##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_dermato_ddi <- read_excel("Y:/fp/FAC/2023-2024/Memoires DES/Guillaume Flandin/20240705/data_guillaume_dermato_ddi.xlsx")
## New names:
## • `Détail` -> `Détail...39`
## • `Détail` -> `Détail...46`
## • `Détail` -> `Détail...70`
## • `Détail` -> `Détail...72`
##recodage bases de données le cas échéant----
dermato_g<-filter(data_guillaume_dermato_ddi, c(eligible_etude=="1" ))
##recodage de données le cas échéant----
dermato_g$charlson_2<-ifelse(dermato_g$charlson>=2, 1, 0)
dermato_g$charlson_3<-ifelse(dermato_g$charlson>=3, 1, 0)
dermato_g$charlson_4<-ifelse(dermato_g$charlson>=4, 1, 0)
dermato_g$charlson_5<-ifelse(dermato_g$charlson>=5, 1, 0)
dermato_g$adjuvant<-ifelse(dermato_g$stade=="ADJUVANT", 1, 0)
dermato_g$raf_mek<-ifelse(dermato_g$classe_medt=="raf_mek", 1, 0)
dermato_g$mek<-ifelse(dermato_g$classe_medt=="mek", 1, 0)
dermato_g$hedgehog<-ifelse(dermato_g$classe_medt=="hedgehog", 1, 0)
dermato_g$cytotox<-ifelse(dermato_g$classe_medt=="cytotox", 1, 0)
dermato_g$pftox_mediane<-dermato_g$pftox/3.7
##renommer des variables pour présentation dans les tableaux de résultats
library(labelled)
var_label(dermato_g$type_evt) <- "evenement lié au médicament"
var_label(dermato_g$consequence_evt) <- "conséquence des evenements liés au médicament"
var_label(dermato_g$meta_snc) <- "presence de métastase cérébrale"
var_label(dermato_g$polymedique) <- "patient polymediqué"
var_label(dermato_g$comprehension) <- "patient avec difficulté de comprehension"
var_label(dermato_g$pb_social) <- "patient avec difficulté sociale"
var_label(dermato_g$actif_pro) <- "patient avec activité professionnelle"
var_label(dermato_g$ddi) <- "patient avec interaction médicamenteuse"
var_label(dermato_g$prise_discontinue) <- "traitement en prise discontinue"
var_label(dermato_g$evt_tox) <- "patient avec evenement lié au médicament"
var_label(dermato_g$charlson_2) <- "score de charlson >=2 (hors tumeur)"
var_label(dermato_g$patient_seul) <- "patient vivant seul"
var_label(dermato_g$risque_observance) <- "patient avec risque de mauvaise observance"
var_label(dermato_g$raf_mek) <- "patient traité par inhibiteurs de Raf et Mek"
var_label(dermato_g$mek) <- "patient traité par inhibiteurs de Mek seul"
var_label(dermato_g$hedgehog) <- "patient traité par inhibiteurs hedgehog"
var_label(dermato_g$cytotox) <- "patient traité par cytotoxique"
var_label(dermato_g$ddi_sousdosage) <- "patient avec interaction à risque de sous-dosage"
var_label(dermato_g$ddi_surdosage) <- "patient avec interaction à risque de sur-dosage"
var_label(dermato_g$ddi_qt) <- "patient avec interaction à risque d'allongement du QT"
var_label(dermato_g$ddi_ph) <- "patient avec interaction avec IPP et pH"
var_label(dermato_g$ipp_mdt) <- "patient sous IPP"
var_label(dermato_g$rque_pharma) <- "patient pour lequel l'analyse d'interaction a conclu à un suivi de ei"
##réation de variables à plusieurs catégorie selon valeurs variable continue
##tableau descriptif population globales ----
tbl_summary(
dermato_g, include = c("age", "pathologie", "dci", "raf_mek", "mek", "hedgehog", "cytotox", "polymedique","stade", "ligne", "evt_tox", "charlson", "charlson_2", "meta_snc", "comprehension", "pb_social", "actif_pro", "patient_seul", "ddi","ddi_surdosage","ddi_sousdosage","ipp_mdt","ddi_ph","ddi_qt","rque_pharma" ,"prise_discontinue", "risque_observance"),
digits=all_categorical()~ c(0,1)
)
| Characteristic |
N = 78 |
| age |
66 (52, 75) |
| pathologie |
|
| CANCER DE LA THYROIDE |
1 (1.3%) |
| CARCINOME BASOCELLUALIRE INOPERABLE |
15 (19.2%) |
| CARCINOME DE MERKEL |
1 (1.3%) |
| carcinome trichoblastique NON OPERABLE |
2 (2.6%) |
| MELANOME |
59 (75.6%) |
| dci |
|
| Dabrafenib / Trametinib |
37 (47.4%) |
| Encorafenib binimetinib |
17 (21.8%) |
| Etoposide |
1 (1.3%) |
| Sonidegib |
9 (11.5%) |
| Trametinib |
6 (7.7%) |
| Vismodegib |
8 (10.3%) |
| patient traité par inhibiteurs de Raf et Mek |
54 (69.2%) |
| patient traité par inhibiteurs de Mek seul |
6 (7.7%) |
| patient traité par inhibiteurs hedgehog |
17 (21.8%) |
| patient traité par cytotoxique |
1 (1.3%) |
| patient polymediqué |
42 (53.8%) |
| stade |
|
| ADJUVANT |
18 (23.1%) |
| AVANCE |
23 (29.5%) |
| METASTATIQUE |
37 (47.4%) |
| ligne |
|
| 1ere ligne |
41 (52.6%) |
| 2eme ligne |
24 (30.8%) |
| 2ème ligne |
4 (5.1%) |
| 3eme ligne |
4 (5.1%) |
| 3ème ligne |
1 (1.3%) |
| 4eme ligne |
1 (1.3%) |
| 4ème ligne |
1 (1.3%) |
| 5eme ligne |
2 (2.6%) |
| patient avec evenement lié au médicament |
63 (80.8%) |
| charlson |
|
| 0 |
12 (15.4%) |
| 1 |
19 (24.4%) |
| 2 |
10 (12.8%) |
| 3 |
12 (15.4%) |
| 4 |
9 (11.5%) |
| 5 |
10 (12.8%) |
| 6 |
5 (6.4%) |
| 8 |
1 (1.3%) |
| score de charlson >=2 (hors tumeur) |
47 (60.3%) |
| presence de métastase cérébrale |
11 (14.1%) |
| patient avec difficulté de comprehension |
9 (11.5%) |
| patient avec difficulté sociale |
