###Analyse Sacituzumab govitecan et IMC 12/07/2024
##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(dbplyr)
##
## Attachement du package : 'dbplyr'
##
## Les objets suivants sont masqués depuis 'package:dplyr':
##
## ident, sql
##chargement des données globales
data_anna <- read_excel("Y:/Internes/INTERNES NOV 2023 - MAI 2024/Anna/Thèse/analyses_stats/20240712/data_anna.xlsx")
## New names:
## • `Statut HER 2 (0=neg;1=pos;2=low)` -> `Statut HER 2 (0=neg;1=pos;2=low)...11`
## • `Détail autre` -> `Détail autre...24`
## • `Détail autre` -> `Détail autre...35`
## • `Statut HER 2 (0=neg;1=pos;2=low)` -> `Statut HER 2 (0=neg;1=pos;2=low)...52`
##restriction aux données des patientes éligibles
#filtres populations
sacitu<-filter(data_anna, c(eligible=="oui" ))
##recodage des variables et bases de données le cas échéant----
sacitu$taille_m<-sacitu$taille/100
sacitu$imc<-sacitu$poids/(sacitu$taille_m*sacitu$taille_m)
sacitu$imc25<-ifelse(sacitu$imc>25, 1, 0)
sacitu$imc30<-ifelse(sacitu$imc>30, 1, 0)
sacitu$imc18<-ifelse(sacitu$imc<18.5, 1, 0)
sacitu$old<-ifelse(sacitu$age>63, 1, 0)
sacitu$poidslourds<-ifelse(sacitu$poids>74, 1, 0)
sacitu$poidsleger<-ifelse(sacitu$poids<57, 1, 0)
sacitu$forte_dose<-ifelse(sacitu$dose_mg>740, 1, 0)
sacitu$tox_hemato<-ifelse(sacitu$neutropenie_impact_clinique==1 | sacitu$intro_gcsf_impact_clinique== 1 |
sacitu$thrombopenie_impact_clinique==1 | sacitu$anemie_impact_clinique==1, 1, 0)
sacitu$tox_pnn<-ifelse(sacitu$neutropenie_impact_clinique==1 | sacitu$intro_gcsf_impact_clinique== 1,1,0)
sacitu$tox_plq_gr<-ifelse(sacitu$thrombopenie_impact_clinique==1 | sacitu$anemie_impact_clinique==1, 1, 0)
##recodage des noms des variables
var_label(sacitu$old) <- "Patientes de + de 63 ans"
var_label(sacitu$imc25) <- "Patientes avec IMC>25"
var_label(sacitu$imc30) <- "Patientes avec IMC>30"
var_label(sacitu$imc18) <- "Patientes avec IMC<18.5"
var_label(sacitu$poidslourds) <- "Patientes de + de 74 kg"
var_label(sacitu$oms.cat) <- "Patientes avec score OMS >=2"
var_label(sacitu$taille_m) <- "taille en m"
var_label(sacitu$poids) <- "poids en kg"
var_label(sacitu$meta_visceral) <- "Patientes avec métastases viscerales"
var_label(sacitu$meta_liver) <- "Patientes avec métastases hépatiques"
var_label(sacitu$meta_brain) <- "Patientes avec métastases cérébrales"
var_label(sacitu$meta_lung) <- "Patientes avec métastases pulmonaires"
var_label(sacitu$meta_bones) <- "Patientes avec métastases osseuses"
var_label(sacitu$hypoalbuminemie) <- "Patientes avec albumine <34 g/l"
var_label(sacitu$asat3n) <- "Patientes avec transasaminase >3xLNS"
var_label(sacitu$hyperbilirubinemie) <- "Patientes avec bilirubine > LNS"
