##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)
## #BlackLivesMatter
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)
library(dplyr)
library(knitr)
library(cowplot)
## 
## Attachement du package : 'cowplot'
## 
## L'objet suivant est masqué depuis 'package:ggpubr':
## 
##     get_legend
## 
## L'objet suivant est masqué depuis 'package:lubridate':
## 
##     stamp
##chargement des données 

data_guillaume_cbnpc <- read_excel("Y:/fp/FAC/2023-2024/Memoires DES/Guillaume Flandin/20240606/data_guillaume_cbnpc.xlsx")
## New names:
## • `Détail` -> `Détail...42`
## • `Détail` -> `Détail...49`
## • `Détail` -> `Détail...58`
## • `Détail` -> `Détail...60`
##recodage bases de données le cas échéant----

cbnpc<-filter(data_guillaume_cbnpc, c(eligible_etude=="1" ))

##recodage de données le cas échéant----
cbnpc$charlson_2<-ifelse(cbnpc$charlson>=2, 1, 0)
cbnpc$charlson_3<-ifelse(cbnpc$charlson>=3, 1, 0)
cbnpc$charlson_4<-ifelse(cbnpc$charlson>=4, 1, 0)
cbnpc$charlson_5<-ifelse(cbnpc$charlson>=5, 1, 0)
cbnpc$adjuvant<-ifelse(cbnpc$metastatique==0, 1, 0)
cbnpc$raf_mek<-ifelse(cbnpc$classe_medt=="raf_mek", 1, 0)
cbnpc$egfr<-ifelse(cbnpc$classe_medt=="egfr", 1, 0)
cbnpc$alk<-ifelse(cbnpc$classe_medt=="alk", 1, 0)
cbnpc$cytotox<-ifelse(cbnpc$classe_medt=="cytotox", 1, 0)
cbnpc$kras<-ifelse(cbnpc$classe_medt=="kras", 1, 0)
cbnpc$ret<-ifelse(cbnpc$classe_medt=="ret", 1, 0)
cbnpc$vegfr<-ifelse(cbnpc$classe_medt=="vegfr", 1, 0)
cbnpc$pftox_mediane<-cbnpc$pftox/7.23

##renommer des variables pour présentation dans les tableaux de résultats
library(labelled)
var_label(cbnpc$type_evt) <- "evenement lié au médicament"
var_label(cbnpc$consequence_evt) <- "conséquence des evenements liés au médicament"
var_label(cbnpc$meta_snc) <- "presence de métastase cérébrale"
var_label(cbnpc$polymedique) <- "patient polymediqué"         
var_label(cbnpc$comprehension) <- "patient avec difficulté de comprehension"
var_label(cbnpc$pb_social) <- "patient avec difficulté sociale"
var_label(cbnpc$actif_pro) <- "patient avec activité professionnelle"
var_label(cbnpc$ddi) <- "patient avec interaction médicamenteuse"
var_label(cbnpc$evt_tox) <- "patient avec evenement lié au médicament"
var_label(cbnpc$charlson_2) <- "score de charlson >=2 (hors tumeur)" 
var_label(cbnpc$patient_seul) <- "patient vivant seul"
var_label(cbnpc$risque_observance) <- "patient avec risque de mauvaise observance"
var_label(cbnpc$raf_mek) <- "patient traité par inhibiteurs de Raf et Mek"
var_label(cbnpc$egfr) <- "patient traité par inhibiteurs de egfrl"
var_label(cbnpc$alk) <- "patient traité par inhibiteurs alk"
var_label(cbnpc$cytotox) <- "patient traité par cytotoxique"
var_label(cbnpc$ret) <- "patient traité par inhibiteur de ret"
var_label(cbnpc$vegfr) <- "patient traité par inhibiteur de vegfr"
var_label(cbnpc$kras) <- "patient traité par inhibiteur de RAS"