14 (17.9%) |
| patient avec activité professionnelle |
17 (21.8%) |
| patient vivant seul |
10 (12.8%) |
| patient avec interaction médicamenteuse |
37 (47.4%) |
| patient avec interaction à risque de sur-dosage |
24 (30.8%) |
| patient avec interaction à risque de sous-dosage |
5 (6.4%) |
| patient sous IPP |
20 (29.0%) |
| Unknown |
9 |
| patient avec interaction avec IPP et pH |
10 (12.8%) |
| patient avec interaction à risque d'allongement du QT |
8 (10.3%) |
| patient pour lequel l'analyse d'interaction a conclu à un suivi de ei |
34 (43.6%) |
| traitement en prise discontinue |
9 (11.5%) |
| patient avec risque de mauvaise observance |
17 (21.8%) |
##Description des evènements liés aux traitement
tbl_summary(
dermato_g, include = c("type_evt"),
digits=all_categorical()~ c(0,1)
)
| Characteristic |
N = 78 |
| evenement lié au médicament |
|
| 0 |
32 (41.0%) |
| AEG (fatigue, perte d'appétit) |
1 (1.3%) |
| AEG, HYPERTHERMIE, INCONTINENCE URINAIRE |
1 (1.3%) |
| AEG, IRA, diarrhées grade II, déshydratation grade IV |
1 (1.3%) |
| AEG,PERTE DE POIDS |
1 (1.3%) |
| ALOPECIE / MYALGIES |
1 (1.3%) |
| ANEMIE GRADE III |
1 (1.3%) |
| ANEMIE, IRC |
1 (1.3%) |
| ASTHENIE / NAUSEES |
1 (1.3%) |
| ASTHENIE GRADE 2, DIARRHEES GRADE 2, MODIF BILAN HEPATIQUE,FRISSON |
1 (1.3%) |
| CEPHALEES GRADE 2 |
1 (1.3%) |
| CONTRACTURES MUSCULAIRES GRADE 1, DYSGUEUSIE GRADE II, FOLLICULITE GRADE I |
1 (1.3%) |
| crampes musculaires grade 1 |
1 (1.3%) |
| CRAMPES / Déséquilibre du ttt parkinson |
1 (1.3%) |
| CRAMPES MUSCULAIRES |
1 (1.3%) |
| Cytolyse grade II/fonction cardiaque |
1 (1.3%) |
| CYTOLYSE HEPATIQUE, INSUFFISANCE RENALE, DECOMPENSATION DIABETIQUE |
1 (1.3%) |
| dégradation fonction rénale |
1 (1.3%) |
| DEGRADATION INSUFFISANCE RENALE |
1 (1.3%) |
| DIARRHEES GRADE 2, AEG |
1 (1.3%) |
| DOULEURS MUSCULAIRES |
1 (1.3%) |
| Fièvre grade III |
1 (1.3%) |
| Frissons, fievre |
1 (1.3%) |
| GASTRITE |
1 (1.3%) |
| HYPERTHERMIE |
1 (1.3%) |
| PERTE DE POIDS, DYSGUESIE GRADE2, CRAMPES MUSCULAIRES GRADE 2 |
1 (1.3%) |
| PHOTO TOXICITE |
1 (1.3%) |
| RHABDOMYOLYSE, TOXICITE CARDIAQUE |
1 (1.3%) |
| SYMPTOMES DIGESTIFS ET URINAIRES |
1 (1.3%) |
| TOXICITE CARDIAQUE |
4 (5.1%) |
| TOXICITE CARDIAQUE / DEGLOBULISATION |
1 (1.3%) |
| TOXICITE CARDIAQUE / Diminution FEVG |
1 (1.3%) |
| TOXICITE CARDIAQUE, AEG,ERUPTION CUTANEE |
1 (1.3%) |
| TOXICITE CUTANEE |
2 (2.6%) |
| TOXICITE DIGESTIVE |
1 (1.3%) |
| Toxicité digestive |
1 (1.3%) |
| TOXICITE DIGESTIVE / ANOREXIE |
1 (1.3%) |
| Toxicité digestive grade II |
1 (1.3%) |
| Toxicité oculaire |
1 (1.3%) |
| TOXICITE OCULAIRE ET CUTANEE |
1 (1.3%) |
| TREMBLEMENTS |
1 (1.3%) |
| TROUBLES DIGESTIFS / VOMISSEMENTS |
1 (1.3%) |
| TROUBLES VISUELS |
1 (1.3%) |
##Conséquences des évènements liés aux traitement
tbl_summary(
dermato_g, include = c("consequence_evt"),
digits=all_categorical()~ c(0,1)
)
| Characteristic |
N = 78 |
| conséquence des evenements liés au médicament |
|
| ARRET DEFINITIF |
12 (27.3%) |
| ARRET TEMPORAIRE |
8 (18.2%) |
| ARRET TEMPORAIRE / CONCESSION |
5 (11.4%) |
| ARRET TEMPORAIRE / CONCESSION TEMPORELLE |
1 (2.3%) |
| ARRET TEMPORAIRE / HOSPIT EN REA |
1 (2.3%) |
| ARRET TEMPORAIRE MEKINIST |
1 (2.3%) |
| ARRET TEMPORAIRE MEKINIST / CONCESSION POSOLOGIQUE |
1 (2.3%) |
| Concession Posologique |
14 (31.8%) |
| CONCESSION TEMPORELLE |
1 (2.3%) |
| Unknown |
34 |
###Description durée de traitement
km_duree_tt<-survfit(Surv(dermato_g$duree_tt, dermato_g$evt_tt)~1)
km_duree_tt
## Call: survfit(formula = Surv(dermato_g$duree_tt, dermato_g$evt_tt) ~
## 1)
##
## n events median 0.95LCL 0.95UCL
## [1,] 78 73 5.8 4.77 11.3
ggsurvplot(km_duree_tt, data = dermato_g,
risk.table=TRUE,
surv.scale="percent",
break.time.by=3,
surv.median.line = "hv"
)
##Description motifs d'arrêts de traitement
tbl_summary(
dermato_g, include = c("motif_arret"),
digits=all_categorical()~ c(0,1)
)
| Characteristic |
N = 78 |
| motif_arret |
|
| DECES |
3 (4.1%) |
| Fin de traitement / Surveillance |
21 (28.8%) |
| FIN DE VIE |
1 (1.4%) |
| PAUSE THERAPEUTIQUE |
2 (2.7%) |
| progression |
2 (2.7%) |
| PROGRESSION |
16 (21.9%) |
| PROGRESSION + TOX |
1 (1.4%) |
| PROGRESSION ET DIFFILCULTE D'OBSERVANCE |
1 (1.4%) |
| ROTATION VERS DABRA / TRAME |
1 (1.4%) |
| TOXICITE |
22 (30.1%) |
| TOXICITE / FIN DE TTT (RADIOTHERAPIE CLOTURE) |
1 (1.4%) |
| TOXICITE / SOINS PAL |
1 (1.4%) |
| TOXICITE + SOUHAIT DE LA PATIENTE |
1 (1.4%) |
| Unknown |
5 |
###Description PFS
km_pfs<-survfit(Surv(dermato_g$pfs, dermato_g$evt_pfs)~1)
km_pfs
## Call: survfit(formula = Surv(dermato_g$pfs, dermato_g$evt_pfs) ~ 1)
##
## n events median 0.95LCL 0.95UCL
## [1,] 78 36 21.9 17.6 30.7
ggsurvplot(km_pfs, data = dermato_g,
risk.table=TRUE,
surv.scale="percent",
break.time.by=3,
surv.median.line = "hv"
)
###Description OS
km_os<-survfit(Surv(dermato_g$os, dermato_g$evt_os)~1)
km_os
