Introduction au modèle à risque proportionnel de Cox

Il s’agit de la première partie du cours consacré au modèle de survie à risque proportionnel de Cox.
La suite du cours est disponible ici : • Applications du modèle...
Cette vidéo présente les notions fondamentales, idée principale et hypothèses associées du modèle de Cox. Le modèle de Cox est largement utilisé en analyse de survie. Son objectif est d’évaluer l’impact de différentes variables sur la durée de survie. En particulier, il est intéressant quand il s’agit des variables continues.
Le cours explique la fonction de survie, la fonction de risque instantané et la relation entre ces notions. Il montre ensuite comment construire le modèle de Cox avec des exemples simples et introduit les hypothèses essentielles : proportionnalité des risques (ratio des risques, hazard ratio) et loi exponentielle (log linéarité). Le modèle de Cox est un modèle d’apprentissage automatique (machine learning). Il peut être entrainé sur un jeu de données, et puis utilisé pour prédire la survie de nouveaux patients.
Intervenant : Ekaterina Flin, ingénieur en informatique, groupe EpiMed, Institut pour l’Avancée des Biosciences (IAB), Université Grenoble Alpes (UGA)
#analyse_de_survie #coxph
Table des matières
00:00 Plan du cours et introduction
00:50 Exemple d’application du modèle
01:16 Recherche de gènes biomarqueurs dans les cancers
02:26 Fonction de survie et fonction de risque instantané
04:35 Modélisation de la fonction de risque
05:49 La fonction de risque de base
06:09 La loi exponentielle et les coefficients de régression
07:16 Exemple du risque constant
07:59 Proportionnalité des risques
08:45 La fonction de risque en 3D
09:05 Hypothèses du modèle de Cox
09:42 Construction du modèle, p-valeur et hazard ratio
10:39 Conclusions
11:24 Présentation du prochain cours
Liens
Application du modèle de Cox à risque proportionnel : • Applications du modèle...
Introduction à l’analyse de survie, courbe de Kaplan-Meier : • Introduction à l’analy...
Le test du logrank : • Le test du logrank pou...

[@ilyassakonane5862]

Madame,vous expliquez très bien.Très clair

[@ilyassakonane5862]

Elle est très claire dans ses explications

[@tontonaboga3685]

Merci beaucoup Madame pour ses vidéos vraiment intéressant

[@shuaisong9456]

Très clair, ça m'a beaucoup aidée pour mon examen. Merci!

[@courjonjohan8414]

très didactique très clair merci ++

[@moussaanouguindo5391]

Merci beaucoup. C'est très important cette vidéo

[@lolaberthens7325]

Merci beaucoup votre travail m'a beaucoup aidé pour ma thèse!

[@epimedopencourse]

Bonjour,
Cela fait très plaisir à entendre. Bon courage pour votre thèse !

[@abderrahmaneboumedienederk5293]

Merci bcp.. vivement la prochaine video.. encore merci

[@epimedopencourse]

Merci pour votre message. Nous préparons la deuxième partie.

[@tarafianisnasrallah9445]

Merci beaucoup et bonne continuation

[@epimedopencourse]

Merci !

[@madanydiallo7573]

Parffait