Les chercheurs en médecine veulent déterminer si le stade du cancer du larynx affecte le risque de décès. Les chercheurs prévoient d’ajuster l’analyse en fonction de l’âge d’un patient. Les chercheurs enregistrent le stade et l’âge de 90 patients cancéreux masculins. Ensuite, les chercheurs enregistrent le nombre d’années entre le premier traitement et le décès du patient ou la fin de l’étude. Enfin, les chercheurs enregistrent si le patient est décédé.
Les chercheurs médicaux effectuent une régression de Cox pour évaluer la relation entre la mort, l’âge et le stade du cancer. Les chercheurs veulent également estimer la probabilité de survie d’un homme de 60 ans pour chaque étape.
Remarque
Ces données ont été adaptées à partir d’un ensemble de données publiques de Kardaun que l’on peut trouver dans Klein et Moeschberger (2003)1. Toutefois, les résultats de cet exemple ne correspondent pas au manuel car le manuel utilise la méthode Breslow pour gérer les liens et cet exemple utilise la méthode Efron.
- Ouvrez les données échantillons, CancerduLarynx.MTW.
- Sélectionnez .
- Dans Réponse, saisissez Temps.
- Dans Colonne de censure (facultatif), saisissez Mort.
- Dans Prédicteurs continus, saisissez Âge.
- Dans Prédicteurs de catégorie, saisissez Scène.
- Sélectionnez Graphiques et cochez Afficher le diagramme de survie pour les valeurs prédicteurs.
- Dans le menu déroulant, sélectionnez Entrer
des valeurs individuelles. Entrez les colonnes suivantes dans la feuille de travail :
Âge Scène 60 I 60 Ii 60 III 60 IV - Cliquez sur OK dans chaque boîte de dialogue
Interpréter des résultats
Tout d’abord, les chercheurs utilisent les tests de qualité d’ajustement pour évaluer l’ajustement global du modèle. Les valeurs de p pour les 3 tests sont inférieures à 0,05, de sorte que les chercheurs concluent que le modèle correspond bien aux données. Ensuite, les chercheurs utilisent le tableau ANOVA pour évaluer l’effet des termes individuels. La valeur de p pour l’étape est significative à un niveau de α de 0,05. Par conséquent, les chercheurs médicaux concluent que le stade du cancer a un effet statistiquement significatif sur la survie du patient. Cependant, la valeur de p pour l’âge est de 0,182, de sorte que l’effet de l’âge n’est pas significatif à un niveau de α de 0,05. Les coefficients des prédicteurs définissent une équation qui décrit la relation entre le stade, l’âge du patient et le temps de survie.
Les chercheurs utilisent le tableau Risques relatifs pour les prédicteurs catégoriques pour évaluer le risque entre les différents stades du cancer. Par exemple, le risque de décès chez les patients au stade IV est 5,5 fois plus élevé que le risque chez les patients au stade I. De plus, l’intervalle de confiance montre que le risque réel de décès pour les patients au stade IV pourrait être aussi peu que 2,4 fois ou jusqu’à 12,6 fois plus que le risque pour les patients au stade I, au niveau de confiance de 95%. L’intervalle de confiance ne contient pas 1, de sorte que la différence entre le risque de décès pour le stade I et le stade IV est statistiquement significative.
Le diagramme de survie affiche la probabilité de survie d’un homme de 60 ans pour chaque stade du cancer sur plusieurs années. Un diagnostic de cancer de stade IV a le plus grand effet sur la probabilité de survie. Le graphique montre qu’après 1 an, une personne de 60 ans atteinte d’un cancer de stade IV n’a que 64% de chances de survivre. Les trois autres étapes ont une probabilité de 85% ou plus. Après 2 ans, la probabilité tombe à 42% pour un patient atteint de stade IV, mais reste à 74% ou plus pour les trois autres stades.
Méthode
| Type de modèle de Cox | Prédicteurs fixes seulement |
|---|---|
| Codage des prédicteurs de catégorie | (1; 0) |
| Ajustement des nombres de même grandeur | Efron |
Informations de troncature
| Unités non tronquées | Unités tronquées | Total | Pourcentage tronqué |
|---|---|---|---|
| 50 | 40 | 90 | 44,44% |
Equation de régression
| Scène | |||
|---|---|---|---|
| I | Score de risque | = | 0,0 + 0,01903 Âge |
| II | Score de risque | = | 0,1400 + 0,01903 Âge |
| III | Score de risque | = | 0,6424 + 0,01903 Âge |
| IV | Score de risque | = | 1,706 + 0,01903 Âge |
Coefficients
| Terme | Coeff | Coef ErT | Valeur de Z | Valeur de p |
|---|---|---|---|---|
| Âge | 0,0190 | 0,0143 | 1,33 | 0,182 |
| Scène | ||||
| II | 0,140 | 0,462 | 0,30 | 0,762 |
| III | 0,642 | 0,356 | 1,80 | 0,071 |
| IV | 1,706 | 0,422 | 4,04 | 0,000 |
Risques relatifs pour les prédicteurs continus
| Incrément | Risque relatif | IC à 95 % | |
|---|---|---|---|
| Âge | 1 | 1,0192 | (0,9911; 1,0481) |
Risques relatifs pour les prédicteurs de catégorie
| Niveau A | Niveau B | Risque relatif | IC à 95 % |
|---|---|---|---|
| Scène | |||
| II | I | 1,1503 | (0,4647; 2,8477) |
| III | I | 1,9010 | (0,9459; 3,8204) |
| IV | I | 5,5068 | (2,4086; 12,5901) |
| III | II | 1,6526 | (0,6819; 4,0049) |
| IV | II | 4,7872 | (1,7825; 12,8566) |
| IV | III | 2,8968 | (1,2952; 6,4788) |
Récapitulatif du modèle
| Modèle | Log de vraisemblance | R carré | AIC | AICc | BIC |
|---|---|---|---|---|---|
| Sans termes | -196,86 | — | 393,73 | 393,73 | 393,73 |
| Avec termes | -187,71 | 18,65% | 383,41 | 384,30 | 391,06 |
Tests d'adéquation de l'ajustement
| Test | DL | Khi deux | Valeur de p |
|---|---|---|---|
| Rapport de vraisemblance | 4 | 18,31 | 0,001 |
| Wald | 4 | 21,15 | 0,000 |
| Score | 4 | 24,78 | 0,000 |
Analyse de la variance
| Test de Wald | |||
|---|---|---|---|
| Source | DL | Khi deux | Valeur de p |
| Âge | 1 | 1,78 | 0,182 |
| Scène | 3 | 17,92 | 0,000 |