## Call: survfit(formula = Surv(dermato_g$os, dermato_g$evt_os) ~ 1)
##
## n events median 0.95LCL 0.95UCL
## [1,] 78 31 36.1 31.2 NA
ggsurvplot(km_os, data = dermato_g,
risk.table=TRUE,
surv.scale="percent",
break.time.by=3,
surv.median.line = "hv"
)
#Courbe de Kaplan Meier survie sans événement toxique lié au médicament----
km_pftox<-survfit(Surv(dermato_g$pftox, dermato_g$evt_tox)~1)
km_pftox
## Call: survfit(formula = Surv(dermato_g$pftox, dermato_g$evt_tox) ~
## 1)
##
## n events median 0.95LCL 0.95UCL
## [1,] 78 63 4.27 3.37 6.37
ggsurvplot(km_pftox, data = dermato_g,
risk.table=TRUE,
surv.scale="percent",
break.time.by=2,
surv.median.line = "hv"
)
##modèles de cox ANALYSE UNIVARIEE ----
####charlson en valeur continue
modsurv<-coxph(Surv(pftox, evt_tox)~charlson, data=dermato_g)
modsurv%>%tbl_regression(exponentiate = TRUE)
| Characteristic |
HR |
95% CI |
p-value |
| charlson |
1.18 |
1.04, 1.34 |
0.009 |
####charlson >=2---
modsurv<-coxph(Surv(pftox, evt_tox)~charlson_2, data=dermato_g)
modsurv%>%tbl_regression(exponentiate = TRUE)
| Characteristic |
HR |
95% CI |
p-value |
| score de charlson >=2 (hors tumeur) |
1.59 |
0.95, 2.66 |
0.079 |
####charlson >=3---
modsurv<-coxph(Surv(pftox, evt_tox)~charlson_3, data=dermato_g)
modsurv%>%tbl_regression(exponentiate = TRUE)
| Characteristic |
HR |
95% CI |
p-value |
| charlson_3 |
1.92 |
1.16, 3.17 |
0.012 |
####charlson >=4---
modsurv<-coxph(Surv(pftox, evt_tox)~charlson_4, data=dermato_g)
modsurv%>%tbl_regression(exponentiate = TRUE)
| Characteristic |
HR |
95% CI |
p-value |
| charlson_4 |
1.63 |
0.98, 2.73 |
0.062 |
####charlson >=5---
modsurv<-coxph(Surv(pftox, evt_tox)~charlson_5, data=dermato_g)
modsurv%>%tbl_regression(exponentiate = TRUE)
| Characteristic |
HR |
95% CI |
p-value |
| charlson_5 |
1.83 |
1.03, 3.26 |
0.040 |
####présence de méta cérébrale
modsurv<-coxph(Surv(pftox, evt_tox)~meta_snc, data=dermato_g)
modsurv%>%tbl_regression(exponentiate = TRUE)
| Characteristic |
HR |
95% CI |
p-value |
| presence de métastase cérébrale |
1.10 |
0.52, 2.35 |
0.8 |
####problème de compréhension
modsurv<-coxph(Surv(pftox, evt_tox)~comprehension, data=dermato_g)
modsurv%>%tbl_regression(exponentiate = TRUE)
| Characteristic |
HR |
95% CI |
p-value |
| patient avec difficulté de comprehension |
2.08 |
0.97, 4.46 |
0.061 |
####problème social
modsurv<-coxph(Surv(pftox, evt_tox)~pb_social, data=dermato_g)
modsurv%>%tbl_regression(exponentiate = TRUE)
| Characteristic |
HR |
95% CI |
p-value |
| patient avec difficulté sociale |
0.79 |
0.39, 1.60 |
0.5 |
####patient vivant seul
modsurv<-coxph(Surv(pftox, evt_tox)~patient_seul, data=dermato_g)
modsurv%>%tbl_regression(exponentiate = TRUE)
| Characteristic |
HR |
95% CI |
p-value |
| patient vivant seul |
0.79 |
0.39, 1.60 |
0.5 |
####activité professionnelle
modsurv<-coxph(Surv(pftox, evt_tox)~actif_pro, data=dermato_g)
modsurv%>%tbl_regression(exponentiate = TRUE)
| Characteristic |
HR |
95% CI |
p-value |
| patient avec activité professionnelle |
0.60 |
0.33, 1.10 |
0.10 |
####interaction médicamenteuse
modsurv<-coxph(Surv(pftox, evt_tox)~ddi, data=dermato_g)
modsurv%>%tbl_regression(exponentiate = TRUE)
| Characteristic |
HR |
95% CI |
p-value |
| patient avec interaction médicamenteuse |
1.57 |
0.94, 2.60 |
0.082 |
####interaction médicamenteuse à risque de surdosage
modsurv<-coxph(Surv(pftox, evt_tox)~ddi_surdosage, data=dermato_g)
modsurv%>%tbl_regression(exponentiate = TRUE)
| Characteristic |
HR |
95% CI |
p-value |
| patient avec interaction à risque de sur-dosage |
0.93 |
0.53, 1.62 |
0.8 |
####prise d'ipp
modsurv<-coxph(Surv(pftox, evt_tox)~ipp_mdt, data=dermato_g)
modsurv%>%tbl_regression(exponentiate = TRUE)
| Characteristic |
HR |
95% CI |
p-value |
| patient sous IPP |
1.13 |
0.63, 2.03 |
0.7 |
####interaction médicamenteuse à risque de QT
modsurv<-coxph(Surv(pftox, evt_tox)~ddi_qt, data=dermato_g)
modsurv%>%tbl_regression(exponentiate = TRUE)
| Characteristic |
HR |
95% CI |
p-value |
| patient avec interaction à risque d'allongement du QT |
1.32 |
0.60, 2.92 |
0.5 |
####conclusion necessité suivi
modsurv<-coxph(Surv(pftox, evt_tox)~rque_pharma_ei, data=dermato_g)
modsurv%>%tbl_regression(exponentiate = TRUE)
| Characteristic |
HR |
95% CI |
p-value |
| rque_pharma_ei |
1.17 |
0.67, 2.04 |
0.6 |
####Schéma de prise discontinue
modsurv<-coxph(Surv(pftox, evt_tox)~prise_discontinue, data=dermato_g)
modsurv%>%tbl_regression(exponentiate = TRUE)
| Characteristic |
HR |
95% CI |
p-value |
| traitement en prise discontinue |
1.26 |
0.59, 2.69 |
0.5 |
####patient polymédiqué
modsurv<-coxph(Surv(pftox, evt_tox)~polymedique, data=dermato_g)
modsurv%>%tbl_regression(exponentiate = TRUE)
| Characteristic |
HR |
95% CI |
p-value |
| patient polymediqué |
1.37 |
0.83, 2.26 |
0.2 |
####patient avec risque de mauvaise observance
modsurv<-coxph(Surv(pftox, evt_tox)~risque_observance, data=dermato_g)