##réation de variables à plusieurs catégorie selon valeurs variable continue



##tableau descriptif population globales ----
tbl_summary(
  cbnpc, include = c("age", "pathologie", "dci", "raf_mek", "egfr", "alk", "cytotox", "vegfr", "kras", "ret", "polymedique","stade", "ligne", "evt_tox", "charlson", "charlson_2", "meta_snc", "comprehension", "pb_social", "actif_pro", "patient_seul", "ddi", "risque_observance"),
  digits=all_categorical()~ c(0,1)
)
Characteristic N = 941
age 67 (58, 75)
pathologie
    ADK Bronchique 82 (87.2%)
    ADK Thymique 2 (2.1%)
    Carcinome épidermoïde 4 (4.3%)
    Thymome 1 (1.1%)
    THYMOME 1 (1.1%)
    Tumeur carcinoïde 3 (3.2%)
    Tumeur neuro endocrine 1 (1.1%)
dci
    Afatinib 5 (5.3%)
    ALECTINIB 4 (4.3%)
    BRIGATINIB 7 (7.4%)
    CABOZANTINIB 1 (1.1%)
    CRIZOTINIB 2 (2.1%)
    Dabrafénib / Tramétinib 7 (7.4%)
    Erlotinib 1 (1.1%)
    Everolimus 7 (7.4%)
    Géfitinib 1 (1.1%)
    Lorlatinib 1 (1.1%)
    LORLATINIB 8 (8.5%)
    MOBOCERTINIB 2 (2.1%)
    Osimertinib 36 (38.3%)
    Osimertinib + Crizotinib 1 (1.1%)
    PRALSETINIB 1 (1.1%)
    SOTORASIB 8 (8.5%)
    Sunitinib 1 (1.1%)
    XELODA+TEMODAL 1 (1.1%)
patient traité par inhibiteurs de Raf et Mek 7 (7.4%)
patient traité par inhibiteurs de egfrl 45 (47.9%)
patient traité par inhibiteurs alk 22 (23.4%)
patient traité par cytotoxique 1 (1.1%)
patient traité par inhibiteur de vegfr 2 (2.1%)
patient traité par inhibiteur de RAS 8 (8.5%)
patient traité par inhibiteur de ret 1 (1.1%)
patient polymediqué 44 (46.8%)
stade
    Localement avancé 2 (2.1%)
    métastatique 58 (61.7%)
    Métastatique 33 (35.1%)
    Primitif 1 (1.1%)
ligne
    1ère ligne 39 (41.5%)
    2ème ligne 18 (19.1%)
    3ème ligne 21 (22.3%)
    4ème ligne 6 (6.4%)
    5ème ligne 6 (6.4%)
    6ème ligne 2 (2.1%)
    8ème ligne 1 (1.1%)
    Récidive 1 (1.1%)
patient avec evenement lié au médicament 30 (31.9%)
charlson
    0 4 (4.3%)
    1 13 (13.8%)
    2 20 (21.3%)
    3 26 (27.7%)
    4 17 (18.1%)
    5 7 (7.4%)
    6 4 (4.3%)
    7 1 (1.1%)
    8 2 (2.1%)
score de charlson >=2 (hors tumeur) 77 (81.9%)
presence de métastase cérébrale 29 (30.9%)
patient avec difficulté de comprehension 6 (6.4%)
patient avec difficulté sociale 5 (5.3%)
patient avec activité professionnelle 28 (29.8%)
patient vivant seul 11 (11.7%)
patient avec interaction médicamenteuse 64 (68.1%)
patient avec risque de mauvaise observance 11 (11.7%)
1 Median (IQR); n (%) 
##Description des evènements liés aux traitement 
tbl_summary(
  cbnpc, include = c("type_evt"),
  digits=all_categorical()~ c(0,1)
)
Characteristic N = 941
evenement lié au médicament
    0 64 (68.1%)
    ANOREXIE ET DIARRHEES GRADE 2 1 (1.1%)
    Anorexie GRADE 2 1 (1.1%)
    ASTHENIE 1 (1.1%)
    Asthénie / hyperbilirubinémie 1 (1.1%)
    ASTHENIE / Perturbation triglycérides / Glycémie 1 (1.1%)
    Asthénie et nausées grade 3 1 (1.1%)
    Asthénie grade 1 / Myalgies grade 1 1 (1.1%)
    Asthénie, AEG 1 (1.1%)
    COLITE / MTEV 1 (1.1%)
    Conjonctivite bilatérale / Mucite / Syndrome Lyell 1 (1.1%)
    CRAMPES DIGESTIVES 1 (1.1%)
    CYTOLYSE HEPATIQUE 1 (1.1%)
    CYTOLYSE HEPATIQUE GRADE 4 1 (1.1%)
    DECOMPENSATION CARDIAQUE 1 (1.1%)
    Décompensation cardiaque gauche / OAP Dr Mazières ne retrouve pas d'imputabilité dans la biblio à posteriori de l'osimertinib = reprise ttt 1 (1.1%)
    DELIRE, Troubles Psy 1 (1.1%)
    DIARRHEES / CONSTIPATION 1 (1.1%)
    DIARRHEES GRADE 2 1 (1.1%)
    Diarrhées grade 2 1 (1.1%)
    DIARRHEES GRADE 2 / VOMISSEMENTS GRADE 2 1 (1.1%)
    EMBOLIE PULMONAIRE (THROMBUS INTRACARDIAQUE) 1 (1.1%)
    Hypertension 1 (1.1%)
    OEDEMES GRADE 2 / DEPRESSION (dérégulation thymique) / HYPERTRIGLYCERIDEMIE 1 (1.1%)
    Pneumopathie grade 2, OMI et crampes grade 2 1 (1.1%)
    Pneumopathie liée au traitement 1 (1.1%)
    Toxicité cutanée grade 1 / diarrhées grade 1 1 (1.1%)
    TOXICITE CUTANEO MUQUEUSE / TOXICIT2 Digestive grade 2 1 (1.1%)
    TOXIDERMIE GRADE 2 1 (1.1%)
    TROUBLES DIGESTIFS GRADE 2-3 (DIARRHEES / CONSTIPATIONS) 1 (1.1%)
    TROUBLES MNESIQUES / ASTHENIE 1 (1.1%)
1 n (%) 
##Conséquences des évènements liés aux traitement
tbl_summary(
  cbnpc, include = c("consequence_evt"),
  digits=all_categorical()~ c(0,1)
)
Characteristic N = 941
conséquence des evenements liés au médicament
    ARRET DEFINITIF 7 (23.3%)
    ARRET DEFINITIF CRIZOTINIB 1 (3.3%)
    ARRET DEFINITIF MEKINIST 1 (3.3%)
    ARRET TEMPORAIRE 3 (10.0%)
    Arret temporaire / Concession posologique 2 (6.7%)
    Concession posologique 16 (53.3%)
    Unknown 64
1 n (%) 
###Description durée de traitement
km_duree_tt<-survfit(Surv(cbnpc$duree_tt, cbnpc$evt_tt)~1)
km_duree_tt
## Call: survfit(formula = Surv(cbnpc$duree_tt, cbnpc$evt_tt) ~ 1)
## 
##       n events median 0.95LCL 0.95UCL
## [1,] 94     78     11    7.43    14.5
ggsurvplot(km_duree_tt, data = cbnpc,
           risk.table=TRUE,
           surv.scale="percent",
           break.time.by=3,
           surv.median.line = "hv"
)

