Analyse de données de survie (F-sur-00)
     

Mettre en pratique ces modèles sur des exemples variés comprenant différentes sortes de censure. Interpréter et discuter les résultats d'analyses. Calculer le nombre de sujets nécessaires pour l'analyse de données de survie.

Informations Public : Toute personne impliquée dans l'analyse de données de survie et souhaitant s'initier aux différentes méthodes afférentes. Pré-requis : Il est conseillé d'avoir participé au préalable au stage Pratique de la Statistique I ou d'avoir acquis par la pratique un niveau équivalent et avoir une première expérience dans la conduite d'essais cliniques. Méthode : Alternance d'exposés, de travail en sous-groupe et en individuel, mise en pratique sur des cas concrets et variés utilisant les procédures SAS Lifetest et Phreg. L'attention sera tout particulièrement portée sur la mise en oeuvre et l'interprétation des résultats.		Durée : 2 jour(s) Prochaine(s) session(s) : Lieu Du Au Paris 26/04/2012 27/04/2012 Paris 08/11/2012 09/11/2012 Frais d'inscription : - Inter-entreprises : Prix unitaire par stagiaire(s) inscrit(s) 1 inscrit 2 inscrits 3 inscrits et + 1000€ HT 850€ HT 700€ HT - Intra-entreprise : Nous consulter
Programme - Données de survie Terminologie et exemples Paramètres de position et de dispersion Paramètre de liaison - Courbes de survie (calcul des estimateurs du taux de survie, de leur variance et représentation graphique) Méthode de Kaplan Meier Méthode actuarielle Méthodes paramétriques (cas exponentiel) - Comparaison de courbes de survie Approche non paramétrique (Tests du log-rank et du log-rank ajusté) Approches paramétriques Modèle exponentiel (Test de Rao, test de Wald et test du maximum de vraisemblance) Autres modèles paramétriques (Weibull, log-logistique) - Le modèle de Cox, approche semi-paramétrique Définitions Test du log-rank Modèle de Cox ajusté, stratifié Etude de l'adéquation du modèle (Hypothèses des risques proportionnels, de log-linéarité et recherche de sujets marginaux) - Nombre de sujets nécessaires Cas d'un test non paramétrique Cas d'un test paramétrique (distributions exponentielles)