Nous contacter

Tel. +33(0)2 53 00 91 22

Mob. +33(0)6 83 82 26 78

Mail: contact@labcom-risca.com

  • LinkedIn Social Icône
  • Facebook
  • Twitter
  • YouTube

Qui sommes-nous ?

Le laboratoire SPHERE (methodS for Patients-centered outcomes and HEalth REsearch, INSERM UMR 1246, Université de NantesUniversité de Tours) et la société IDBC (groupe A2com) ont décidé de créer ensemble le Laboratoire Commun RISCA (Research in Informatics and Statistics for Cohort-based Analyses)

 

s'INSCRIRE à NOTRE NEWSLETTER?

Accueil > Services > Tutoriels > Hypothèse de proportionnalité des risques

Tutoriels : hypothèse de proportionnalité des risques

Une hypothèse importante du modèle de Cox est la constance de l'effet d'une variable explicative au cours du temps. Autrement dit, le rapport des risques (RR) est supposé constant au cours du temps. Pour évaluer cette hypothèse, plusieurs méthodes peuvent être utilisées.

Approche graphique

Les courbes du log(-log(S(t))) - avec S(t) la fonction de survie et t, le temps - peuvent être tracées pour chaque valeur de la variable qualitative. L'écart entre les courbes doit être constant au cours du temps. Si les courbes se croisent, l'effet de la variable d'intérêt peut être dépendant du temps.

Le test basé sur les résidus de Schoenfeld

La p-value correspondant à la probabilité d'erreur de rejeter l'hypothèse de proportionnalité.
Dans plug-stat, ces p-values (du modèle univarié et multivarié) sont données dans le titre de la figure précédente.

Que faire en cas de non-proportionnalité ?

​Si vous observez un effet non proportionnel, vous pouvez inclure un effet dépendant du temps si il s'agit d'une variable explicative d'intérêt. Si la variable est prise en compte comme facteur de confusion possible, vous pouvez stratifier le modèle Cox sur cette variable pour ajuster les résultats sans supposer la proportionnalité.