##Description motifs d'arrêts de traitement
tbl_summary(
  cbnpc, include = c("motif_arret"),
  digits=all_categorical()~ c(0,1)
)
Characteristic N = 941
motif_arret
    ARRET Par Patiente / Occlusion intestinale non liée au ttt 1 (1.3%)
    ARRET par patiente / TOXICITE 1 (1.3%)
    DECES 14 (17.7%)
    progression 1 (1.3%)
    PROGRESSION 38 (48.1%)
    PROGRESSION / Toxicite 4 (5.1%)
    PROGRESSION + NON Observance 1 (1.3%)
    Soins palliatifs 8 (10.1%)
    TOXICITE 9 (11.4%)
    TOXICITE / REANIMATION 1 (1.3%)
    TOXICITE / SOINS PAL 1 (1.3%)
    Unknown 15
1 n (%) 
###Description PFS
km_pfs<-survfit(Surv(cbnpc$pfs, cbnpc$evt_pfs)~1)
km_pfs
## Call: survfit(formula = Surv(cbnpc$pfs, cbnpc$evt_pfs) ~ 1)
## 
##       n events median 0.95LCL 0.95UCL
## [1,] 94     62   13.8    8.17    20.1
ggsurvplot(km_pfs, data = cbnpc,
           risk.table=TRUE,
           surv.scale="percent",
           break.time.by=3,
           surv.median.line = "hv"
)

###Description OS
km_os<-survfit(Surv(cbnpc$os, cbnpc$evt_os)~1)
km_os
## Call: survfit(formula = Surv(cbnpc$os, cbnpc$evt_os) ~ 1)
## 
##       n events median 0.95LCL 0.95UCL
## [1,] 94     67   22.8    17.3    26.5
ggsurvplot(km_os, data = cbnpc,
           risk.table=TRUE,
           surv.scale="percent",
           break.time.by=3,
           surv.median.line = "hv"
)

