant : α avec (nB - nA), avec nB le plus grand des effectifs.<o:p></o:p>
ü Ucalculé est donné par : UAB = nA x nB - UBA, avec UBA le nombre de membres de A supérieurs aux membres de B.<o:p></o:p>
ü Ucalculé > Uth → acceptation H0 car imbrication forte // Ucalculé < Uth → rejet H0 car imbrication faible.<o:p></o:p>
D) Deux caractères quantitatifs<o:p></o:p>
- Coefficient de corrélation r : (revient à regarder la pente de la droite)<o:p></o:p>
ü Toujours compris dans l’intervalle [-1 ; 1] avec n – 2 ddl<o:p></o:p>
ü Si r n’existe pas ou si r=0 → pas de corrélation entre x et y au niveau de l’échantillon.<o:p></o:p>
ü Si r existe et r >0 → x et y varient dans le même sens<o:p></o:p>
ü Si r existe et r <0 → x et y varient en sens inverse<o:p></o:p>
- Pour l’interprétation des résultats, on utilise la valeur absolue de r pour comparer :<o:p></o:p>
ü |rcalculé| > [rth| → rejet de H0 = acceptation H1, et inversement.<o:p></o:p>
- Coefficient de Spearman r’ : (très petits effectifs)<o:p></o:p>
Lu dans la table r’ de Spearman : en croisant α avec n (le nombre de données)<o:p></o:p>
E) Tests non paramétriques<o:p></o:p>
- On les utilise lorsque les effectifs sont trop faibles (n compris entre 4 et 12).<o:p></o:p>
- Présentent une excellente robustesse.<o:p></o:p>
<3 Tableau bilan <3<o:p></o:p>
Effectif<o:p></o:p>
Données quantitatives<o:p></o:p>
Données qualitatives<o:p></o:p>
Données quantitatives/qualitatives<o:p></o:p>
4 < n < 12<o:p></o:p>
r’ de Spearman<o:p></o:p>
Comparaison % ou X²<o:p></o:p>
U de Mann et Whitney<o:p></o:p>
12 < n < 30<o:p></o:p>
Coeff de corrélation r<o:p></o:p>
Comparaison % ou X²<o:p></o:p>
T student<o:p></o:p>
n > 30<o:p></o:p>
Coeff de corrélation r<o:p></o:p>
Comparaison % ou X²<o:p></o:p>
Comparaison de moyennes<o:p></o:p>
votre commentaire -
Indicateur en épidémiologie<o:p></o:p>
<o:p> </o:p>
I) Rappel<o:p></o:p>
Il y a deux types de statistiques : les diagnostiques et les thérapeutiques.<o:p></o:p>
Les données sont les résultats de l’observation.<o:p></o:p>
Si on peut la mesurer, la variable peut être :<o:p></o:p>
- qualitative : 1 modalité (binaire ou nominale) ou 2 modalités (en tableau)<o:p></o:p>
- quantitative : associée à un nombre<o:p></o:p>
- ordinale : peuvent être ordonnées<o:p></o:p>
<o:p> </o:p>
Les données qualitatives peuvent être sous forme de tableau, camembert, diagramme en bâtons. Quand il y a beaucoup de réponses qualitatives, on calcule la fréquence à une réponse.<o:p></o:p>
Les données quantitatives sont calculés sous forme d’effectifs cumulés croissants
On peut aussi avoir un histogramme par intervalle [a ; b], p = h(b – a)<o:p></o:p>
<o:p> </o:p>
II) Paramètres statistiques<o:p></o:p>
III) Applications <o:p></o:p>
Épidémiologie descriptive : fréquence et répartition des problèmes de santé<o:p></o:p>
Épidémiologie analytique (hypothèse) : cause<o:p></o:p>
Épidémiologie évaluative (validation hypothèse) : apprécie les résultats/actions<o:p></o:p>
<o:p> </o:p>
· Indicateur en épidémiologie<o:p></o:p>
Permet de mesurer l’état de santé :<o:p></o:p>
- sociodémographique<o:p></o:p>
- sanitaire<o:p></o:p>
- utilisation des services de santé<o:p></o:p>
- mesure activité et évalue<o:p></o:p>
<o:p> </o:p>
· Mesure épidémiologique<o:p></o:p>
- proportion : en pourcentage<o:p></o:p>
- ratio : rapport entre deux classes<o:p></o:p>
- cote : rapport de probabilité survenue et non survenue<o:p></o:p>
- indice : rapport de deux effectifs de nature différentes<o:p></o:p>
- taux : rapport prenant en compte la notion de temps<o:p></o:p>
<o:p> </o:p>
votre commentaire -
Statistiques interférentielles en épidémiologie<o:p></o:p>
<o:p> </o:p>
<o:p> </o:p>