modsurv%>%tbl_regression(exponentiate = TRUE)
| Characteristic |
HR |
95% CI |
p-value |
| patient avec risque de mauvaise observance |
0.89 |
0.48, 1.64 |
0.7 |
####stade adjuvant vs autres
modsurv<-coxph(Surv(pftox, evt_tox)~adjuvant, data=dermato_g)
modsurv%>%tbl_regression(exponentiate = TRUE)
| Characteristic |
HR |
95% CI |
p-value |
| adjuvant |
1.23 |
0.70, 2.17 |
0.5 |
##patient traité par combo raf_mek
modsurv<-coxph(Surv(pftox, evt_tox)~raf_mek, data=dermato_g)
modsurv%>%tbl_regression(exponentiate = TRUE)
| Characteristic |
HR |
95% CI |
p-value |
| patient traité par inhibiteurs de Raf et Mek |
0.88 |
0.51, 1.49 |
0.6 |
##patient traité par mek seul
modsurv<-coxph(Surv(pftox, evt_tox)~mek, data=dermato_g)
modsurv%>%tbl_regression(exponentiate = TRUE)
| Characteristic |
HR |
95% CI |
p-value |
| patient traité par inhibiteurs de Mek seul |
3.70 |
1.26, 10.9 |
0.018 |
##patient traité par hedgehog
modsurv<-coxph(Surv(pftox, evt_tox)~hedgehog, data=dermato_g)
modsurv%>%tbl_regression(exponentiate = TRUE)
| Characteristic |
HR |
95% CI |
p-value |
| patient traité par inhibiteurs hedgehog |
0.88 |
0.50, 1.57 |
0.7 |
##patient traité par cytotox
modsurv<-coxph(Surv(pftox, evt_tox)~cytotox, data=dermato_g)
modsurv%>%tbl_regression(exponentiate = TRUE)
| Characteristic |
HR |
95% CI |
p-value |
| patient traité par cytotoxique |
1.86 |
0.25, 13.7 |
0.5 |
##Analyse multivariée avec charlson >=2
modsurv<-coxph(Surv(pftox, evt_tox)~charlson_2+comprehension+actif_pro+ddi+polymedique+mek, data=dermato_g)
modsurv%>%tbl_regression(exponentiate = TRUE)
| Characteristic |
HR |
95% CI |
p-value |
| score de charlson >=2 (hors tumeur) |
1.32 |
0.67, 2.60 |
0.4 |
| patient avec difficulté de comprehension |
1.70 |
0.76, 3.80 |
0.2 |
| patient avec activité professionnelle |
0.85 |
0.39, 1.87 |
0.7 |
| patient avec interaction médicamenteuse |
1.39 |
0.80, 2.41 |
0.2 |
| patient polymediqué |
1.10 |
0.64, 1.90 |
0.7 |
| patient traité par inhibiteurs de Mek seul |
3.11 |
1.03, 9.45 |
0.045 |
step(modsurv)
## Start: AIC=436.19
## Surv(pftox, evt_tox) ~ charlson_2 + comprehension + actif_pro +
## ddi + polymedique + mek
##
## Df AIC
## - polymedique 1 434.31
## - actif_pro 1 434.35
## - charlson_2 1 434.87
## - ddi 1 435.54
## - comprehension 1 435.71
## <none> 436.19
## - mek 1 437.39
##
## Step: AIC=434.31
## Surv(pftox, evt_tox) ~ charlson_2 + comprehension + actif_pro +
## ddi + mek
##
## Df AIC
## - actif_pro 1 432.48
## - charlson_2 1 433.11
## - comprehension 1 433.76
## - ddi 1 434.04
## <none> 434.31
## - mek 1 435.66
##
## Step: AIC=432.48
## Surv(pftox, evt_tox) ~ charlson_2 + comprehension + ddi + mek
##
## Df AIC
## - comprehension 1 431.82
## <none> 432.48
## - charlson_2 1 432.61
## - ddi 1 432.62
## - mek 1 434.01
##
## Step: AIC=431.82
## Surv(pftox, evt_tox) ~ charlson_2 + ddi + mek
##
## Df AIC
## <none> 431.82
## - ddi 1 432.35
## - charlson_2 1 432.62
## - mek 1 433.79
## Call:
## coxph(formula = Surv(pftox, evt_tox) ~ charlson_2 + ddi + mek,
## data = dermato_g)
##
## coef exp(coef) se(coef) z p
## charlson_2 0.4347 1.5445 0.2637 1.648 0.0993
## ddi 0.4131 1.5116 0.2584 1.599 0.1099
## mek 1.2669 3.5499 0.5524 2.294 0.0218
##
## Likelihood ratio test=9.75 on 3 df, p=0.02081
## n= 78, number of events= 63
##modèle final avec Charlson >=2 (covariables retenues sur le critère Aikake)
modsurv<-coxph(Surv(pftox, evt_tox)~charlson_2+mek+ddi, data=dermato_g)
modsurv%>%tbl_regression(exponentiate = TRUE)
| Characteristic |
HR |
95% CI |
p-value |
| score de charlson >=2 (hors tumeur) |
1.54 |
0.92, 2.59 |
0.10 |
| patient traité par inhibiteurs de Mek seul |
3.55 |
1.20, 10.5 |
0.022 |
| patient avec interaction médicamenteuse |
1.51 |
0.91, 2.51 |
0.11 |
ggforest(modsurv)
## Warning in .get_data(model, data = data): The `data` argument is not provided.
## Data will be extracted from model fit.
###Modèles alternatifs à 2 covariables
modsurv<-coxph(Surv(pftox, evt_tox)~mek+ddi, data=dermato_g)
modsurv%>%tbl_regression(exponentiate = TRUE)
| Characteristic |
HR |
95% CI |
p-value |
| patient traité par inhibiteurs de Mek seul |
3.52 |
1.20, 10.3 |
0.022 |
| patient avec interaction médicamenteuse |
1.54 |
0.93, 2.56 |
0.10 |
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, evt_tox)~mek+charlson_2, data=dermato_g)
modsurv%>%tbl_regression(exponentiate = TRUE)
| Characteristic |
HR |
95% CI |
p-value |
| patient traité par inhibiteurs de Mek seul |
3.61 |
1.21, 10.7 |
0.021 |
| score de charlson >=2 (hors tumeur) |
1.57 |
0.94, 2.63 |
0.088 |
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, evt_tox)~ddi+charlson_2, data=dermato_g)
modsurv%>%tbl_regression(exponentiate = TRUE)
| Characteristic |
HR |
95% CI |
p-value |
| patient avec interaction médicamenteuse |
1.52 |
0.92, 2.53 |
0.11 |
| score de charlson >=2 (hors tumeur) |
1.54 |
0.92, 2.59 |
0.10 |
ggforest(modsurv)