#Courbe de Kaplan Meier survie sans événement toxique lié au médicament----

km_pftox<-survfit(Surv(cbnpc$pftox, cbnpc$evt_tox)~1)
km_pftox
## Call: survfit(formula = Surv(cbnpc$pftox, cbnpc$evt_tox) ~ 1)
## 
##       n events median 0.95LCL 0.95UCL
## [1,] 94     30     NA      NA      NA
ggsurvplot(km_pftox, data = cbnpc,
           risk.table=TRUE,
           surv.scale="percent",
           break.time.by=2,
           surv.median.line = "hv"
)
## Warning in .add_surv_median(p, fit, type = surv.median.line, fun = fun, :
## Median survival not reached.

##modèles de cox ANALYS UNIVARIEE ----

####charlson en valeur continue
modsurv<-coxph(Surv(pftox, evt_tox)~charlson, data=cbnpc)
modsurv%>%tbl_regression(exponentiate = TRUE)
Characteristic HR1 95% CI1 p-value
charlson 1.18 0.97, 1.43 0.11
1 HR = Hazard Ratio, CI = Confidence Interval 
####charlson >=2---
modsurv<-coxph(Surv(pftox, evt_tox)~charlson_2, data=cbnpc)
modsurv%>%tbl_regression(exponentiate = TRUE)
Characteristic HR1 95% CI1 p-value
score de charlson >=2 (hors tumeur) 2.63 0.79, 8.70 0.11
1 HR = Hazard Ratio, CI = Confidence Interval 
####charlson >=3---
modsurv<-coxph(Surv(pftox, evt_tox)~charlson_3, data=cbnpc)
modsurv%>%tbl_regression(exponentiate = TRUE)
Characteristic HR1 95% CI1 p-value
charlson_3 1.79 0.80, 4.03 0.2
1 HR = Hazard Ratio, CI = Confidence Interval 
####charlson >=4---
modsurv<-coxph(Surv(pftox, evt_tox)~charlson_4, data=cbnpc)
modsurv%>%tbl_regression(exponentiate = TRUE)
Characteristic HR1 95% CI1 p-value
charlson_4 1.89 0.92, 3.88 0.082
1 HR = Hazard Ratio, CI = Confidence Interval 
####charlson >=5---
modsurv<-coxph(Surv(pftox, evt_tox)~charlson_5, data=cbnpc)
modsurv%>%tbl_regression(exponentiate = TRUE)
Characteristic HR1 95% CI1 p-value
charlson_5 1.60 0.65, 3.92 0.3
1 HR = Hazard Ratio, CI = Confidence Interval 
####présence de méta cérébrale
modsurv<-coxph(Surv(pftox, evt_tox)~meta_snc, data=cbnpc)
modsurv%>%tbl_regression(exponentiate = TRUE)
Characteristic HR1 95% CI1 p-value
presence de métastase cérébrale 0.74 0.33, 1.66 0.5
1 HR = Hazard Ratio, CI = Confidence Interval 
####problème de compréhension
modsurv<-coxph(Surv(pftox, evt_tox)~comprehension, data=cbnpc)
modsurv%>%tbl_regression(exponentiate = TRUE)
Characteristic HR1 95% CI1 p-value
patient avec difficulté de comprehension 1.67 0.50, 5.51 0.4
1 HR = Hazard Ratio, CI = Confidence Interval 
####problème social
modsurv<-coxph(Surv(pftox, evt_tox)~pb_social, data=cbnpc)
modsurv%>%tbl_regression(exponentiate = TRUE)
Characteristic HR1 95% CI1 p-value
patient avec difficulté sociale 1.08 0.26, 4.56 >0.9
1 HR = Hazard Ratio, CI = Confidence Interval 
####patient vivant seul
modsurv<-coxph(Surv(pftox, evt_tox)~patient_seul, data=cbnpc)
modsurv%>%tbl_regression(exponentiate = TRUE)
Characteristic HR1 95% CI1 p-value
patient vivant seul 2.28 0.93, 5.63 0.073
1 HR = Hazard Ratio, CI = Confidence Interval 
####activité professionnelle
modsurv<-coxph(Surv(pftox, evt_tox)~actif_pro, data=cbnpc)
modsurv%>%tbl_regression(exponentiate = TRUE)
Characteristic HR1 95% CI1 p-value
patient avec activité professionnelle 0.81 0.36, 1.82 0.6
1 HR = Hazard Ratio, CI = Confidence Interval 
####interaction médicamenteuse
modsurv<-coxph(Surv(pftox, evt_tox)~ddi, data=cbnpc)
