Créer une courbe de survie de Kaplan-Meier avec Python | Python pour la Science #9

Dans cette vidéo nous allons apprendre à créer une courbe de survie de Kaplan-Meier avec Python. En Python, il existe actuellement deux librairies principales pour faire l’analyse de survie. La première s’appelle lifelines et la deuxième scikit-survival. Lifelines est plutôt dédiée à l’analyse de survie classique, alors que scikit-survival vise principalement l’apprentissage automatique (machine learning) adapté à des données de survie. Les deux librairies permettent de créer une courbe de survie de Kaplan-Meier. Ce cours présente un tutoriel pas à pas en utilisant les données de survie du cancer du sein, issues de la base publique TCGA. A la fin de la vidéo, nous comparons les résultats obtenus avec les deux librairies.
Le cycle de cours "Python pour la Science" est destiné aux personnes qui débutent en Python et qui souhaitent utiliser ce langage pour le calcul scientifique, les statistiques et le machine learning. Le cours enseigne une base théorique et méthodologique du langage Python, illustrée par de nombreux exemples et exercices. Une attention particulière est apportée aux bonnes pratiques de développement (clean code) qui seront démontrées par des exemples concrets.
Intervenant : Ekaterina Flin, ingénieur en informatique, groupe EpiMed, Institut pour l’Avancée des Biosciences (IAB), Université Grenoble Alpes (UGA)
#analyse_de_survie #kaplan_meier #python
Table des matières
00:00 Analyse de survie et estimateur de Kaplan-Meier
00:22 Présentation des libraires de l’analyse de survie lifelines et scikit-survival
01:10 Démonstration : courbe de survie de Kaplan-Meier avec lifelines
03:31 Démonstration : courbe de survie de Kaplan-Meier avec scikit-survival
04:43 Comparaison des résultats obtenus avec les deux librairies
Le code Python et les données utilisées dans la vidéo sont disponibles sur le dépôt Github d'EpiMed : github.com/epi....
Liens
Cours d’introduction à l’analyse de survie (fonction de survie, estimateur de Kaplan-Meier) : • Introduction à l’analy...
Tutoriel de gestion de tableaux de données avec la librairie pandas : • Gestion de tableaux de...
Tutoriel de la librairie graphique matplotlib : • Créer des graphiques p...

[@user-ot7zu6hn6c]

Bonjour Madame, tu fais une belle présentation. Tu es impeccable.

[@ilyassakonane5862]

Madame vous êtes très iens dans votre domaine

[@mohammedmomo8869]

Merci 😃😃

[@ouahidsafaa]

Merci beaucoup pour le tutoriel , très compréhensible ! est ce que vous pouvez mettre le lien des données utilisée :)

[@epimedopencourse]

Bonjour !
Merci pour votre commentaire. Voici les données et le code Python utilisés dans la vidéo : github.com/epimed/eoc-survival-analysis/tree/main/kaplan-meier.
Deux fichiers de données sont disponibles :
1) Survival_TCGA-BRCA_os.csv : OS - overall survival ou survie globale dont l'évènement est le décès du patient. C'est ce fichier qui est utilisé dans la vidéo.
2) Survival_TCGA-BRCA_dfs.csv : DFS - disease free survival ou survie sans rechute dont l'évènement est la rechute de la maladie. Vous pouvez utiliser ce fichier comme un exercice.
Les données proviennent initialement de la base de données publique TCGA (portal.gdc.cancer.gov). Elles ont été nettoyées et mises au format CSV pour la vidéo.

[@ouahidsafaa]

@@epimedopencourse Merci beaucoup