## Warning in .get_data(model, data = data): The `data` argument is not provided.
## Data will be extracted from model fit.
##Analyse multivariée avec charlson >=3
modsurv<-coxph(Surv(pftox, evt_tox)~charlson_3+comprehension+actif_pro+ddi+polymedique+mek, data=dermato_g)
modsurv%>%tbl_regression(exponentiate = TRUE)
| Characteristic |
HR |
95% CI |
p-value |
| charlson_3 |
1.80 |
0.93, 3.47 |
0.080 |
| patient avec difficulté de comprehension |
1.59 |
0.72, 3.53 |
0.3 |
| patient avec activité professionnelle |
0.97 |
0.46, 2.04 |
>0.9 |
| patient avec interaction médicamenteuse |
1.49 |
0.85, 2.63 |
0.2 |
| patient polymediqué |
0.95 |
0.53, 1.71 |
0.9 |
| patient traité par inhibiteurs de Mek seul |
3.08 |
1.02, 9.33 |
0.047 |
step(modsurv)
## Start: AIC=433.65
## Surv(pftox, evt_tox) ~ charlson_3 + comprehension + actif_pro +
## ddi + polymedique + mek
##
## Df AIC
## - actif_pro 1 431.65
## - polymedique 1 431.67
## - comprehension 1 432.84
## - ddi 1 433.57
## <none> 433.65
## - mek 1 434.79
## - charlson_3 1 434.87
##
## Step: AIC=431.65
## Surv(pftox, evt_tox) ~ charlson_3 + comprehension + ddi + polymedique +
## mek
##
## Df AIC
## - polymedique 1 429.68
## - comprehension 1 430.84
## <none> 431.65
## - ddi 1 431.70
## - mek 1 432.83
## - charlson_3 1 434.14
##
## Step: AIC=429.68
## Surv(pftox, evt_tox) ~ charlson_3 + comprehension + ddi + mek
##
## Df AIC
## - comprehension 1 428.91
## <none> 429.68
## - ddi 1 429.86
## - mek 1 430.83
## - charlson_3 1 432.61
##
## Step: AIC=428.91
## Surv(pftox, evt_tox) ~ charlson_3 + ddi + mek
##
## Df AIC
## <none> 428.91
## - ddi 1 429.63
## - mek 1 430.49
## - charlson_3 1 432.62
## Call:
## coxph(formula = Surv(pftox, evt_tox) ~ charlson_3 + ddi + mek,
## data = dermato_g)
##
## coef exp(coef) se(coef) z p
## charlson_3 0.6187 1.8564 0.2586 2.392 0.0168
## ddi 0.4266 1.5321 0.2576 1.656 0.0977
## mek 1.1939 3.2999 0.5543 2.154 0.0312
##
## Likelihood ratio test=12.65 on 3 df, p=0.005449
## n= 78, number of events= 63
###modèle final (covariables retenues sur le critère Aikake)
modsurv<-coxph(Surv(pftox, evt_tox)~charlson_3+mek+ddi, data=dermato_g)
modsurv%>%tbl_regression(exponentiate = TRUE)
| Characteristic |
HR |
95% CI |
p-value |
| charlson_3 |
1.86 |
1.12, 3.08 |
0.017 |
| patient traité par inhibiteurs de Mek seul |
3.30 |
1.11, 9.78 |
0.031 |
| patient avec interaction médicamenteuse |
1.53 |
0.92, 2.54 |
0.10 |
ggforest(modsurv)
## Warning in .get_data(model, data = data): The `data` argument is not provided.
## Data will be extracted from model fit.
###modèles alternatifs à 2 covariables
modsurv<-coxph(Surv(pftox_mediane, evt_tox)~charlson_3+mek, data=dermato_g)
modsurv%>%tbl_regression(exponentiate = TRUE)
| Characteristic |
HR |
95% CI |
p-value |
| charlson_3 |
1.86 |
1.12, 3.09 |
0.016 |
| patient traité par inhibiteurs de Mek seul |
3.32 |
1.11, 9.94 |
0.032 |
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)~ddi+mek, data=dermato_g)
modsurv%>%tbl_regression(exponentiate = TRUE)
| Characteristic |
HR |
95% CI |
p-value |
| patient avec interaction médicamenteuse |
1.54 |
0.93, 2.56 |
0.10 |
| patient traité par inhibiteurs de Mek seul |
3.52 |
1.20, 10.3 |
0.022 |
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)~ddi+charlson_3, data=dermato_g)
modsurv%>%tbl_regression(exponentiate = TRUE)
| Characteristic |
HR |
95% CI |
p-value |
| patient avec interaction médicamenteuse |
1.53 |
0.92, 2.54 |
0.10 |
| charlson_3 |
1.89 |
1.14, 3.13 |
0.013 |
ggforest(modsurv)
## Warning in .get_data(model, data = data): The `data` argument is not provided.
## Data will be extracted from model fit.
#ANALYSE SUR CRITERE DE TOXICITE PRECOCE
##codage de la nouvelle variable
dermato_g$tox3mois<-ifelse(dermato_g$pftox<3 & dermato_g$evt_tox==1, 1, 0)
##Analyses univariées
##analyses univariée avec tableau de résultat, ex tox selon aucmoy en valeur continue
dermato_g |>
tbl_uvregression(
y = tox3mois,
include = c(charlson, charlson_2, charlson_3, charlson_4, charlson_5, ddi, ddi_surdosage, rque_pharma_ei, polymedique, patient_seul, actif_pro, comprehension, mek, raf_mek, hedgehog, cytotox),
method = glm,
method.args = list(family = binomial),
exponentiate = TRUE
) |>
bold_labels()
## Warning: glm.fit: des probabilités ont été ajustées numériquement à 0 ou 1
## Warning: glm.fit: des probabilités ont été ajustées numériquement à 0 ou 1
## Warning: glm.fit: des probabilités ont été ajustées numériquement à 0 ou 1
## Warning: glm.fit: des probabilités ont été ajustées numériquement à 0 ou 1
## Warning: glm.fit: des probabilités ont été ajustées numériquement à 0 ou 1
## Warning: glm.fit: des probabilités ont été ajustées numériquement à 0 ou 1
## Warning: glm.fit: des probabilités ont été ajustées numériquement à 0 ou 1
## Warning: glm.fit: des probabilités ont été ajustées numériquement à 0 ou 1
## Warning: glm.fit: des probabilités ont été ajustées numériquement à 0 ou 1
## Warning: glm.fit: des probabilités ont été ajustées numériquement à 0 ou 1
| Characteristic |
N |
OR |
95% CI |
p-value |
| charlson |
78 |
1.43 |
1.12, 1.89 |
0.006 |
| patient avec difficulté de comprehension |
78 |
2.50 |
0.61, 11.0 |
0.2 |
| patient avec activité professionnelle |
78 |
0.18 |
0.03, 0.71 |
0.031 |
| patient vivant seul |
78 |
0.17 |
0.01, 0.97 |
0.10 |
| patient polymediqué |
78 |
1.95 |
0.76, 5.18 |
0.2 |
| patient avec interaction médicamenteuse |
78 |
2.94 |
1.14, 7.91 |
0.028 |
| patient avec interaction à risque de sur-dosage |
78 |
1.43 |
0.52, 3.84 |
0.5 |
| rque_pharma_ei |
78 |
2.66 |
0.98, 7.39 |
0.056 |
| score de charlson >=2 (hors tumeur) |
78 |
3.67 |
1.33, 11.4 |
0.016 |
| charlson_3 |
78 |
3.75 |
1.44, 10.4 |
0.008 |
| charlson_4 |
78 |
2.74 |
1.03, 7.50 |
0.045 |
| charlson_5 |
78 |
2.91 |
0.95, 9.28 |
0.063 |
| patient traité par inhibiteurs de Raf et Mek |
78 |
2.06 |
0.73, 6.44 |
0.2 |
| patient traité par inhibiteurs de Mek seul |
78 |
4.00 |
0.73, 30.3 |
0.12 |
| patient traité par inhibiteurs hedgehog |
78 |
0.18 |
0.03, 0.71 |
0.031 |
| patient traité par cytotoxique |
78 |
0.00 |
|
>0.9 |
##courbe ROC sur score de charlson
library(pROC)