<o:p></o:p>Une hypothèse est une relation entre deux variables, une problématique de recherche.<o:p></o:p>
Une inférence permet une généralisation à partir d’un échantillon, d’une population source jusqu’à une population cible.<o:p></o:p>
Le risque est une probabilité d’être atteint d’une maladie.<o:p></o:p>
Le risque relatif est le risque d’être exposé sur le risque d’être non exposé.<o:p></o:p>
Le facteur de risque est un facteur influençant la survenue d’un problème de santé.<o:p></o:p>
L’intervalle de confiance du risque relatif = 95%<o:p></o:p>
Si l’intervalle contient 1 alors l’association est dite non significative et p ≥ 5%<o:p></o:p>
Si l’intervalle ne contient pas 1 alors l’association est dite significative et p < 0,05<o:p></o:p>
<o:p> </o:p>
I) Problème des enquêtes d’observation<o:p></o:p>
Biais de sélection<o:p></o:p>
Constitution des groupes, non représentatif<o:p></o:p>
Réglé par un TAS<o:p></o:p>
Biais de mesure<o:p></o:p>
Mesure de l’exposition à la maladie en sous/surestimation<o:p></o:p>
On doit bien faire la distinction entre malades et non malades<o:p></o:p>
Problème de comparabilité des groupes<o:p></o:p>
<o:p> </o:p>
<o:p> </o:p>
Biais de confusion<o:p></o:p>
Concerne la non comparabilité des groupes pour différents facteurs autre que la facteur étudié<o:p></o:p>
Il faut bien appareiller et ajuster les groupes<o:p></o:p>
<o:p> </o:p>
II) Enquête de cohorte<o:p></o:p>
C’est une enquête prospective sur l’exposition au facteur de risque chez un individu sain<o:p></o:p>
<o:p> </o:p>
Malade<o:p></o:p>
Non malade<o:p></o:p>
Total <o:p></o:p>
Exposition<o:p></o:p>
a<o:p></o:p>
b<o:p></o:p>
a + b<o:p></o:p>
Non exposition<o:p></o:p>
c<o:p></o:p>
d<o:p></o:p>
c + d<o:p></o:p>
Total <o:p></o:p>
a + c<o:p></o:p>
b + d<o:p></o:p>
N<o:p></o:p>
Le risque relatif = <o:p></o:p>
<o:p> </o:p>
Avantages <o:p></o:p>
Inconvénients <o:p></o:p>
Estimation directe du risque relatif<o:p></o:p>
Meilleure adaptation<o:p></o:p>
Contrôle de biais<o:p></o:p>
Évaluation de l’influence facteur étudié<o:p></o:p>
Étude longue et couteuse<o:p></o:p>
Effectif important<o:p></o:p>
Besoin d’une population stable<o:p></o:p>
Incubation stable<o:p></o:p>
<o:p> </o:p>
III) Enquête cas témoins<o:p></o:p>
C’est une enquête rétrospective qui compare des sujets atteints d’une maladie à un sujet indemne par rapport à une exposition passé<o:p></o:p>
Il n’y a pas de risque relatif mais des odds-ratio (si la maladie est rare)
<o:p> </o:p>
Avantages <o:p></o:p>
Inconvénients <o:p></o:p>
Enquête de courte durée<o:p></o:p>
Cout modéré<o:p></o:p>
Étude maladie rare et plusieurs facteurs<o:p></o:p>
Peut être refaite plusieurs fois<o:p></o:p>
Sélection délicate<o:p></o:p>
Biais difficile à contrôler<o:p></o:p>
Évaluation indirecte du risque relatif<o:p></o:p>
<o:p> </o:p>
IV) Enquête transversale<o:p></o:p>
On étudie l’existence de l’exposition et de la maladie<o:p></o:p>
Elles sont mal adaptées aux études analytiques<o:p></o:p>
<o:p> </o:p>
V) Puissance d’un test (1 – β = 80%)<o:p></o:p>
C’est une probabilité qui détecte les différences qui existe entre deux groupes<o:p></o:p>
<o:p> </o:p>
VI) Risque α = 5%<o:p></o:p>
Rejeter H0 quand elle est vraie<o:p></o:p>
<o:p> </o:p>
VII) Risque β = 20%<o:p></o:p>
Rejeter H1 quand elle est vraie<o:p></o:p>
<o:p> </o:p>
VIII)Critique de jugement d’une relation de cause à effet<o:p></o:p>
Elle évalue une séquence dans le temps : l’exposition précède la maladie.<o:p></o:p>
- force d’association : précision avec laquelle une variable peut permettre de prédire l’autre<o:p></o:p>
- spécificité cause effet : présence cause chez tous les malades<o:p></o:p>
- relation type dose/effet : plus il y a exposition plus le risque augmente<o:p></o:p>