var_label(sacitu$gcsf_prophylaxie1) <- "Patientes avec prophylaxie I par G-CSF"
var_label(sacitu$concession_initiale) <- "Patientes avec consession posologique a priori"
var_label(sacitu$poso_mg_kg) <- "Posologie initiale (mg/kg"
var_label(sacitu$meta_emblee) <- "Patientes avec maladie d'emblée métastatique"
var_label(sacitu$rh) <- "Patientes avec Maladie RH+"
var_label(sacitu$previous_lines_all_tt) <- "Nb de lignes antérieures"
var_label(sacitu$chemotherapy) <- "Traitement antérieur par chimiothérapie"
var_label(sacitu$immunotherapy) <- "Traitement antérieur par immunothérapie"
var_label(sacitu$endocrine_therapy) <- "Traitement antérieur par hormonothérapie"
var_label(sacitu$icdk4_6) <- "Traitement antérieur par CDK4/6 inhibiteur"
var_label(sacitu$HER2i) <- "Traitement antérieur par inhibiteur HER2"
var_label(sacitu$evttox) <- "patients avec toxicité cliniquement pertinente"
var_label(sacitu$evtpfs) <- "nb de progression"
var_label(sacitu$evtos) <- "nb de décès"
var_label(sacitu$evtt) <- "nb de traitements arrêtés"
var_label(sacitu$her2_status) <- "statut HER2"
##description population caracteristiques patients pathologie et traitements
tbl_summary(
sacitu, include = c("age", "poids", "taille_m", "imc", "imc25", "imc30","imc18", "oms.cat", "hypoalbuminemie", "hyperbilirubinemie", "asat3n", "rh", "her2_status","meta_emblee","meta_visceral","meta_liver", "meta_brain","meta_lung", "meta_bones"),
)
| Characteristic |
N = 97 |
| age |
54 (44, 63) |
| poids en kg |
65 (57, 74) |
| taille en m |
1.63 (1.60, 1.67) |
| imc |
24.7 (20.9, 27.6) |
| Patientes avec IMC>25 |
44 (45%) |
| Patientes avec IMC>30 |
16 (16%) |
| Patientes avec IMC<18.5 |
7 (7.2%) |
| Patientes avec score OMS >=2 |
11 (14%) |
| Unknown |
16 |
| Patientes avec albumine <34 g/l |
|
| 0 |
36 (63%) |
| 1 |
21 (37%) |
| Unknown |
40 |
| Patientes avec bilirubine > LNS |
|
| 0 |
65 (94%) |
| 1 |
4 (5.8%) |
| Unknown |
28 |
| Patientes avec transasaminase >3xLNS |
|
| 0 |
66 (88%) |
| 1 |
9 (12%) |
| Unknown |
22 |
| Patientes avec Maladie RH+ |
30 (31%) |
| statut HER2 |
|
| negatif |
95 (99%) |
| positif |
1 (1.0%) |
| Unknown |
1 |
| Patientes avec maladie d'emblée métastatique |
24 (25%) |
| Patientes avec métastases viscerales |
6 (6.2%) |
| Patientes avec métastases hépatiques |
47 (48%) |
| Patientes avec métastases cérébrales |
20 (21%) |
| Patientes avec métastases pulmonaires |
37 (38%) |
| Patientes avec métastases osseuses |
56 (58%) |
##description population caracteristiques patients traitements
tbl_summary(
sacitu, include = c("poso_mg_kg", "concession_initiale", "previous_lines_all_tt", "chemotherapy", "endocrine_therapy","icdk4_6", "HER2i", "immunotherapy"),
