Tables de survie
Il arrive souvent que vous souhaitiez examiner la distribution des temps entre deux événements, telle que l'ancienneté (durée entre la date d'embauche et le départ de l'entreprise). Cependant ce type de données inclut généralement certaines observations pour lesquelles le second événement n'est pas enregistré, par exemple pour les employées toujours en activité. Il existe plusieurs raisons à cela :pour certaines observations, l'événement n'a simplement pas lieu avant la fin de l'étude tandis que pour d'autres, nous perdons la trace de leur statut avant la fin de l'étude. Certaines observations, enfin, ne peuvent plus être poursuivies pour des raisons indépendantes de l'étude (employés en congé maladie, etc.). Collectivement, on appelle ces observations des observations censurées. Elles rendent ce type d'étude inapproprié aux techniques traditionnelles comme les tests t et la régression linéaire.
Une technique statistique utile pour ce type de données est appelée une table de survie de suivi. L'idée de base de la table de survie est de subdiviser la période d'observation en intervalles de temps plus petits. Pour chaque intervalle, tous les individus observés au moins sur cette durée sont utilisés dans le calcul de la probabilité de l'événement final qui se produit au cours de cet intervalle. Les probabilités estimées sur chaque intervalle sont ensuite utilisées pour estimer la probabilité globale de l'événement se produisant à différentes dates.
Exemple : Un patch à la nicotine est-il plus efficace que le traitement par patch traditionnel pour aider des patients à arrêter de fumer ? Vous pouvez mener une étude à l'aide de deux groupes de patients fumeurs, l'un recevant une thérapie classique et l'autre le traitement expérimental. La construction de la table de survie vous permet de comparer les taux d'abstinence globale entre les deux groupes pour déterminer si le traitement expérimental constitue un progrès par rapport à la thérapie classique. Vous pouvez également tracer graphiquement la survie ou les fonctions de risque pour obtenir des informations plus détaillées.
Statistiques : Nombre d'entrants, nombre de sortants, nombre d'individus exposés au risque, nombre d'événements finals, proportion d'individus terminant, proportion d'individus survivants, proportion de survivants cumulés (et erreur standard), densité de probabilité (et erreur standard), taux de hasard (et erreur standard) pour chaque intervalle de temps et pour chaque groupe, durée de survie médiane pour chaque groupe et test de Wilcoxon (Gehan) pour comparer les répartitions de survie entre les groupes. Tracés : tracés de fonction pour survie, survie sur échelle log, densité, taux de hasard et un moins survie.
Remarques sur les données de Tables de survie
Données : Votre variable de temps doit être quantitative. Votre variable de statut doit être dichotomique ou qualitative, codée sous forme de nombres entiers, les événements étant codés sous la forme d'une valeur unique ou d'une plage de valeurs consécutives. Les facteurs doivent être qualitatifs, codés sous forme de nombres entiers.
Hypothèses : Les probabilités pour un événement donné doivent dépendre seulement du temps après l'événement initial. On considère qu'elles sont stables par rapport au temps absolu. Cela signifie que les observations entrant dans l'étude à des dates différentes (par exemple, les patients qui commencent le traitement à des dates différentes) doivent avoir le même comportement. Il ne doit pas y avoir non plus de différences systématiques entre les observations censurées et les autres. Si, par exemple, la plupart des observations censurées concernent des patients dont le cas est plus grave, les résultats seront faussés.
Procédures apparentées : La procédure de tables de survie utilise une approche actuarielle de ce type d'analyse (généralement connue sous le nom d'analyse de survie). La procédure d'analyse de survie de Kaplan-Meier utilise une méthode légèrement différente de calcul de la table de survie qui ne se fonde pas sur une partition de la période d'observation en intervalles de temps plus courts. Cette méthode est recommandée si vous ne disposez que d'un petit nombre d'observations, de telle sorte que chaque intervalle de durée de survie ne contiendrait qu'un petit nombre d'observations. Si vous pensez que vos variables sont liées à la durée de survie ou à des variables que vous souhaitez contrôler (covariables), utilisez la procédure de la régression de Cox. Si vos covariables sont susceptibles d'avoir des valeurs différentes à différentes dates pour la même observation, utilisez la régression de Cox avec prédicteurs chronologiques.
Créer des tables de survie
Cette fonction nécessite l'option Statistiques avancées.
- A partir des menus, sélectionnez :
- Sélectionnez une variable de survie numérique.
- Spécifiez les intervalles de temps à étudier.
- Sélectionnez une variable de statut pour définir les observations pour lesquelles l'événement final a eu lieu.
- Cliquez sur Définir l'événement pour indiquer la valeur de la variable de statut qui indique qu'un événement s'est produit.
Vous pouvez également sélectionner un facteur du premier ordre. Des tables actuarielles de la variable de survie sont générées pour chaque facteur.
Vous pouvez aussi sélectionner un facteur de deuxième ordre. Des tables actuarielles de la variable de survie sont générées pour chaque combinaison des facteurs du premier et du second ordre.
Cette procédure reproduit la syntaxe de commande SURVIVAL.