Est-il possible de générer des courbes de survie de Kaplan-Meier pour les deux groupes appariés après appariement par score de propension en utilisant JMP Édition Étudiant 19 ?
D'après les informations disponibles sur le site web de la communauté JMP, l'appariement par score de propension est possible à partir de la version 19 de JMP Student Edition, et j'ai pu le réaliser avec succès. Cependant, je n'ai pas réussi à déterminer comment comparer la survie entre les deux groupes appariés (c'est-à-dire comment créer des courbes de Kaplan-Meier à partir des paires appariées).
Je vous serais très reconnaissant de bien vouloir m'éclairer sur ce point. Par ailleurs, si ce type d'analyse de survie est possible dans JMP Pro mais pas dans l'édition étudiante, je vous serais reconnaissant de bien vouloir me le préciser.
Est-il possible de créer des courbes de Kaplan-Meier pour deux groupes appariés après appariement par score de propension dans JMP Student Edition 19 ?
Lorsque j'ai effectué une recherche sur la communauté JMP, j'ai découvert que l'appariement par score de propension était possible à partir de JMP Student Edition 19, et j'ai réalisé l'appariement par score de propension, mais je ne savais pas comment comparer les taux de survie (courbes de Kaplan-Meier) entre les deux groupes appariés.
Je vous serais reconnaissant de tout conseil que vous pourriez me donner. Si vous savez s'il est possible de l'analyser avec JMP Pro plutôt qu'avec la version étudiante, merci de me le faire savoir.
Salut et bienvenue dans la communauté !
Je viens de retirer ce message du dossier spam, mais vous devriez probablement republier votre question dans la section « Discussions » (en haut à gauche de la barre de menu) : https://community.jmp.com/t5/Discussions/bd-p/discussions . Ce groupe est peu modéré et sert plutôt aux discussions sur la communauté que sur le logiciel.
(Aucune idée de ce qui a fait que ça a atterri dans le filtre anti-spam...)
Merci d'avoir répondu.
J'essaie d'envoyer le commentaire dans la section « Discussions », en haut à gauche de la barre de menu.
Merci d'avoir posé cette question. Je me demandais également comment réaliser une analyse de survie après appariement par score de propension dans JMP Student Edition. Serait-il possible de savoir si les courbes de Kaplan-Meier peuvent être générées directement à partir des données appariées ou s'il existe une procédure spécifique à suivre ? J'attends avec intérêt les réponses d'utilisateurs expérimentés.
Salut.
Je ne sais pas si vous avez trouvé une solution. L'option « paires appariées » n'est pas disponible dans l'analyse de Kaplan-Meier. Cependant, selon vos données, il serait possible de créer une nouvelle variable représentant la différence entre les deux valeurs pour chaque sujet (ou le groupe correspondant dans vos données). Il faudrait simplement définir correctement la censure, le cas échéant. C'est analogue à la comparaison entre un test t à un échantillon sur la différence des moyennes et un test t apparié.
Vous pouvez également utiliser la plateforme « Survie paramétrique » dans « Modèle d'ajustement ». Vous devrez y spécifier votre variable de regroupement comme s'il s'agissait d'un bloc. Cette plateforme effectuera cependant un calcul de Kaplan-Meier, mais vous devrez choisir une distribution appropriée (par exemple, Weibull).
J'espère que cela vous aidera.
Bonjour,
Je pense que la réponse courte est : « Non, JMP Pro ou JMP Student Edition ne permettent pas d'effectuer une correspondance par score de propension pour l'analyse de survie. »
Les fonctionnalités de JMP Pro et de JMP Student Edition sont identiques. Ainsi, JMP Student Edition offre les mêmes possibilités que JMP Pro, et inversement.
Je pense que la réponse longue doit devenir très compliquée.
(1) Si vous pensez qu'une analyse de survie « classique » (comme le test du log-rank et le modèle de Cox pour l'estimation des rapports de risque) suffit, vous pouvez l'effectuer avec JMP Pro et JMP Student Edition. Personnellement, je pense que ce n'est pas suffisant.
(2) Vous pouvez invoquer R depuis JMP. Mais cela nécessite une certaine programmation.
Concernant le point (1), la situation est complexe. Tout d'abord, l'utilisation de l'appariement par score de propension (même pour les modèles linéaires classiques) fait l'objet de critiques. Voir par exemple l'ouvrage de Shinozaki, Hagiwara, Taguri et Matsuyama (ISBN 978-4-254-12312-8), p. 97 (en japonais). En statistique mathématique, la pondération par la probabilité inverse augmentée (AIPW, également appelée estimation doublement robuste) pour les données transversales (comme les modèles linéaires) est expliquée et résumée de manière très claire à l'aide de théories relativement simples. Voir par exemple l'ouvrage de Tsiatis (ISBN 978-0-387-32448-7) si vous possédez des connaissances approfondies en statistique mathématique. Cependant, la validation de l'appariement par score de propension s'avère extrêmement difficile.
À ma connaissance, il n'existe pas de consensus sur la « meilleure » méthode d'appariement par score de propension. Certains préconisent l'appariement 1:1 sans remise, d'autres l'appariement 1:1 avec remise, et d'autres encore l'appariement 1:n avec ou sans remise.
Même si vous considérez l'appariement par score de propension comme une méthode valide d'inférence causale, d'autres problèmes subsistent. À ma connaissance, il n'existe pas de consensus sur la meilleure méthode d'estimation des erreurs standard (même dans les analyses transversales comme les modèles linéaires). Certaines références sont mentionnées aux pages 96-97 de Shinozaki et al. Par exemple, dans le cas d'un appariement 1:1 sans remise, certains estiment qu'il est inutile d'inclure la variable d'appariement, tandis que d'autres sont d'un avis contraire.
Personnellement, je pense qu'il est nécessaire de définir au préalable l'analyse principale d'appariement par score de propension et d'effectuer des analyses de sensibilité avec différents paramètres d'appariement. Cependant, JMP ne propose que le test du log-rank classique ou l'analyse de Cox à risques proportionnels classique pour l'estimation des rapports de risque ; vous n'aurez donc pas besoin de les réaliser.
Si vous pensez effectuer un test du log-rank « classique » pour des données appariées 1:1, je vous expliquerai la procédure. Cependant, je pense personnellement que cette méthode est insuffisante pour estimer les effets causaux.
JMP Pro ou JMP Student Edition ne peuvent pas non plus effectuer les opérations REGADJ, IPWR ou AIPW pour l'analyse de survie .