)
| Characteristic |
N = 97 |
| Posologie initiale (mg/kg |
|
| 5 |
2 (2.1%) |
| 7.5 |
5 (5.2%) |
| 8 |
3 (3.1%) |
| 10 |
87 (90%) |
| Patientes avec consession posologique a priori |
10 (10%) |
| Nb de lignes antérieures |
|
| 0 |
1 (1.0%) |
| 1 |
16 (16%) |
| 2 |
31 (32%) |
| 3 |
27 (28%) |
| 4 |
7 (7.2%) |
| 5 |
4 (4.1%) |
| 6 |
3 (3.1%) |
| 7 |
5 (5.2%) |
| 8 |
3 (3.1%) |
| Traitement antérieur par chimiothérapie |
96 (99%) |
| Traitement antérieur par hormonothérapie |
25 (26%) |
| Traitement antérieur par CDK4/6 inhibiteur |
11 (11%) |
| Traitement antérieur par inhibiteur HER2 |
5 (5.2%) |
| Traitement antérieur par immunothérapie |
35 (36%) |
##description événements
tbl_summary(
sacitu, include = c("evtt", "evttox", "evtpfs", "evtos"),
)
| Characteristic |
N = 97 |
| nb de traitements arrêtés |
94 (97%) |
| patients avec toxicité cliniquement pertinente |
65 (67%) |
| nb de progression |
85 (88%) |
| nb de décès |
63 (65%) |
##description population caracteristiques patients selon imc >25
tbl_summary(
sacitu, include = c("age", "poso_mg_kg", "dose_mg","taille","oms.cat", "hypoalbuminemie", "hyperbilirubinemie", "asat3n", "concession_initiale", "evttox","tox_pnn","tox_hemato", "evtpfs"),
by="imc25",
digits=all_categorical()~ c(0,1)
)%>%
add_p()
| Characteristic |
0, N = 53 |
1, N = 44 |
p-value |
| age |
53 (45, 67) |
54 (43, 60) |
0.3 |
| Posologie initiale (mg/kg |
|
|
0.029 |
| 5 |
1 (1.9%) |
1 (2.3%) |
|
| 7.5 |
5 (9.4%) |
0 (0.0%) |
|
| 8 |
3 (5.7%) |
0 (0.0%) |
|
| 10 |
44 (83.0%) |
43 (97.7%) |
|
| dose_mg |
570 (500, 600) |
750 (698, 800) |
<0.001 |
| taille |
164.0 (160.0, 168.0) |
163.0 (160.0, 166.0) |
0.3 |
| Patientes avec score OMS >=2 |
8 (19.0%) |
3 (7.7%) |
0.2 |
| Unknown |
11 |
5 |
|
| Patientes avec albumine <34 g/l |
|
|
0.7 |
| 0 |
21 (65.6%) |
15 (60.0%) |
|
| 1 |
11 (34.4%) |
10 (40.0%) |
|
| Unknown |
21 |
19 |
|
| Patientes avec bilirubine > LNS |
|
|
0.6 |
| 0 |
35 (92.1%) |
30 (96.8%) |
|
| 1 |
3 (7.9%) |
1 (3.2%) |
|
| Unknown |
15 |
13 |
|
| Patientes avec transasaminase >3xLNS |
|
|
0.3 |
| 0 |
36 (83.7%) |
30 (93.8%) |
|
| 1 |
7 (16.3%) |
2 (6.2%) |
|
| Unknown |
10 |
12 |
|
| Patientes avec consession posologique a priori |
9 (17.0%) |
1 (2.3%) |
0.020 |
| patients avec toxicité cliniquement pertinente |
34 (64.2%) |
31 (70.5%) |
0.5 |
| tox_pnn |
22 (41.5%) |
22 (50.0%) |
0.4 |
| tox_hemato |
27 (50.9%) |
26 (59.1%) |
0.4 |
| nb de progression |
46 (86.8%) |
39 (88.6%) |
0.8 |
##description population caracteristiques patients selon imc >30
tbl_summary(
