coxph R

Bonjour,
j'utilise la fonction coxph pour étudier les facteurs influencant la survie de certains patients, avec coxph j'obtiens l'output suivant:
Call:
coxph(formula = Surv(Early.relapse.delay, Early.relapse) ~ Sexe)

n= 119, number of events= 39
(98 observations deleted due to missingness)

coef exp(coef) se(coef) z Pr(>|z|)
SexeM 0.7520 2.1213 0.5281 1.424 0.154

exp(coef) exp(-coef) lower .95 upper .95
SexeM 2.121 0.4714 0.7535 5.972

Concordance= 0.545 (se = 0.033 )
Rsquare= 0.021 (max possible= 0.945 )
Likelihood ratio test= 2.47 on 1 df, p=0.116
Wald test = 2.03 on 1 df, p=0.1544
Score (logrank) test = 2.13 on 1 df, p=0.1449

le HR est bien de 2,12 e
avec 0,75 et 5,9 en CI??? quel p choisir entre les différents proposes??
Merci+++

Oui c'est ca. Le raport de risque est bien de 2.12 (= exp(0.75)), et son intervalle de confiance à 5% est bien de [0.75-5.97] qui inclue la valeur 1.0.

Il faut préférer le test de raport de vraisemblannce (likelihood ratio test) qui donne un Chi2 de 2.47 pour un ddl, et une p-value de 0.116, et n'est donc pas significatif, ce qui confirme que la valeur de 1.0 est bien dans l'intervalle de confiance à 5%. Il n'y a donc pas de différence entre les mâles et les femelles.

Le test de Wald ne teste que la valeur du coefficient (0.75) de régression par rapport à zéro. Dans ce modèle de régression particulier ici, il n'y a qu'un paramètre de regression estimé. On arrive donc à la même conclusion.

Enfin, un test de logrank est strictement équivalent au test du rapport de vraisemblance sur un modèle de Cox lorsqu'on est dans une structure de type ANOVA à un facteur, ce qui est le cas ici, et de fait on retombe sur la même valeur du Chi2 et donc la même conclusion ici aussi.

J'espère que c'est clair.

HTH, Eric.

Merci beaucoup pour ces éclaircissements!