J'ai comparé et analysé deux populations de patients différentes (infection virale de type 1 et infection virale de type 2) avec un traitement spécifique en ce qui concerne les résultats.
Kaplan Meier parmi ces groupes n'a montré aucune différence - ce qui est bien - et peut donc affirmer que la survie non ajustée entre les deux groupes est la même.
Cependant, il semble qu'un groupe (par exemple, infection virale de type 1) soit «plus malade» en entrant dans le processus de la maladie, soit en étant plus âgé (en tant que variable continue), soit en ayant plus, ou d'autres comorbidités, que la population Infection virale de type 2 . J'ai identifié ces différences dans la population préexistante par analyse univariée (régression logistique et chi carré selon).
Je veux ajuster a priori avant de faire une analyse de Kaplan Meier pour voir si cette population (infection de type viral 1) si j'ai ajusté ces facteurs de risque, ce patient a réellement un avantage relatif à la survie? Ou en d'autres termes - je veux risquer de m'adapter à l'âge avancé, par exemple, et arriver à la conclusion - comme cela a été démontré que la survie est la même?!
Merci beaucoup, analyse très opportune et importante. Marc
On dirait presque que vous êtes intéressé à faire une analyse des risques non paramétrique, afin que vous puissiez voir l'effet de chacune des covariables?>
Quelque chose comme décrit dans ces méthodes - veuillez voir ci-joint.
@Byron_JMP vous donne de bons conseils, mais je vous demande pourquoi vous devez d'abord vous ajuster? Ne pouvez-vous pas utiliser un modèle (par exemple, un risque proportionnel) et inclure les covariables comme effets fixes?
L'estimation de Kaplan-Meier est toujours valide mais fournit principalement des comparaisons simples (c.-à-d. Des tests de groupe).