- évaluation constante association et reproduction : différentes méthodes mènent à la même conclusion<o:p></o:p>
- plausibilité biologique : cohérence des mécanismes actions / facteurs<o:p></o:p>
votre commentaire -
Les essais cliniques<o:p></o:p>
<o:p> </o:p>
I) Définition, objectifs et enjeux<o:p></o:p>
Évaluer par expérimentation une thérapeutique<o:p></o:p>
<o:p> </o:p>
II) Impératifs d’un essai clinique<o:p></o:p>
· Le tirage au sort<o:p></o:p>
Affectation d’un participant au sein des groupes comparés contrôlée par tirage au sort<o:p></o:p>
Il existe deux types d’essais : les essais parallèles (un groupe = un traitement) / les essais croisés (un groupe = un traitement / pause / deuxième traitement)<o:p></o:p>
On effectue un TAS pour avoir la même probabilité d’être dans n’importe quel groupe.<o:p></o:p>
<o:p> </o:p>
· Le traitement en insu<o:p></o:p>
La méthode à l’aveugle permet de prévenir des biais de jugement.<o:p></o:p>
Double aveugle : patient, investigateur.<o:p></o:p>
<o:p> </o:p>
III) Méthodologie d’un essaie clinique<o:p></o:p>
· Objectif principal : question de recherche<o:p></o:p>
On évoque dans la question :<o:p></o:p>
- les traitements comparés<o:p></o:p>
- la population étudié<o:p></o:p>
- le critère de jugement principal<o:p></o:p>
<o:p> </o:p>
· Population de l’étude<o:p></o:p>
On effectue des critères d’inclusion et de non inclusion qui permettent de refléter la population cible de façon positive<o:p></o:p>
<o:p> </o:p>
· Traitements comparés<o:p></o:p>
Évaluation de la sécurité d’emploi<o:p></o:p>
Préclinique<o:p></o:p>
Expérimentation in vitro et sur l’animal<o:p></o:p>
Précoce<o:p></o:p>
Étude des conditions de tolérance chez l’homme (sain ou malade)<o:p></o:p>
Évaluation de l’efficacité<o:p></o:p>
Intermédiaire<o:p></o:p>
Étude des conditions de l’efficacité et définition des modalités d’administration<o:p></o:p>
Confirmatoire<o:p></o:p>
Étude de l’efficacité et de la tolérance dans les indications invoquées<o:p></o:p>
Tardive <o:p></o:p>
Étude dans les conditions usuelles de prescription<o:p></o:p>
<o:p> </o:p>
· Critères de jugement<o:p></o:p>
Formulation d’un critère de jugement (définition / modalités / durée)<o:p></o:p>
Propriétés d’un critère de jugement (pertinence et fiabilité)<o:p></o:p>
Maitrise des biais d’information (calibration des investigateurs / mesure en double aveugles si possible)<o:p></o:p>
<o:p> </o:p>
· Taille de l’étude<o:p></o:p>
À déterminer avant le début de l’inclusion dans l’étude<o:p></o:p>
<o:p> </o:p>
IV) Analyse des résultats<o:p></o:p>
· Caractéristiques des sujets éligibles<o:p></o:p>
Résultats applicables à la population ciblée ?<o:p></o:p>
Est-ce que les groupes ont bien été randomisés ?<o:p></o:p>
<o:p> </o:p>
· Perdus de vue<o:p></o:p>
Abandon / absence de suivi è biais de sélection différentiel (sous ou surestimation)<o:p></o:p>
<o:p> </o:p>
· Déviation des sujets / protocole<o:p></o:p>
Est-ce qu’il y a un bon suivi du traitement è est-ce que les résultats seront de qualités<o:p></o:p>
<o:p> </o:p>
· Analyse du critère de jugement<o:p></o:p>
- Analyse en intention de traiter : vise à maintenir la comparabilité entre les deux groupes <o:p></o:p>
Il n’y a pas d’exclusion du groupe / tous les sujets doivent être suivis jusqu’à la fin<o:p></o:p>
- Analyse en « per protocol » : n’inclut que les patients qui ont suivi le traitement jusqu’à la fin<o:p></o:p>
Explore l’efficacité théorique du traitement (biais d’attrition)<o:p></o:p>
<o:p> </o:p>
· Différence statistiquement significative et cliniquement pertinente<o:p></o:p>
Variable qualitative dichotomique è différence cliniquement pertinente <o:p></o:p>