sacitu, include = c("age", "poso_mg_kg", "dose_mg","taille","oms.cat", "hypoalbuminemie", "hyperbilirubinemie", "asat3n", "concession_initiale", "evttox", "tox_pnn","tox_hemato","evtpfs"),
by="imc30",
digits=all_categorical()~ c(0,1)
)%>%
add_p()
| Characteristic |
0, N = 81 |
1, N = 16 |
p-value |
| age |
54 (46, 64) |
51 (38, 58) |
0.15 |
| Posologie initiale (mg/kg |
|
|
0.8 |
| 5 |
2 (2.5%) |
0 (0.0%) |
|
| 7.5 |
5 (6.2%) |
0 (0.0%) |
|
| 8 |
3 (3.7%) |
0 (0.0%) |
|
| 10 |
71 (87.7%) |
16 (100.0%) |
|
| dose_mg |
600 (540, 690) |
860 (790, 928) |
<0.001 |
| taille |
163.0 (160.0, 166.0) |
163.0 (159.8, 168.0) |
>0.9 |
| Patientes avec score OMS >=2 |
11 (16.7%) |
0 (0.0%) |
0.2 |
| Unknown |
15 |
1 |
|
| Patientes avec albumine <34 g/l |
|
|
0.5 |
| 0 |
30 (65.2%) |
6 (54.5%) |
|
| 1 |
16 (34.8%) |
5 (45.5%) |
|
| Unknown |
35 |
5 |
|
| Patientes avec bilirubine > LNS |
|
|
0.6 |
| 0 |
53 (94.6%) |
12 (92.3%) |
|
| 1 |
3 (5.4%) |
1 (7.7%) |
|
| Unknown |
25 |
3 |
|
| Patientes avec transasaminase >3xLNS |
|
|
0.7 |
| 0 |
55 (88.7%) |
11 (84.6%) |
|
| 1 |
7 (11.3%) |
2 (15.4%) |
|
| Unknown |
19 |
3 |
|
| Patientes avec consession posologique a priori |
10 (12.3%) |
0 (0.0%) |
0.2 |
| patients avec toxicité cliniquement pertinente |
54 (66.7%) |
11 (68.8%) |
0.9 |
| tox_pnn |
37 (45.7%) |
7 (43.8%) |
0.9 |
| tox_hemato |
44 (54.3%) |
9 (56.2%) |
0.9 |
| nb de progression |
70 (86.4%) |
15 (93.8%) |
0.7 |
##description population caracteristiques patients selon poids>74
tbl_summary(
sacitu, include = c("age", "poids", "dose_mg", "taille","Score ECOG", "oms.cat", "hypoalbuminemie", "hyperbilirubinemie", "asat3n", "concession_initiale", "evttox","tox_pnn","tox_hemato","evtpfs"),
by="poidslourds",
digits=all_categorical()~ c(0,1)
)%>%
add_p()
| Characteristic |
0, N = 73 |
1, N = 24 |
p-value |
| age |
54 (47, 65) |
51 (39, 58) |
0.12 |
| poids en kg |
60 (55, 67) |
80 (76, 86) |
<0.001 |
| dose_mg |
590 (520, 660) |
795 (760, 862) |
<0.001 |
| taille |
163.0 (160.0, 166.0) |
165.0 (161.8, 168.0) |
0.059 |
| Score ECOG |
|
|
0.2 |
| 0 |
27 (37.0%) |
8 (33.3%) |
|
| 1 |
34 (46.6%) |
14 (58.3%) |
|
| 2 |
9 (12.3%) |
0 (0.0%) |
|
| 3 |
3 (4.1%) |
2 (8.3%) |
|
| Patientes avec score OMS >=2 |
9 (15.3%) |
2 (9.1%) |
0.7 |
| Unknown |
14 |
2 |
|
| Patientes avec albumine <34 g/l |
|
|
0.2 |
| 0 |
29 (67.4%) |
7 (50.0%) |
|
| 1 |
14 (32.6%) |
7 (50.0%) |
|
| Unknown |
30 |
10 |
|
| Patientes avec bilirubine > LNS |
|
|
>0.9 |
| 0 |
48 (94.1%) |
17 (94.4%) |
|
| 1 |
3 (5.9%) |
1 (5.6%) |
|
| Unknown |
22 |
6 |
|
| Patientes avec transasaminase >3xLNS |
|
|
>0.9 |
| 0 |
50 (87.7%) |
16 (88.9%) |
|
| 1 |
7 (12.3%) |
2 (11.1%) |
|
| Unknown |
16 |
6 |
|
| Patientes avec consession posologique a priori |