modsurv%>%tbl_regression(exponentiate = TRUE)
Characteristic HR1 95% CI1 p-value
patient avec interaction médicamenteuse 0.61 0.29, 1.26 0.2
1 HR = Hazard Ratio, CI = Confidence Interval 
####patient polymédiqué
modsurv<-coxph(Surv(pftox, evt_tox)~polymedique, data=cbnpc)
modsurv%>%tbl_regression(exponentiate = TRUE)
Characteristic HR1 95% CI1 p-value
patient polymediqué 1.12 0.54, 2.29 0.8
1 HR = Hazard Ratio, CI = Confidence Interval 
####patient avec risque de mauvaise observance
modsurv<-coxph(Surv(pftox, evt_tox)~risque_observance, data=cbnpc)
modsurv%>%tbl_regression(exponentiate = TRUE)
Characteristic HR1 95% CI1 p-value
patient avec risque de mauvaise observance 1.19 0.41, 3.42 0.7
1 HR = Hazard Ratio, CI = Confidence Interval 
####stade adjuvant vs autres 
modsurv<-coxph(Surv(pftox, evt_tox)~adjuvant, data=cbnpc)
modsurv%>%tbl_regression(exponentiate = TRUE)
Characteristic HR1 95% CI1 p-value
adjuvant 0.95 0.23, 4.00 >0.9
1 HR = Hazard Ratio, CI = Confidence Interval 
##patient traité par combo raf_mek
modsurv<-coxph(Surv(pftox, evt_tox)~raf_mek, data=cbnpc)
modsurv%>%tbl_regression(exponentiate = TRUE)
Characteristic HR1 95% CI1 p-value
patient traité par inhibiteurs de Raf et Mek 3.25 1.23, 8.57 0.017
1 HR = Hazard Ratio, CI = Confidence Interval 
##patient traité par cytotox
modsurv<-coxph(Surv(pftox, evt_tox)~cytotox, data=cbnpc)
## Warning in coxph.fit(X, Y, istrat, offset, init, control, weights = weights, :
## Loglik converged before variable 1 ; coefficient may be infinite.
modsurv%>%tbl_regression(exponentiate = TRUE)
Characteristic HR1 95% CI1 p-value
patient traité par cytotoxique 0.00 0.00, Inf >0.9
1 HR = Hazard Ratio, CI = Confidence Interval 
##patient traité par inhibiteur egfr
modsurv<-coxph(Surv(pftox, evt_tox)~egfr, data=cbnpc)
modsurv%>%tbl_regression(exponentiate = TRUE)
Characteristic HR1 95% CI1 p-value
patient traité par inhibiteurs de egfrl 0.44 0.21, 0.94 0.035
1 HR = Hazard Ratio, CI = Confidence Interval 
##patient traité par inhibiteur alk
modsurv<-coxph(Surv(pftox, evt_tox)~alk, data=cbnpc)
modsurv%>%tbl_regression(exponentiate = TRUE)
Characteristic HR1 95% CI1 p-value
patient traité par inhibiteurs alk 0.76 0.31, 1.87 0.6
1 HR = Hazard Ratio, CI = Confidence Interval 
##patient traité par inhibiteur vegfr
modsurv<-coxph(Surv(pftox, evt_tox)~vegfr, data=cbnpc)
modsurv%>%tbl_regression(exponentiate = TRUE)
Characteristic HR1 95% CI1 p-value
patient traité par inhibiteur de vegfr 3.98 0.53, 30.0 0.2
1 HR = Hazard Ratio, CI = Confidence Interval 
##patient traité par inhibiteur ret
modsurv<-coxph(Surv(pftox, evt_tox)~ret, data=cbnpc)
## Warning in coxph.fit(X, Y, istrat, offset, init, control, weights = weights, :
## Loglik converged before variable 1 ; coefficient may be infinite.
modsurv%>%tbl_regression(exponentiate = TRUE)
Characteristic HR1 95% CI1 p-value
patient traité par inhibiteur de ret 0.00 0.00, Inf >0.9
1 HR = Hazard Ratio, CI = Confidence Interval 
##patient traité par inhibiteur ras
modsurv<-coxph(Surv(pftox, evt_tox)~kras, data=cbnpc)
modsurv%>%tbl_regression(exponentiate = TRUE)
Characteristic HR1 95% CI1 p-value
patient traité par inhibiteur de RAS 2.96 1.00, 8.75 0.050
1 HR = Hazard Ratio, CI = Confidence Interval 
#ANALYSES MULTIVARIEE avec Charlson >=2