## Type 'citation("pROC")' for a citation.
##
## Attachement du package : 'pROC'
##
## Les objets suivants sont masqués depuis 'package:stats':
##
## cov, smooth, var
roc1<-roc(tox3mois~charlson, dermato_g)
## Setting levels: control = 0, case = 1
## Setting direction: controls < cases
coords(roc1, "best", ret=c("threshold", "specificity", "1-npv"))
## threshold specificity 1-npv
## threshold 2.5 0.64 0.2195122
##modele multivarié
mod<-glm( tox3mois ~ charlson_2+comprehension+actif_pro+patient_seul+polymedique+ddi+rque_pharma_ei+mek, data=dermato_g, family="binomial")
summary(mod)
##
## Call:
## glm(formula = tox3mois ~ charlson_2 + comprehension + actif_pro +
## patient_seul + polymedique + ddi + rque_pharma_ei + mek,
## family = "binomial", data = dermato_g)
##
## Deviance Residuals:
## Min 1Q Median 3Q Max
## -1.6542 -0.8074 -0.4403 0.9000 2.1826
##
## Coefficients:
## Estimate Std. Error z value Pr(>|z|)
## (Intercept) -1.8173 0.8051 -2.257 0.0240 *
## charlson_2 1.0398 0.7084 1.468 0.1422
## comprehension 0.7629 0.8839 0.863 0.3881
## actif_pro -0.4676 1.0047 -0.465 0.6416
## patient_seul -2.2372 1.1456 -1.953 0.0508 .
## polymedique -0.1905 0.6168 -0.309 0.7574
## ddi 0.8684 0.6271 1.385 0.1661
## rque_pharma_ei 0.7942 0.6284 1.264 0.2063
## mek 1.8519 1.0786 1.717 0.0860 .
## ---
## Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
##
## (Dispersion parameter for binomial family taken to be 1)
##
## Null deviance: 101.841 on 77 degrees of freedom
## Residual deviance: 80.837 on 69 degrees of freedom
## AIC: 98.837
##
## Number of Fisher Scoring iterations: 5
exp(coefficients(mod))
## (Intercept) charlson_2 comprehension actif_pro patient_seul
## 0.1624671 2.8286874 2.1444852 0.6264995 0.1067519
## polymedique ddi rque_pharma_ei mek
## 0.8265136 2.3831621 2.2126513 6.3719947
exp(confint(mod, level=0.95))
## Attente de la réalisation du profilage...
## 2.5 % 97.5 %
## (Intercept) 0.029756989 0.7249183
## charlson_2 0.736369482 12.3158451
## comprehension 0.389174393 13.8228562
## actif_pro 0.070967247 4.2735958
## patient_seul 0.005237159 0.7159724
## polymedique 0.236441914 2.7364224
## ddi 0.711846045 8.5647826
## rque_pharma_ei 0.647213731 7.7856084
## mek 0.866860682 72.0352844
mod%>%tbl_regression(intercept = TRUE, exponentiate = TRUE)
| Characteristic |
OR |
95% CI |
p-value |
| (Intercept) |
0.16 |
0.03, 0.72 |
0.024 |
| score de charlson >=2 (hors tumeur) |
2.83 |
0.74, 12.3 |
0.14 |
| patient avec difficulté de comprehension |
2.14 |
0.39, 13.8 |
0.4 |
| patient avec activité professionnelle |
0.63 |
0.07, 4.27 |
0.6 |
| patient vivant seul |
0.11 |
0.01, 0.72 |
0.051 |
| patient polymediqué |
0.83 |
0.24, 2.74 |
0.8 |
| patient avec interaction médicamenteuse |
2.38 |
0.71, 8.56 |
0.2 |
| rque_pharma_ei |
2.21 |
0.65, 7.79 |
0.2 |
| patient traité par inhibiteurs de Mek seul |
6.37 |
0.87, 72.0 |
0.086 |
step(mod)
## Start: AIC=98.84
## tox3mois ~ charlson_2 + comprehension + actif_pro + patient_seul +
## polymedique + ddi + rque_pharma_ei + mek
##
## Df Deviance AIC
## - polymedique 1 80.933 96.933
## - actif_pro 1 81.058 97.058
## - comprehension 1 81.602 97.602
## - rque_pharma_ei 1 82.445 98.445
## - ddi 1 82.811 98.811
## <none> 80.837 98.837
## - charlson_2 1 83.108 99.108
## - mek 1 84.137 100.137
## - patient_seul 1 86.386 102.386
##
## Step: AIC=96.93
## tox3mois ~ charlson_2 + comprehension + actif_pro + patient_seul +
## ddi + rque_pharma_ei + mek
##
## Df Deviance AIC
## - actif_pro 1 81.141 95.141
## - comprehension 1 81.777 95.777
## - rque_pharma_ei 1 82.448 96.448
## - ddi 1 82.811 96.811
## <none> 80.933 96.933
## - charlson_2 1 83.126 97.126
## - mek 1 84.171 98.171
## - patient_seul 1 86.463 100.463
##
## Step: AIC=95.14
## tox3mois ~ charlson_2 + comprehension + patient_seul + ddi +
## rque_pharma_ei + mek
##
## Df Deviance AIC
## - comprehension 1 81.908 93.908
## - rque_pharma_ei 1 82.724 94.724
## <none> 81.141 95.141
## - ddi 1 83.656 95.656
## - mek 1 84.747 96.747
## - charlson_2 1 85.133 97.133
## - patient_seul 1 86.802 98.802
##
## Step: AIC=93.91
## tox3mois ~ charlson_2 + patient_seul + ddi + rque_pharma_ei +
## mek
##
## Df Deviance AIC
## - rque_pharma_ei 1 83.452 93.452
## <none> 81.908 93.908
## - ddi 1 84.722 94.722
## - mek 1 85.521 95.521
## - charlson_2 1 86.522 96.522
## - patient_seul 1 87.193 97.193
##
## Step: AIC=93.45
## tox3mois ~ charlson_2 + patient_seul + ddi + mek
##
## Df Deviance AIC
## <none> 83.452 93.452
## - mek 1 86.282 94.282
## - ddi 1 88.320 96.320
## - patient_seul 1 88.482 96.482
## - charlson_2 1 89.274 97.274
##
## Call: glm(formula = tox3mois ~ charlson_2 + patient_seul + ddi + mek,
## family = "binomial", data = dermato_g)
##
## Coefficients:
## (Intercept) charlson_2 patient_seul ddi mek
## -2.005 1.352 -2.122 1.171 1.625
##
## Degrees of Freedom: 77 Total (i.e. Null); 73 Residual
## Null Deviance: 101.8
## Residual Deviance: 83.45 AIC: 93.45
##modele final sur critere aikake
mod<-glm( tox3mois ~ charlson_2+patient_seul+ddi+mek, data=dermato_g, family="binomial")
summary(mod)