9 (12.3%) |
1 (4.2%) |
0.4 |
| patients avec toxicité cliniquement pertinente |
48 (65.8%) |
17 (70.8%) |
0.6 |
| tox_pnn |
32 (43.8%) |
12 (50.0%) |
0.6 |
| tox_hemato |
38 (52.1%) |
15 (62.5%) |
0.4 |
| nb de progression |
62 (84.9%) |
23 (95.8%) |
0.3 |
##description population caracteristiques patients selon dose >740
tbl_summary(
sacitu, include = c("age", "poso_mg_kg", "dose_mg","taille","oms.cat", "hypoalbuminemie", "hyperbilirubinemie", "asat3n", "concession_initiale", "evttox","tox_pnn","tox_hemato", "evtpfs"),
by="forte_dose",
digits=all_categorical()~ c(0,1)
)%>%
add_p()
| Characteristic |
0, N = 74 |
1, N = 23 |
p-value |
| age |
54 (46, 65) |
54 (40, 58) |
0.2 |
| Posologie initiale (mg/kg |
|
|
0.5 |
| 5 |
2 (2.7%) |
0 (0.0%) |
|
| 7.5 |
5 (6.8%) |
0 (0.0%) |
|
| 8 |
3 (4.1%) |
0 (0.0%) |
|
| 10 |
64 (86.5%) |
23 (100.0%) |
|
| dose_mg |
590 (525, 660) |
800 (760, 865) |
<0.001 |
| taille |
163.0 (160.0, 166.0) |
165.0 (161.5, 168.0) |
0.12 |
| Patientes avec score OMS >=2 |
9 (15.0%) |
2 (9.5%) |
0.7 |
| Unknown |
14 |
2 |
|
| Patientes avec albumine <34 g/l |
|
|
0.5 |
| 0 |
29 (65.9%) |
7 (53.8%) |
|
| 1 |
15 (34.1%) |
6 (46.2%) |
|
| Unknown |
30 |
10 |
|
| Patientes avec bilirubine > LNS |
|
|
>0.9 |
| 0 |
49 (94.2%) |
16 (94.1%) |
|
| 1 |
3 (5.8%) |
1 (5.9%) |
|
| Unknown |
22 |
6 |
|
| Patientes avec transasaminase >3xLNS |
|
|
>0.9 |
| 0 |
51 (87.9%) |
15 (88.2%) |
|
| 1 |
7 (12.1%) |
2 (11.8%) |
|
| Unknown |
16 |
6 |
|
| Patientes avec consession posologique a priori |
10 (13.5%) |
0 (0.0%) |
0.11 |
| patients avec toxicité cliniquement pertinente |
49 (66.2%) |
16 (69.6%) |
0.8 |
| tox_pnn |
32 (43.2%) |
12 (52.2%) |
0.5 |
| tox_hemato |
39 (52.7%) |
14 (60.9%) |
0.5 |
| nb de progression |
63 (85.1%) |
22 (95.7%) |
0.3 |
##description toxicités avec impact clinique
tbl_summary(
sacitu, include = c("perte_poids_impact_clinique", "cardio_impact_clinique", "toxicité_muqueuse_impact_clinique",
"rgo_impact_clinique", "cholecystite_impact_clinique","toux_dyspnee_impact_clinique",
"pid_impact_clinique","infection_impact_clinique","neutropenie_impact_clinique",
"intro_gcsf_impact_clinique","thrombopenie_impact_clinique","anemie_impact_clinique",
"diarrhee_impact_clinique","nausee_impact_clinique","hepatotoxicite_impact_clinique",
"neurotoxicite_impact_clinique","fatigue_impact_clinique","vomissement_impact_clinique"),
)
| Characteristic |
N = 97 |
| perte_poids_impact_clinique |
0 (0%) |
| cardio_impact_clinique |
0 (0%) |
| toxicité_muqueuse_impact_clinique |
0 (0%) |
| rgo_impact_clinique |
0 (0%) |
| cholecystite_impact_clinique |
0 (0%) |
| toux_dyspnee_impact_clinique |