modsurv<-coxph(Surv(pftox, evt_tox)~charlson_2+patient_seul+ddi+raf_mek+egfr+vegfr+kras, data=cbnpc)
modsurv%>%tbl_regression(exponentiate = TRUE)
Characteristic HR1 95% CI1 p-value
score de charlson >=2 (hors tumeur) 2.76 0.76, 10.0 0.12
patient vivant seul 1.99 0.68, 5.81 0.2
patient avec interaction médicamenteuse 0.66 0.30, 1.44 0.3
patient traité par inhibiteurs de Raf et Mek 2.88 0.94, 8.79 0.063
patient traité par inhibiteurs de egfrl 0.61 0.25, 1.48 0.3
patient traité par inhibiteur de vegfr 8.82 0.97, 80.3 0.053
patient traité par inhibiteur de RAS 1.77 0.49, 6.43 0.4
1 HR = Hazard Ratio, CI = Confidence Interval 
step(modsurv)
## Start:  AIC=247.95
## Surv(pftox, evt_tox) ~ charlson_2 + patient_seul + ddi + raf_mek + 
##     egfr + vegfr + kras
## 
##                Df    AIC
## - kras          1 246.67
## - ddi           1 247.00
## - egfr          1 247.11
## - patient_seul  1 247.40
## <none>            247.95
## - vegfr         1 248.33
## - charlson_2    1 248.87
## - raf_mek       1 248.99
## 
## Step:  AIC=246.67
## Surv(pftox, evt_tox) ~ charlson_2 + patient_seul + ddi + raf_mek + 
##     egfr + vegfr
## 
##                Df    AIC
## - ddi           1 245.82
## <none>            246.67
## - egfr          1 246.75
## - vegfr         1 246.91
## - patient_seul  1 247.02
## - raf_mek       1 247.31
## - charlson_2    1 248.10
## 
## Step:  AIC=245.83
## Surv(pftox, evt_tox) ~ charlson_2 + patient_seul + raf_mek + 
##     egfr + vegfr
## 
##                Df    AIC
## <none>            245.82
## - vegfr         1 246.07
## - egfr          1 246.15
## - raf_mek       1 246.35
## - charlson_2    1 247.11
## - patient_seul  1 247.40
## Call:
## coxph(formula = Surv(pftox, evt_tox) ~ charlson_2 + patient_seul + 
##     raf_mek + egfr + vegfr, data = cbnpc)
## 
##                 coef exp(coef) se(coef)      z      p
## charlson_2    1.0622    2.8928   0.6608  1.608 0.1079
## patient_seul  0.9900    2.6912   0.4811  2.058 0.0396
## raf_mek       0.9281    2.5296   0.5469  1.697 0.0897
## egfr         -0.6303    0.5324   0.4175 -1.510 0.1311
## vegfr         2.1038    8.1975   1.1331  1.857 0.0634
## 
## Likelihood ratio test=15.44  on 5 df, p=0.008645
## n= 94, number of events= 30
###Modèle final
modsurv<-coxph(Surv(pftox, evt_tox)~charlson_2+patient_seul+raf_mek+vegfr, data=cbnpc)
modsurv%>%tbl_regression(exponentiate = TRUE)
Characteristic HR1 95% CI1 p-value
score de charlson >=2 (hors tumeur) 2.85 0.78, 10.4 0.11
patient vivant seul 2.84 1.12, 7.22 0.029
patient traité par inhibiteurs de Raf et Mek 3.49 1.27, 9.57 0.015
patient traité par inhibiteur de vegfr 11.0 1.22, 99.2 0.033
1 HR = Hazard Ratio, CI = Confidence Interval 
#ANALYSE MULTIVARIEE avec CHarlson >=3
modsurv<-coxph(Surv(pftox, evt_tox)~charlson_3+patient_seul+ddi+raf_mek+egfr+vegfr+kras, data=cbnpc)
modsurv%>%tbl_regression(exponentiate = TRUE)
Characteristic HR1 95% CI1 p-value
charlson_3 2.24 0.90, 5.56 0.082
patient vivant seul 2.30 0.78, 6.84 0.13
patient avec interaction médicamenteuse 0.63 0.29, 1.39 0.3
patient traité par inhibiteurs de Raf et Mek 2.51 0.80, 7.89 0.11
patient traité par inhibiteurs de egfrl 0.56 0.23, 1.38 0.2