##
## Call:
## glm(formula = tox3mois ~ charlson_2 + patient_seul + ddi + mek,
## family = "binomial", data = dermato_g)
##
## Deviance Residuals:
## Min 1Q Median 3Q Max
## -1.6079 -0.8989 -0.5027 0.9668 2.0646
##
## Coefficients:
## Estimate Std. Error z value Pr(>|z|)
## (Intercept) -2.0049 0.5904 -3.396 0.000685 ***
## charlson_2 1.3517 0.5853 2.309 0.020929 *
## patient_seul -2.1220 1.1393 -1.863 0.062522 .
## ddi 1.1712 0.5450 2.149 0.031629 *
## mek 1.6250 1.0206 1.592 0.111339
## ---
## Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
##
## (Dispersion parameter for binomial family taken to be 1)
##
## Null deviance: 101.841 on 77 degrees of freedom
## Residual deviance: 83.452 on 73 degrees of freedom
## AIC: 93.452
##
## Number of Fisher Scoring iterations: 5
exp(coefficients(mod))
## (Intercept) charlson_2 patient_seul ddi mek
## 0.1346779 3.8638133 0.1197958 3.2258724 5.0783667
exp(confint(mod, level=0.95))
## Attente de la réalisation du profilage...
## 2.5 % 97.5 %
## (Intercept) 0.03725841 0.3882517
## charlson_2 1.28050791 13.0726810
## patient_seul 0.00590895 0.7892842
## ddi 1.13751425 9.8245571
## mek 0.76904606 51.3576888
mod%>%tbl_regression(intercept = TRUE, exponentiate = TRUE)
| Characteristic |
OR |
95% CI |
p-value |
| (Intercept) |
0.13 |
0.04, 0.39 |
<0.001 |
| score de charlson >=2 (hors tumeur) |
3.86 |
1.28, 13.1 |
0.021 |
| patient vivant seul |
0.12 |
0.01, 0.79 |
0.063 |
| patient avec interaction médicamenteuse |
3.23 |
1.14, 9.82 |
0.032 |
| patient traité par inhibiteurs de Mek seul |
5.08 |
0.77, 51.4 |
0.11 |
##modele final sur signification des covariables
mod<-glm( tox3mois ~ charlson_2+ddi, data=dermato_g, family="binomial")
summary(mod)
##
## Call:
## glm(formula = tox3mois ~ charlson_2 + ddi, family = "binomial",
## data = dermato_g)
##
## Deviance Residuals:
## Min 1Q Median 3Q Max
## -1.3414 -0.9073 -0.5155 1.0218 2.0417
##
## Coefficients:
## Estimate Std. Error z value Pr(>|z|)
## (Intercept) -1.9513 0.5496 -3.550 0.000385 ***
## charlson_2 1.2765 0.5548 2.301 0.021407 *
## ddi 1.0525 0.5093 2.066 0.038794 *
## ---
## Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
##
## (Dispersion parameter for binomial family taken to be 1)
##
## Null deviance: 101.84 on 77 degrees of freedom
## Residual deviance: 91.00 on 75 degrees of freedom
## AIC: 97
##
## Number of Fisher Scoring iterations: 3
exp(coefficients(mod))
## (Intercept) charlson_2 ddi
## 0.1420841 3.5841588 2.8646922
exp(confint(mod, level=0.95))
## Attente de la réalisation du profilage...
## 2.5 % 97.5 %
## (Intercept) 0.04337382 0.3834649
## charlson_2 1.26175777 11.4165423
## ddi 1.07390060 8.0233616
mod%>%tbl_regression(intercept = TRUE, exponentiate = TRUE)
| Characteristic |
OR |
95% CI |
p-value |
| (Intercept) |
0.14 |
0.04, 0.38 |
<0.001 |
| score de charlson >=2 (hors tumeur) |
3.58 |
1.26, 11.4 |
0.021 |
| patient avec interaction médicamenteuse |
2.86 |
1.07, 8.02 |
0.039 |
##Analmyse multivariée avec Charlson à 3
mod<-glm( tox3mois ~ charlson_3+comprehension+actif_pro+patient_seul+polymedique+ddi+rque_pharma_ei+mek, data=dermato_g, family="binomial")
summary(mod)
##
## Call:
## glm(formula = tox3mois ~ charlson_3 + comprehension + actif_pro +
## patient_seul + polymedique + ddi + rque_pharma_ei + mek,
## family = "binomial", data = dermato_g)
##
## Deviance Residuals:
## Min 1Q Median 3Q Max
## -1.7335 -0.8142 -0.4792 0.8408 2.1078
##
## Coefficients:
## Estimate Std. Error z value Pr(>|z|)
## (Intercept) -1.6483 0.7016 -2.349 0.0188 *
## charlson_3 1.1978 0.6745 1.776 0.0757 .
## comprehension 0.6859 0.9154 0.749 0.4537
## actif_pro -0.4584 0.9686 -0.473 0.6360
## patient_seul -2.2547 1.1465 -1.967 0.0492 *
## polymedique -0.4123 0.6503 -0.634 0.5261
## ddi 0.9035 0.6331 1.427 0.1535
## rque_pharma_ei 0.8762 0.6327 1.385 0.1661
## mek 1.7013 1.0874 1.565 0.1177
## ---
## Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
##
## (Dispersion parameter for binomial family taken to be 1)
##
## Null deviance: 101.841 on 77 degrees of freedom
## Residual deviance: 79.732 on 69 degrees of freedom
## AIC: 97.732
##
## Number of Fisher Scoring iterations: 5
exp(coefficients(mod))
## (Intercept) charlson_3 comprehension actif_pro patient_seul
## 0.1923863 3.3128026 1.9854668 0.6322745 0.1048999
## polymedique ddi rque_pharma_ei mek
## 0.6621342 2.4681398 2.4017258 5.4808730
exp(confint(mod, level=0.95))