0 (0%) |
| pid_impact_clinique |
0 (0%) |
| infection_impact_clinique |
4 (4.1%) |
| neutropenie_impact_clinique |
42 (43%) |
| intro_gcsf_impact_clinique |
35 (36%) |
| thrombopenie_impact_clinique |
6 (6.2%) |
| anemie_impact_clinique |
10 (10%) |
| diarrhee_impact_clinique |
5 (5.2%) |
| nausee_impact_clinique |
2 (2.1%) |
| hepatotoxicite_impact_clinique |
4 (4.1%) |
| neurotoxicite_impact_clinique |
0 (0%) |
| fatigue_impact_clinique |
24 (25%) |
| vomissement_impact_clinique |
2 (2.1%) |
##description des conséquences des toxicités cliniquement pertinentes
tbl_summary(
sacitu, include = c("total_diminution_dose", "total_report_cure", "total_arret_tt",
"total_prophylaxie_gscf", "total_transfusion_gr","total_transfusion_cp",
"total_hospitalisation"),
)
| Characteristic |
N = 97 |
| total_diminution_dose |
24 (25%) |
| total_report_cure |
27 (28%) |
| total_arret_tt |
10 (10%) |
| total_prophylaxie_gscf |
34 (35%) |
| total_transfusion_gr |
6 (6.2%) |
| total_transfusion_cp |
3 (3.1%) |
| total_hospitalisation |
0 (0%) |
##description toxicités tous grades
tbl_summary(
sacitu, include = c("total_neutropenie", "total_thrombopenie", "total_anemie",
"total_diarrhee", "total_nausee","total_hepatotoxicite",
"total_toxicite_cutanee","total_neurotoxocite","total_fatigue",
"total_vomissement","total_perte_poids",
"total_arthralgie","total_rgo_dyspepsie","total_toux_dyspnee",
"total_cardio","total_muqueuse","total_cholecystite","total_pid","total_infection"),
)
| Characteristic |
N = 97 |
| total_neutropenie |
52 (54%) |
| total_thrombopenie |
14 (14%) |
| total_anemie |
45 (46%) |
| total_diarrhee |
21 (22%) |
| total_nausee |
33 (34%) |
| total_hepatotoxicite |
23 (24%) |
| total_toxicite_cutanee |
1 (1.0%) |
| total_neurotoxocite |
3 (3.1%) |
| total_fatigue |
68 (70%) |
| total_vomissement |
9 (9.3%) |
| total_perte_poids |
11 (11%) |
| total_arthralgie |
0 (0%) |
| total_rgo_dyspepsie |
0 (0%) |
| total_toux_dyspnee |
3 (3.1%) |
| total_cardio |
0 (0%) |
| total_muqueuse |
0 (0%) |
| total_cholecystite |
0 (0%) |
| total_pid |
0 (0%) |
| total_infection |
5 (5.2%) |
##durée de traitement
km_tt<-survfit(Surv(sacitu$durtt, sacitu$evtt)~1)
km_tt
## Call: survfit(formula = Surv(sacitu$durtt, sacitu$evtt) ~ 1)
##
## n events median 0.95LCL 0.95UCL
## [1,] 97 94 3.1 2.33 4.07
##motifs d'arrêt
tbl_summary(
sacitu, include = c("motif_arret"),
)
| Characteristic |
N = 97 |
| motif_arret |
|
| 0 |
3 (3.1%) |
| AEG |
1 (1.0%) |
| Décè |
1 (1.0%) |
| décès |
3 (3.1%) |
| Décès,toxicité |
1 (1.0%) |
| NA |
1 (1.0%) |
| progression |
66 (68%) |
| progression, toxicité |
4 (4.1%) |
| progression,AEG |
1 (1.0%) |