patient traité par inhibiteur de vegfr 8.49 0.95, 75.7 0.055
patient traité par inhibiteur de RAS 1.92 0.50, 7.33 0.3
1 HR = Hazard Ratio, CI = Confidence Interval 
step(modsurv)
## Start:  AIC=247.59
## Surv(pftox, evt_tox) ~ charlson_3 + patient_seul + ddi + raf_mek + 
##     egfr + vegfr + kras
## 
##                Df    AIC
## - kras          1 246.44
## - ddi           1 246.86
## - egfr          1 247.13
## <none>            247.59
## - patient_seul  1 247.59
## - raf_mek       1 247.86
## - vegfr         1 247.92
## - charlson_3    1 248.87
## 
## Step:  AIC=246.44
## Surv(pftox, evt_tox) ~ charlson_3 + patient_seul + ddi + raf_mek + 
##     egfr + vegfr
## 
##                Df    AIC
## - ddi           1 246.01
## - raf_mek       1 246.31
## <none>            246.44
## - vegfr         1 246.63
## - egfr          1 247.23
## - patient_seul  1 248.00
## - charlson_3    1 248.10
## 
## Step:  AIC=246.01
## Surv(pftox, evt_tox) ~ charlson_3 + patient_seul + raf_mek + 
##     egfr + vegfr
## 
##                Df    AIC
## - raf_mek       1 245.94
## <none>            246.01
## - vegfr         1 246.02
## - egfr          1 246.81
## - charlson_3    1 247.11
## - patient_seul  1 248.90
## 
## Step:  AIC=245.94
## Surv(pftox, evt_tox) ~ charlson_3 + patient_seul + egfr + vegfr
## 
##                Df    AIC
## - vegfr         1 245.79
## <none>            245.94
## - patient_seul  1 248.12
## - charlson_3    1 248.64
## - egfr          1 248.97
## 
## Step:  AIC=245.79
## Surv(pftox, evt_tox) ~ charlson_3 + patient_seul + egfr
## 
##                Df    AIC
## <none>            245.79
## - patient_seul  1 247.57
## - charlson_3    1 247.62
## - egfr          1 249.35
## Call:
## coxph(formula = Surv(pftox, evt_tox) ~ charlson_3 + patient_seul + 
##     egfr, data = cbnpc)
## 
##                 coef exp(coef) se(coef)      z      p
## charlson_3    0.7797    2.1808   0.4184  1.863 0.0624
## patient_seul  1.0016    2.7226   0.4676  2.142 0.0322
## egfr         -0.8899    0.4107   0.3904 -2.279 0.0226
## 
## Likelihood ratio test=11.47  on 3 df, p=0.009422
## n= 94, number of events= 30
##modèle final 
modsurv<-coxph(Surv(pftox, evt_tox)~charlson_3+egfr+patient_seul, data=cbnpc)
modsurv%>%tbl_regression(exponentiate = TRUE)
Characteristic HR1 95% CI1 p-value
charlson_3 2.18 0.96, 4.95 0.062
patient traité par inhibiteurs de egfrl 0.41 0.19, 0.88 0.023
patient vivant seul 2.72 1.09, 6.81 0.032
1 HR = Hazard Ratio, CI = Confidence Interval 
ggforest(modsurv)
## Warning in .get_data(model, data = data): The `data` argument is not provided.
## Data will be extracted from model fit.

modsurv<-coxph(Surv(pftox_mediane, evt_tox)~charlson_3+egfr+patient_seul, data=cbnpc)
modsurv%>%tbl_regression(exponentiate = TRUE)
Characteristic HR1 95% CI1 p-value
charlson_3 2.18 0.96, 4.95 0.062
patient traité par inhibiteurs de egfrl 0.41 0.19, 0.88 0.023
patient vivant seul 2.72 1.09, 6.81 0.032
1 HR = Hazard Ratio, CI = Confidence Interval 
ggforest(modsurv)
## Warning in .get_data(model, data = data): The `data` argument is not provided.
## Data will be extracted from model fit.