You also want an ePaper? Increase the reach of your titles
YUMPU automatically turns print PDFs into web optimized ePapers that Google loves.
2.2.1 Le modè<strong>le</strong>On considère T ij <strong>le</strong> temps de survie du j ieme sujet (j = 1, ..., n i ) du i ieme groupe(i = 1, ..., G), et C ij <strong>le</strong> temps de censure correspondant. Les temps de survie observésseront alors Y ij = min(T ij , C ij ) et l’indicateur δ ij = I(T ij ≤ C ij ) permettra de déterminersi <strong>le</strong> temps de survie observé Y ij est un temps de censure ou d’événement. Si X ij =(X 1ij , ..., X pij ) ′ correspond au vecteur des p variab<strong>le</strong>s explicatives, alors <strong>le</strong> vecteur destemps de survie T i = (T i1 , ..., T ini ) ′ et <strong>le</strong> vecteur des temps de censure C i = (C i1 , ..., C ini ) ′sont supposés être indépendants conditionnel<strong>le</strong>ment au vecteur des variab<strong>le</strong>s explicativesX i = (X i1, ′ ..., X in ′ i). Dans cette approche, la distribution margina<strong>le</strong> pour chaque tempsde survie est modélisée par un modè<strong>le</strong> à risques proportionnels, et la fonction de risquemargina<strong>le</strong> en un temps t s’exprime par :λ ij (t; X ij ) = λ 0 (t) exp{β ′ X ij } (2.3)On peut noter que dans ce modè<strong>le</strong>, nous n’avons pas d’estimateur de la force de l’associationentre <strong>le</strong>s individus dans chaque groupe. Le vecteur des coefficients de régressionβ ′ = (β 1 , ..., β p ) est estimé par maximisation de la vraisemblance partiel<strong>le</strong> classique deCox construite à partir du modè<strong>le</strong> “de travail” précédent (2.3) dans <strong>le</strong>quel on supposeral’indépendance des temps de survie.Dans <strong>le</strong> cas d’événements récurrents où l’on observe n i types d’événements pour unmême sujet i, il est nécessaire de permettre à la fonction de risque de base d’être différentepour chaque type d’événement. La fonction de risque pour <strong>le</strong> j ieme type d’événement dusujet i est donnée par λ ij (t; X ij ) = λ 0j (t) exp{β ′ X ij }. Ce modè<strong>le</strong> a été proposé par Weiet al [94]. Pour <strong>le</strong>s données groupées il est généra<strong>le</strong>ment suffisant d’estimer une fonctionde risque de base commune à tous <strong>le</strong>s sujets comme dans <strong>le</strong> modè<strong>le</strong> (2.3). Cependantdans chacune des situations, une modification de la matrice de variance-covariance estnécessaire.2.2.2 Matrice de variance-covariance corrigéeLee et al [56] ont montré que lorsque l’on avait des données corrélées, <strong>le</strong>s estimateursdes coefficients de régression du modè<strong>le</strong> de Cox classique obtenus par maximisation dela vraisemblance partiel<strong>le</strong> sont convergents et asymptotiquement normaux. Cependant,l’estimateur correspondant de variance-covariance ˆV n’est plus valide en raison de la