| progression/AEG |
2 (2.1%) |
| réponse complète |
8 (8.2%) |
| TOX +PROGRESSION |
2 (2.1%) |
| toxicité |
2 (2.1%) |
| Toxicité |
2 (2.1%) |
##Survie sans progression
km_pfs<-survfit(Surv(sacitu$pfs, sacitu$evtpfs)~1)
km_pfs
## Call: survfit(formula = Surv(sacitu$pfs, sacitu$evtpfs) ~ 1)
##
## 1 observation effacée parce que manquante
## n events median 0.95LCL 0.95UCL
## [1,] 96 85 4.03 2.8 4.43
ggsurvplot(km_pfs, data = sacitu,
risk.table=TRUE,
surv.scale="percent",
break.time.by=3,
surv.median.line = "hv"
)
###PFS selon IMC<18.5
km_pfs_selonimcfaible<-survfit(Surv(pfs, evtpfs)~imc18, data=sacitu)
km_pfs_selonimcfaible
## Call: survfit(formula = Surv(pfs, evtpfs) ~ imc18, data = sacitu)
##
## 1 observation effacée parce que manquante
## n events median 0.95LCL 0.95UCL
## imc18=0 89 79 4.03 2.97 4.43
## imc18=1 7 6 1.90 1.33 NA
ggsurvplot(km_pfs_selonimcfaible, data = sacitu,
risk.table=TRUE,
surv.scale="percent",
break.time.by=3,
surv.median.line = "hv"
)
##Survie globale
km_os<-survfit(Surv(sacitu$os, sacitu$evtos)~1)
km_os
## Call: survfit(formula = Surv(sacitu$os, sacitu$evtos) ~ 1)
##
## n events median 0.95LCL 0.95UCL
## [1,] 97 63 10.2 7.37 13.9
ggsurvplot(km_os, data = sacitu,
risk.table=TRUE,
surv.scale="percent",
break.time.by=3,
surv.median.line = "hv"
)
##Survie sans toxicité significative
km_toxfs<-survfit(Surv(sacitu$toxfs, sacitu$evttox)~1)
km_toxfs
## Call: survfit(formula = Surv(sacitu$toxfs, sacitu$evttox) ~ 1)
##
## n events median 0.95LCL 0.95UCL
## [1,] 97 65 1.43 0.933 2.3
ggsurvplot(km_toxfs, data = sacitu,
risk.table=TRUE,
surv.scale="percent",
break.time.by=3,
surv.median.line = "hv"
)
## Influence de IMC>25 sur survie sans toxicité significative
km_toxfsimc<-survfit(Surv(toxfs, evttox)~imc25, data=sacitu)
ggsurvplot(km_toxfsimc, data = sacitu,
risk.table=TRUE,
surv.scale="percent",
break.time.by=3,
surv.median.line = "hv"
)
## Influence de IMC>30 sur survie sans toxicité significative
km_toxfsimc30<-survfit(Surv(toxfs, evttox)~imc30, data=sacitu)
ggsurvplot(km_toxfsimc30, data = sacitu,
risk.table=TRUE,
surv.scale="percent",
break.time.by=3,
surv.median.line = "hv"
)
## Influence de poids >3eme quartile sur survie sans toxicité significative
km_toxfspoids<-survfit(Surv(toxfs, evttox)~poidslourds, data=sacitu)
ggsurvplot(km_toxfspoids, data = sacitu,
risk.table=TRUE,
surv.scale="percent",
break.time.by=3,
surv.median.line = "hv"
)
## Influence de dose >3eme quartile sur survie sans toxicité significative
km_toxfsdose<-survfit(Surv(toxfs, evttox)~forte_dose, data=sacitu)
ggsurvplot(km_toxfsdose, data = sacitu,
risk.table=TRUE,
surv.scale="percent",
break.time.by=3,
