###Analyse Trastuzumab_dxd et IMC
##chargement des packages----
library(questionr)
library(tidyverse)
## ── Attaching core tidyverse packages ──────────────────────── tidyverse 2.0.0 ──
## ✔ dplyr 1.1.1 ✔ readr 2.1.4
## ✔ forcats 1.0.0 ✔ stringr 1.5.0
## ✔ ggplot2 3.4.2 ✔ tibble 3.2.1
## ✔ lubridate 1.9.2 ✔ tidyr 1.3.0
## ✔ purrr 1.0.1
## ── Conflicts ────────────────────────────────────────── tidyverse_conflicts() ──
## ✖ dplyr::filter() masks stats::filter()
## ✖ dplyr::lag() masks stats::lag()
## ℹ Use the conflicted package (<http://conflicted.r-lib.org/>) to force all conflicts to become errors
library(tableone)
library(labelled)
library(gtsummary)
library(GGally)
## Registered S3 method overwritten by 'GGally':
## method from
## +.gg ggplot2
library(readxl)
library(effects)
## Le chargement a nécessité le package : carData
## lattice theme set by effectsTheme()
## See ?effectsTheme for details.
library(survival)
library(survminer)
## Le chargement a nécessité le package : ggpubr
##
## Attachement du package : 'survminer'
##
## L'objet suivant est masqué depuis 'package:survival':
##
## myeloma
library(ggplot2)
##chargement des données globales
pd1progression <- read_excel("Y:/PHARMACOTECHNIE/TRAVAUX/Sujets Pharmacie clinique/PD1-VELBE/pd1progression.xlsx")
## New names:
## • `Traitement arrêté` -> `Traitement arrêté...21`
## • `Si arrêt` -> `Si arrêt...22`
## • `Traitement arrêté` -> `Traitement arrêté...28`
## • `Si arrêt` -> `Si arrêt...31`
## • `Date 1er évènement toxique` -> `Date 1er évènement toxique...47`
## • `Type toxicité` -> `Type toxicité...48`
## • `Grade` -> `Grade...49`
## • `Date 1er évènement toxique` -> `Date 1er évènement toxique...55`
## • `Type toxicité` -> `Type toxicité...56`
## • `Grade` -> `Grade...57`
##recodage des variables et bases de données le cas échéant----
pd1seul<-filter(pd1progression, c(phase=="pd1seul" ))
pd1velbe<-filter(pd1progression, c(phase=="pd1_velbe" ))
##description population
tbl_summary(
pd1seul, include = c("sex","Stade", "ligne_tt", "atcd_asct"),
)
| Characteristic |
N = 8 |
| sex |
|
| F |
2 (25%) |
| H |
6 (75%) |
| Stade |
|
| 2 |
2 (25%) |
| 3 |
3 (38%) |
| 4 |
3 (38%) |
| ligne_tt |
|
| 3 |
1 (12%) |
| 4 |
2 (25%) |
| 5 et + |
5 (62%) |
| atcd_asct |
6 (75%) |
##age
summary(pd1seul$age)
## Min. 1st Qu. Median Mean 3rd Qu. Max.
## 22.00 36.00 47.50 43.62 51.50 58.00
##anciennete maladie
summary(pd1seul$anciennete)
## Min. 1st Qu. Median Mean 3rd Qu. Max.
## 15.17 25.47 45.07 49.11 54.80 125.87
##delai d'instauration du velbe
summary(pd1seul$delai_instauration_velbe)
## Min. 1st Qu. Median Mean 3rd Qu. Max.
## 3.633 5.800 9.250 15.492 21.750 42.267
## PFS selon phase de traitement
km_pd1velbe<-survfit(Surv(pfs, evtpfs)~phase, data=pd1progression)
ggsurvplot(km_pd1velbe, data = pd1progression,
risk.table=TRUE,
surv.scale="percent",
break.time.by=6,
surv.median.line = "hv"
)
##PFS période pd1 seul
km_pd1<-survfit(Surv(pfs, evtpfs)~1, data=pd1seul)
km_pd1
## Call: survfit(formula = Surv(pfs, evtpfs) ~ 1, data = pd1seul)
##
## n events median 0.95LCL 0.95UCL
## [1,] 8 8 9.25 6.33 NA
##PFS péridoe PD1+Velbe
km_pd1vinb<-survfit(Surv(pfs, evtpfs)~1, data=pd1velbe)
km_pd1vinb
## Call: survfit(formula = Surv(pfs, evtpfs) ~ 1, data = pd1velbe)
##
## n events median 0.95LCL 0.95UCL
## [1,] 8 7 14.9 4.8 NA