Interprétation coefficient - Modèle de Cox - logiciel R

[holaquimica]

Bonjour à tous,

J'ai effectué une expérience qui consistait à soumettre des individus à différentes températures dans le but d'étudier des courbes de survie. L'unique facteur qui différencie mes 3 groupes est la température : groupe 1 20°C, groupe 2 25°C, groupe 3 35°C.
J'ai fait un modèle de Cox sous R mais je bloque sur les résultats :


> summary(temp.coxph1)
Call:
coxph(formula = temp.surv ~ Temperature)

n= 72

coef exp(coef) se(coef) z Pr(>|z|)
Temperature 0.8515 2.3431 0.2017 4.221 2.43e-05 ***
---
Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1

exp(coef) exp(-coef) lower .95 upper .95
Temperature 2.343 0.4268 1.578 3.479

Rsquare= 0.226 (max possible= 0.996 )
Likelihood ratio test= 18.41 on 1 df, p=1.777e-05
Wald test = 17.82 on 1 df, p=2.427e-05
Score (logrank) test = 19.05 on 1 df, p=1.274e-05

Quelqu'un peut-il m'éclairer ? Par ailleurs, le modèle de Cox peut-il s'utiliser avec une seule variable (ici la température) ? Quelle est la différence avec une estimation de Kaplan-Meier ?

Merci d'avance !
-----

[invite986312212]

bonjour,

R a compris que ta variable température était continue et a ajusté une pente, c'est-à-dire une relation linéaire avec la température. Je ne sais si c'est ce que tu voulais. Si tu voulais juste tester le fait que la survie est différente pour ces trois température, sans supposer de linéarité, il te faut transformer la variable température en facteur. Quoi qu'il en soit, le coefficient s'interprète ainsi : 2.3431 est le facteur multiplicatif à appliquer à la fonction de risque pour une augmentation d'une unité (un degré si tu n'as pas normalisé) de la température.

[holaquimica]

Merci beaucoup pour ta réponse. Sais-tu comment est-il possible de transformer ma variable température en facteur ?

[invite986312212]

avec la fonction as.factor() par exemple

[A voir en vidéo sur Futura]

[holaquimica]

Merci... Cependant c'est la panique, R n'est définitivement pas mon ami et comme personne ne peut m'aider au boulot, je ne suis pas loin du craquage !!!

Je cherche juste à tracer 3 courbes de survie (correspondant à mes 3 températures 20, 25 et 35°C... que j'ai renommé 1,2 et 3 dans mon tableau sur un conseil mais je doute de sa fiabilité maintenant) sur le même graph et à établir statistiquement que la température est en lien avec le taux de survie.

Je vous serais extrêmement reconnaissante de toute piste à suivre.

Merci !

> S
Individual Temperature TIME STATUS
1 1 2 22 0
2 2 2 22 0
3 3 2 22 0
4 4 2 20 1
5 5 2 16 1
6 6 2 22 0
7 7 2 16 1
8 8 2 22 0
9 9 2 3 1
10 10 2 16 1
11 11 2 16 1
12 12 2 3 1
13 13 2 16 1
14 14 2 22 0
15 15 2 22 0
16 16 2 22 0
17 17 2 16 1
18 18 2 16 1
19 19 2 22 0
20 20 2 16 1
21 21 2 22 0
22 22 2 20 1
23 23 2 22 0
24 24 2 22 0
25 25 3 3 1
26 26 3 15 1
27 27 3 15 1
28 28 3 2 1
29 29 3 16 1
30 30 3 15 1
31 31 3 16 1
32 32 3 15 1
33 33 3 3 1
34 34 3 16 1
35 35 3 15 1
36 36 3 15 1
37 37 3 16 1
38 38 3 15 1
39 39 3 2 1
40 40 3 15 1
41 41 3 3 1
42 42 3 16 1
43 43 3 15 1
44 44 3 2 1
45 45 3 15 1
46 46 3 23 0
47 47 3 16 1
48 48 3 16 1
49 49 1 22 1
50 50 1 3 1
51 51 1 22 1
52 52 1 22 1
53 53 1 22 1
54 54 1 16 1
55 55 1 16 1
56 56 1 22 1
57 57 1 22 1
58 58 1 22 1
59 59 1 22 1
60 60 1 17 1
61 61 1 23 0
62 62 1 23 0
63 63 1 17 1
64 64 1 17 1
65 65 1 23 0
66 66 1 22 1
67 67 1 22 1
68 68 1 23 0
69 69 1 23 0
70 70 1 17 1
71 71 1 22 1
72 72 1 23 0
> attach(S)

The following object(s) are masked from S ( position 3 ) :

Individual


The following object(s) are masked from s :

Individual

> names(S)
[1] "Individual" "Temperature" "TIME" "STATUS"
> as.factor(Temperature)
[1] 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1
Levels: 1 2 3
> t.coxph3=coxph(t.surv~Temperat ure)
Erreur dans model.frame.default(formula = t.surv ~ Temperature) :
les longueurs des variables diffèrent (trouvé pour 'Temperature')
> t.fit=survfit(t.surv~1)
> t.coxph3=coxph(t.surv~Temperat ure)
Erreur dans model.frame.default(formula = t.surv ~ Temperature) :
les longueurs des variables diffèrent (trouvé pour 'Temperature')
>

[invite986312212]

je ne suis pas loin du craquage !!!

voilà ce qui se passe quand on joue avec la température.

autrement je ne sais pas. Ce que dit R c'est que les objets "Temperature" et "t.surv" n'ont pas la même taille. Par ailleurs, lancer la commande as.factor(Temperature) ne modifie pas la variable Temperature. Ce que je ferais c'est
coxph(Surv(TIME,STATUS)~as.fac tor(Temperature),data=S) ça suppose que le status 1 représente le décès et 0 la censure. Sinon c'est Surv(TIME,STATUS==0)

[holaquimica]

Jouer avec la température était tellement plus amusant que d'analyser les résultats sous R.... c'est R le fautif !!!

Voilà ce que j'obtiens avec vos conseils :

> coxph(Surv(TIME,STATUS)~as.fac tor(Temperature),data=S)
Call:
coxph(formula = Surv(TIME, STATUS) ~ as.factor(Temperature),
data = S)


coef exp(coef) se(coef) z p
as.factor(Temperature)2 -0.287 0.75 0.374 -0.768 4.4e-01
as.factor(Temperature)3 1.693 5.44 0.344 4.929 8.2e-07

Likelihood ratio test=31.8 on 2 df, p=1.27e-07 n= 72

Bizarre, bizarre....

[invite986312212]

pourquoi bizarre?
à la température 2 il y a une réduction de 25% du risque par rapport à la température 1, mais non significative.
à la température 3 il y a une augmentation du risque d'un facteur 5.4 (440%), significative (P-value = 8.2E-07)

[holaquimica]

C'est votre dernier mot Ambrosio ?

Cette conclusion me paraît tout à fait logique avec les résultats obtenus lors de mon expérience mais j'aimerai m'assurer que vous êtes sûr de vous dans l'interprétation des coefficients. Je ne remets pas en cause votre capacité de discernement (car avec vos réponses, vous êtes mon rayon de soleil de la journée !) mais certains collègues m'ont expliqué tellement de choses différentes que je ne suis plus sure rien.

Merci beaucoup en tout cas !

[invite986312212]

ce n'est pas une question de discernement, c'est juste la définition des paramètres dans le modèle de Cox.

[holaquimica]

La valeur "5.44" n'est-elle pas plutôt l'écart-type ? Et dans ce cas-là, 1.693 serait le facteur, soit une augmentation du risque de 69.3% ???