## Attente de la réalisation du profilage...
## 2.5 % 97.5 %
## (Intercept) 0.043303100 0.7009033
## charlson_3 0.924881480 13.4864322
## comprehension 0.339805771 13.5197255
## actif_pro 0.075320717 3.9429607
## patient_seul 0.005135477 0.7021183
## polymedique 0.173837611 2.3028880
## ddi 0.729488997 8.9799431
## rque_pharma_ei 0.700048733 8.5676987
## mek 0.730532778 62.9494425
mod%>%tbl_regression(intercept = TRUE, exponentiate = TRUE)
| Characteristic |
OR |
95% CI |
p-value |
| (Intercept) |
0.19 |
0.04, 0.70 |
0.019 |
| charlson_3 |
3.31 |
0.92, 13.5 |
0.076 |
| patient avec difficulté de comprehension |
1.99 |
0.34, 13.5 |
0.5 |
| patient avec activité professionnelle |
0.63 |
0.08, 3.94 |
0.6 |
| patient vivant seul |
0.10 |
0.01, 0.70 |
0.049 |
| patient polymediqué |
0.66 |
0.17, 2.30 |
0.5 |
| patient avec interaction médicamenteuse |
2.47 |
0.73, 8.98 |
0.2 |
| rque_pharma_ei |
2.40 |
0.70, 8.57 |
0.2 |
| patient traité par inhibiteurs de Mek seul |
5.48 |
0.73, 62.9 |
0.12 |
step(mod)
## Start: AIC=97.73
## tox3mois ~ charlson_3 + comprehension + actif_pro + patient_seul +
## polymedique + ddi + rque_pharma_ei + mek
##
## Df Deviance AIC
## - actif_pro 1 79.963 95.963
## - polymedique 1 80.143 96.143
## - comprehension 1 80.308 96.308
## - rque_pharma_ei 1 81.674 97.674
## <none> 79.732 97.732
## - ddi 1 81.833 97.833
## - mek 1 82.450 98.450
## - charlson_3 1 83.108 99.108
## - patient_seul 1 85.402 101.402
##
## Step: AIC=95.96
## tox3mois ~ charlson_3 + comprehension + patient_seul + polymedique +
## ddi + rque_pharma_ei + mek
##
## Df Deviance AIC
## - polymedique 1 80.375 94.375
## - comprehension 1 80.507 94.507
## <none> 79.963 95.963
## - rque_pharma_ei 1 82.048 96.048
## - ddi 1 82.707 96.707
## - mek 1 82.947 96.947
## - charlson_3 1 85.121 99.121
## - patient_seul 1 85.790 99.790
##
## Step: AIC=94.37
## tox3mois ~ charlson_3 + comprehension + patient_seul + ddi +
## rque_pharma_ei + mek
##
## Df Deviance AIC
## - comprehension 1 81.081 93.081
## - rque_pharma_ei 1 82.176 94.176
## <none> 80.375 94.375
## - ddi 1 82.746 94.746
## - mek 1 83.266 95.266
## - charlson_3 1 85.133 97.133
## - patient_seul 1 86.036 98.036
##
## Step: AIC=93.08
## tox3mois ~ charlson_3 + patient_seul + ddi + rque_pharma_ei +
## mek
##
## Df Deviance AIC
## - rque_pharma_ei 1 82.855 92.855
## <none> 81.081 93.081
## - ddi 1 83.758 93.758
## - mek 1 83.944 93.944
## - patient_seul 1 86.321 96.321
## - charlson_3 1 86.522 96.522
##
## Step: AIC=92.85
## tox3mois ~ charlson_3 + patient_seul + ddi + mek
##
## Df Deviance AIC
## <none> 82.855 92.855
## - mek 1 84.942 92.942
## - ddi 1 87.477 95.477
## - patient_seul 1 87.933 95.933
## - charlson_3 1 89.274 97.274
##
## Call: glm(formula = tox3mois ~ charlson_3 + patient_seul + ddi + mek,
## family = "binomial", data = dermato_g)
##
## Coefficients:
## (Intercept) charlson_3 patient_seul ddi mek
## -1.793 1.361 -2.134 1.149 1.414
##
## Degrees of Freedom: 77 Total (i.e. Null); 73 Residual
## Null Deviance: 101.8
## Residual Deviance: 82.85 AIC: 92.85
##modele final sur critere aikake
mod<-glm( tox3mois ~ charlson_3+patient_seul+ddi+mek, data=dermato_g, family="binomial")
summary(mod)
##
## Call:
## glm(formula = tox3mois ~ charlson_3 + patient_seul + ddi + mek,
## family = "binomial", data = dermato_g)
##
## Deviance Residuals:
## Min 1Q Median 3Q Max
## -1.6125 -0.9188 -0.5548 0.8918 1.9735
##
## Coefficients:
## Estimate Std. Error z value Pr(>|z|)
## (Intercept) -1.7934 0.5165 -3.472 0.000516 ***
## charlson_3 1.3609 0.5505 2.472 0.013433 *
## patient_seul -2.1339 1.1425 -1.868 0.061782 .
## ddi 1.1493 0.5474 2.099 0.035783 *
## mek 1.4143 1.0277 1.376 0.168746
## ---
## Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
##
## (Dispersion parameter for binomial family taken to be 1)
##
## Null deviance: 101.841 on 77 degrees of freedom
## Residual deviance: 82.855 on 73 degrees of freedom
## AIC: 92.855
##
## Number of Fisher Scoring iterations: 5
exp(coefficients(mod))
## (Intercept) charlson_3 patient_seul ddi mek
## 0.1664016 3.8996595 0.1183692 3.1558634 4.1136876
exp(confint(mod, level=0.95))
## Attente de la réalisation du profilage...
## 2.5 % 97.5 %
## (Intercept) 0.054608222 0.4239110
## charlson_3 1.356225754 11.9491629
## patient_seul 0.005814189 0.7825451
## ddi 1.105450838 9.6497309
## mek 0.611002798 41.9602737
mod%>%tbl_regression(intercept = TRUE, exponentiate = TRUE)
| Characteristic |
OR |
95% CI |
p-value |
| (Intercept) |
0.17 |
0.05, 0.42 |
<0.001 |
| charlson_3 |
3.90 |
1.36, 11.9 |
0.013 |
| patient vivant seul |
0.12 |
0.01, 0.78 |
0.062 |
| patient avec interaction médicamenteuse |
3.16 |
1.11, 9.65 |
0.036 |
| patient traité par inhibiteurs de Mek seul |
4.11 |
0.61, 42.0 |
0.2 |
##modele final sur signification covariabels
mod<-glm( tox3mois ~ charlson_3+ddi, data=dermato_g, family="binomial")
summary(mod)
##
## Call:
## glm(formula = tox3mois ~ charlson_3 + ddi, family = "binomial",
## data = dermato_g)
##
## Deviance Residuals:
## Min 1Q Median 3Q Max
## -1.4331 -0.8824 -0.5470 0.9416 1.9868
##
## Coefficients:
## Estimate Std. Error z value Pr(>|z|)
## (Intercept) -1.8241 0.4914 -3.712 0.000205 ***
## charlson_3 1.3261 0.5173 2.563 0.010365 *
## ddi 1.0815 0.5151 2.100 0.035770 *
## ---
## Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
##
## (Dispersion parameter for binomial family taken to be 1)
##
## Null deviance: 101.841 on 77 degrees of freedom
## Residual deviance: 89.833 on 75 degrees of freedom
## AIC: 95.833
##
## Number of Fisher Scoring iterations: 3
exp(coefficients(mod))
## (Intercept) charlson_3 ddi
## 0.1613696 3.7661749 2.9492436
exp(confint(mod, level=0.95))
## Attente de la réalisation du profilage...
## 2.5 % 97.5 %
## (Intercept) 0.05636702 0.394456
## charlson_3 1.40124907 10.818284
## ddi 1.09520065 8.382527
mod%>%tbl_regression(intercept = TRUE, exponentiate = TRUE)
| Characteristic |
OR |
95% CI |
p-value |
| (Intercept) |
0.16 |
0.06, 0.39 |
<0.001 |
| charlson_3 |
3.77 |
1.40, 10.8 |
0.010 |
| patient avec interaction médicamenteuse |
2.95 |
1.10, 8.38 |
0.036 |
mod%>%tbl_regression(intercept = TRUE, exponentiate = TRUE)
| Characteristic |
OR |
95% CI |
p-value |
| (Intercept) |
0.16 |
0.06, 0.39 |
<0.001 |
| charlson_3 |
3.77 |
1.40, 10.8 |
0.010 |
| patient avec interaction médicamenteuse |
2.95 |
1.10, 8.38 |
0.036 |