Biostatistiques (10) – Courbes de survie

Objectif

Analyser la durée jusqu’à un événement (décès, récidive, réadmission…) et identifier les facteurs influençant la survie.

---

🧮 1. Calcul du temps de survie (en mois)

SPSS → Transformer > Calculer une variable

• Si décès = 1 :
  Temps = Date décès – Date 1ère consultation

• Si décès = 0 :
  Temps = Date dernière consultation – Date 1ère consultation

• Convertir en mois :
  Temps_mois = Temps / (3600*24*30)

---

📈 2. Courbe de survie globale (Kaplan-Meier)

SPSS → Analyse > Survie > Kaplan-Meier

• Heure = temps de survie en mois

• Statut = événement (décès = 1)

• Définir événement = décès

• Option → Tracés → cocher “Survie”

📊 À lire :

• Tableau “moyenne/médiane” = durée médiane de survie + IC

• Tableau “table de survie” :
  Exemple :
  Si temps = 24, voir nb de survivants ⇒ calculer % de survie
  Survie % = (nb survivants / total) × 100

---

🔍 3. Courbe de survie analytique

a) Si variable explicative = qualitative

SPSS → Analyse > Survie > Kaplan-Meier

• Ajouter le facteur de comparaison (sexe, groupe…)

• Comparer les courbes → Cocher tests :

  • Log-rank : si l’effet apparaît en fin de suivi

  • Breslow : en début

  • Tarone-Ware : effet intermédiaire

📊 Résultat : Tableau “comparaison globale” → p significatif si < 0.05

---

b) Si variable explicative = quantitative

SPSS → Analyse > Survie > Modèle de Cox

• Heure = temps de survie

• Statut = décès

• Co-variables = les facteurs explicatifs

• Attention à la colinéarité (ne pas inclure des variables redondantes)

• Option → cocher “IC pour exp(B)” (Hazard Ratio)

📊 Résultat :

• Tableau Cox :

  • exp(B) = HR

  • HR > 1 : facteur de risque

  • HR < 1 : facteur protecteur

  • p < 0.05 = significatif

---

🧠 Conclusion

La courbe de Kaplan-Meier permet une visualisation intuitive de la survie, tandis que le modèle de Cox permet une analyse multivariée ajustée des facteurs de risque. Ces outils sont essentiels pour toute étude de pronostic.