Contexte
Comme pour Kaplan-Meier, on dispose de données "tête par tête" sur une période d'observation fixée et on souhaite mesurer l'impact de variables explicatives sur la fonction de hasard. On suppose que celle-ci se met sous la forme :
Ici les variables explicatives z et le vecteur des coefficients q dépendent du temps. R est l'indicatrice de présence sous risque :
 .
Cette indicatrice vaut 1 si l'individu n'est ni mort ni censuré.
Références
La référence la plus complète sur ce sujet est :
Martinussen T., Scheike T. [2006] Dynamic Regression Models for Survival Data, New York : Springer.
Une présentation résumée est disponible dans le support de cours "L'estimation non paramétrique en présence de données censurées".
Mise en oeuvre
L'inférence statistique sur ce type de modèles peut être effectuée en utilisant le package timereg :
http://staff.pubhealth.ku.dk/~ts/timereg.html
ou directement avec le package survival :
res=aareg(Surv(Entree,Sortie,NonCensure,type="counting") ~ var1 + var2 + var3 + ...)
|