Analyse de survie avancée

Objectifs

S'approprier les principaux modèles de survie à effets aléatoires pour analyser des données de survie non standards. Savoir manipuler, analyser et interpréter des données de survie avancées.

Programme de la formation

- Modèles de survie à effets aléatoires (frailty models)

• Contexte des données corrélées
  
  
  
  • Terminologie
  
  
  • Exemples
  
  
  
  


• Spécification du modèle à fragilité
  
  
  
  • Hypothèses
  
  
  • Interprétation des paramètres du modèle
  
  
  • Estimation des paramètres du modèle
  
  
  • Tests d'hypothèses sur les paramètres du modèle
  
  
  • Codage des variables explicatives (binaire, qualitative)
  
  
  • Modification de l'effet et confusion
  
  
  • Comparaison de modèles et sélection de variables
  
  
  • Étude de l'adéquation du modèle (résidus)
  
  
  
  

- Modèles pour risques compétitifs

• Contexte et indicateurs pour risques semi-compétitifs ou compétitifs


• Modèles de régression pour risques compétitifs


• Packages R

- Modèles conjoints pour données de survie

• Contexte


• Spe?cification des mode?les conjoints


• Hypothe?ses


• Interpre?tation des parame?tres du mode?le


• Estimation des parame?tres du mode?le

Validation et sanction

- Analyser l'utilisation des modèles de survie à effets aléatoires dans des contextes de données corrélées, et spécifier les hypothèses et paramètres associés.

- Maîtriser les spécificités et les techniques d'estimation du modèle à fragilité, en interprétant les paramètres et en évaluant l'adéquation du modèle.

- Évaluer l'intérêt et l'application des modèles pour risques compétitifs, en utilisant des modèles de régression appropriés et les outils de programmation (packages R).

- Développer et estimer des modèles conjoints pour données de survie, en spécifiant les hypothèses et en interprétant les paramètres du modèle.

Type de formation

Non certifiante

Sortie

Sans niveau spécifique