Contexte Métier
Dans le cadre d'un essai clinique comptant le nombre d'événements indésirables, les biostatisticiens doivent vérifier la stabilité du modèle. Ils s'intéressent spécifiquement à la matrice de covariance pour détecter d'éventuelles colinéarités problématiques entre le dosage du médicament et l'âge du patient, sans être pollués par d'autres métriques.
Préparation des Données
Données cliniques simulées avec événements rares (Poisson) et variables corrélées.
Copié !
| 1 | |
| 2 | DATA mycas.etude_clinique; |
| 3 | call streaminit(777); |
| 4 | DO patient=1 to 1000; |
| 5 | dosage_mg = rand('Integer', 10, 100); |
| 6 | age = rand('Normal', 50, 10); |
| 7 | interactions = dosage_mg * age / 1000; |
| 8 | lambda = exp(-4 + 0.01*dosage_mg + 0.02*age); |
| 9 | evts_indesirables = rand('POISSON', lambda); |
| 10 | OUTPUT; |
| 11 | END; |
| 12 | |
| 13 | RUN; |
| 14 |
Étapes de réalisation
1
Pré-requis : Entraînement du modèle clinique.
Copié !
| 1 | |
| 2 | PROC CAS; |
| 3 | countreg.countregFitModel / TABLE={name='etude_clinique'}, model={depVars={{name='evts_indesirables'}}, effects={{vars={'dosage_mg', 'age'}}}, dist='POISSON'}, store={name='modele_clinique_ref', replace=true}; |
| 4 | |
| 5 | RUN; |
| 6 |
2
Inspection exclusive des matrices de Covariance et de Corrélation.
Copié !
| 1 | |
| 2 | PROC CAS; |
| 3 | countreg.countregViewStore / TABLE={name='etude_clinique'}, instore={name='modele_clinique_ref'}, viewOptions={covariances=true, correlations=true}; |
| 4 | |
| 5 | RUN; |
| 6 |
Résultat Attendu
L'action doit afficher spécifiquement les tables 'Covariance' et 'Correlation'. L'absence d'autres tables superflues confirme le bon fonctionnement du filtrage des options d'affichage pour une analyse ciblée.