Ateliers - Analyse de la survie et modélisation décisionnelle en R

Public cible : Les producteurs d’ETS

Niveau : Intermédiaire

Objectifs d’apprentissage : Cet atelier est une introduction aux méthodes d’analyse de la survie dans les évaluations économiques par modélisation à l’aide d’exemples concrets en R. Les avantages et inconvénients de chaque méthode seront présentés.

• M. Petros Pechlivanoglou, Ph. D., Hôpital pour enfants malades

N. B. Le nombre de places est limité à 20.

Résumé : Les évaluations économiques reposent souvent sur des données sur le délai avant évènement ou des données sur la survie. Ces données, en raison de leurs caractéristiques particulières (décalage à droite, valeurs non négatives, risques concurrents, censure), nécessitent des techniques de modélisation statistique avancées. Il peut ensuite être difficile d’intégrer les données issues de ces modèles à une évaluation économique.

Les participants apprendront comment intégrer adéquatement les données d’analyse de la survie aux modèles décisionnels en R. Le présentateur fera un survol des différentes méthodes (p. ex. analyse de survie partitionnée, modèles multi-états, modèles markoviens et semi-markoviens, modèles de mélange avec taux de guérison [mixture cure models]) et des avantages et inconvénients de chacune, et présentera l’application de ces méthodes en R. Les participants feront des exercices simples d’analyse de la survie dans un contexte de modélisation décisionnelle afin de se familiariser avec les concepts généraux. Enfin, le conférencier présentera des exemples plus complexes avec différents types de données (patient, table de survie, numérisation de courbes publiées). Les participants discuteront également de la propagation de l’incertitude d’un paramètre d’un modèle de survie aux résultats du modèle décisionnel.

À la fin du cours, les participants seront capables de :

• comprendre les avantages et les limites des différentes méthodes d’analyse de la survie dans un contexte d’évaluation économique;
• appliquer différentes formes paramétriques aux données de survie à l’aide de R;
• appliquer un modèle de risques concurrents et des modèles multi-états en R;
• intégrer les résultats de différents modèles d’analyse de la survie au sein d’un cadre de modélisation décisionnelle;
• mener une analyse de la sensibilité probabiliste à l’aide de modèles de survie en R.

L’intégralité du code en langage R utilisé durant cet atelier sera transmise aux participants.

Inscription :