Variable quantitative continue è différence non pertinente<o:p></o:p>
<o:p> </o:p>
V) Aspects éthiques et réglementaires<o:p></o:p>
· Conduite d’un essai<o:p></o:p>
Repose sur la minutie<o:p></o:p>
Acteurs de la recherche : promoteur / investigateurs / statisticien <o:p></o:p>
Contrôle de qualité<o:p></o:p>
Comité indépendant de la surveillance pour une impartialité des traitements<o:p></o:p>
<o:p> </o:p>
· Principes à respecter <o:p></o:p>
Respect de la personne humaine<o:p></o:p>
Ne pas nuire aux malades<o:p></o:p>
Principe de justice<o:p></o:p>
Principe du respect de la dignité de la science et de ses propres exigences méthodologiques<o:p></o:p>
<o:p> </o:p>
<o:p> </o:p>
votre commentaire -
Analyse de la survie<o:p></o:p>
<o:p> </o:p>
I) Introduction<o:p></o:p>
L’étude de survie est longitudinale, prospective, est fait l’observation de groupe de sujet.<o:p></o:p>
C’est un centre d’intérêt<o:p></o:p>
<o:p> </o:p>
II) Définition<o:p></o:p>
Cohorte<o:p></o:p>
Ensemble des sujets vivant un même événement au même moment<o:p></o:p>
Cohorte incipiente<o:p></o:p>
Cohorte incluant un sujet avec un début d’affection<o:p></o:p>
Événement d’intérêt<o:p></o:p>
Décès, survenue de la maladie, récurrence des symptômes<o:p></o:p>
Durée de survie<o:p></o:p>
Délai entre deux dates<o:p></o:p>
Date d’origine<o:p></o:p>
Point de départ de la surveillance<o:p></o:p>
Date de point<o:p></o:p>
Date de bilan, fin de la surveillance<o:p></o:p>
Date des dernières nouvelles<o:p></o:p>
Dernière date à laquelle on a recueilli des informations du patient<o:p></o:p>
Perdu de vue<o:p></o:p>
Patient pas suivi jusqu’à la date de point<o:p></o:p>
Censure<o:p></o:p>
Événement pas observé<o:p></o:p>
Temps de recul<o:p></o:p>
Délai entre la date d’origine et la date de point<o:p></o:p>
Temps de participation<o:p></o:p>
Durée de la surveillance utilisé dans l’estimation de survie<o:p></o:p>
<o:p> </o:p>
III) Fonction de survie<o:p></o:p>
Loi exponentielle<o:p></o:p>
Durée de vie : S(t) = e-λt<o:p></o:p>
Fonction de survie<o:p></o:p>
Probabilité qu’un événement d’intérêt ne survienne pas avant t<o:p></o:p>
Courbe de survie<o:p></o:p>
Probabilité de survie après un délai t<o:p></o:p>
<o:p> </o:p>
IV) Estimation de survie<o:p></o:p>
Recueil des données<o:p></o:p>
Date d’origine, de point, de dernières nouvelles, événement<o:p></o:p>
Calcul des durées de survie<o:p></o:p>
Date des dernières nouvelles – date d’origine<o:p></o:p>
Calcul de la survie<o:p></o:p>
Analyse actuarielle<o:p></o:p>
Calculé sur des grands échantillons et sur des intervalles<o:p></o:p>
V le nombre de vivant au début<o:p></o:p>
D le nombre de décès<o:p></o:p>
C le nombre de censure<o:p></o:p>
Nombre de sujets exposés : N = V – (C/2)<o:p></o:p>
Survie : (N – D) / N<o:p></o:p>
Méthode de Kaplan Meier<o:p></o:p>
Calculé sur des petits échantillons et sur des intervalles<o:p></o:p>
V le nombre de vivant au début<o:p></o:p>
D le nombre de décès<o:p></o:p>
C le nombre de censure<o:p></o:p>
Survie instantanée : (N – D) / N<o:p></o:p>
Médiane de survie<o:p></o:p>
Survie à 50%<o:p></o:p>
Survie à date fixée<o:p></o:p>
Survie à temps donnée<o:p></o:p>
<o:p> </o:p>
V) Comparaison de deux fonctions de survie<o:p></o:p>
C’est la comparaison du nombre observé et attendu d’événements<o:p></o:p>
/ !\ ne pas comparer par rapport au traitement<o:p></o:p>
<o:p> </o:p>
· Principe <o:p></o:p>
Évalue un écrat entre le nombre observé et le nombre attendue d’événement sur les deux groupes est un chi2 à 1dll<o:p></o:p>
<o:p> </o:p>
· Estimation des décès<o:p></o:p>
C’est la probabilité de décéder à ti sachant que l’on est vivant à ti – 1 <o:p></o:p>
votre commentaire