surv.median.line = "hv"
)
###Critère de toicité = tox PNN
## Influence de IMC>25 sur survie sans toxicité significative
km_toxfsimc<-survfit(Surv(toxfs, tox_pnn)~imc25, data=sacitu)
ggsurvplot(km_toxfsimc, data = sacitu,
risk.table=TRUE,
surv.scale="percent",
break.time.by=3,
surv.median.line = "hv"
)
## Influence de IMC>30 sur survie sans toxicité significative
km_toxfsimc30<-survfit(Surv(toxfs, tox_pnn)~imc30, data=sacitu)
ggsurvplot(km_toxfsimc30, data = sacitu,
risk.table=TRUE,
surv.scale="percent",
break.time.by=3,
surv.median.line = "hv"
)
## Influence de poids >3eme quartile sur survie sans toxicité significative
km_toxfspoids<-survfit(Surv(toxfs, tox_pnn)~poidslourds, data=sacitu)
ggsurvplot(km_toxfspoids, data = sacitu,
risk.table=TRUE,
surv.scale="percent",
break.time.by=3,
surv.median.line = "hv"
)
## Influence de dose >3eme quartile sur survie sans toxicité significative
km_toxfsdose<-survfit(Surv(toxfs, tox_pnn)~forte_dose, data=sacitu)
ggsurvplot(km_toxfsdose, data = sacitu,
risk.table=TRUE,
surv.scale="percent",
break.time.by=3,
surv.median.line = "hv"
)
###Critère de toicité = toute tox hemato
## Influence de IMC>25 sur survie sans toxicité significative
km_toxfsimc<-survfit(Surv(toxfs, tox_hemato)~imc25, data=sacitu)
ggsurvplot(km_toxfsimc, data = sacitu,
risk.table=TRUE,
surv.scale="percent",
break.time.by=3,
surv.median.line = "hv"
)
## Influence de IMC>30 sur survie sans toxicité significative
km_toxfsimc30<-survfit(Surv(toxfs, tox_hemato)~imc30, data=sacitu)
ggsurvplot(km_toxfsimc30, data = sacitu,
risk.table=TRUE,
surv.scale="percent",
break.time.by=3,
surv.median.line = "hv"
)
## Influence de poids >3eme quartile sur survie sans toxicité significative
km_toxfspoids<-survfit(Surv(toxfs, tox_hemato)~poidslourds, data=sacitu)
ggsurvplot(km_toxfspoids, data = sacitu,
risk.table=TRUE,
surv.scale="percent",
break.time.by=3,
surv.median.line = "hv"
)
## Influence de dose >3eme quartile sur survie sans toxicité significative
km_toxfsdose<-survfit(Surv(toxfs, tox_hemato)~forte_dose, data=sacitu)
ggsurvplot(km_toxfsdose, data = sacitu,
risk.table=TRUE,
surv.scale="percent",
break.time.by=3,
surv.median.line = "hv"
)
#modele de cox effet de imc25
modsurv<-coxph(Surv(toxfs, evttox)~imc25, data=sacitu)
modsurv%>%tbl_regression(exponentiate = TRUE)
| Characteristic |
HR |
95% CI |
p-value |
| Patientes avec IMC>25 |
1.02 |
0.62, 1.65 |
>0.9 |
#modele de cox effet de imc30
modsurv<-coxph(Surv(toxfs, evttox)~imc30, data=sacitu)
modsurv%>%tbl_regression(exponentiate = TRUE)
| Characteristic |
HR |
95% CI |
p-value |
| Patientes avec IMC>30 |
1.26 |
0.66, 2.42 |
0.5 |
#modele de cox effet de poids>74
modsurv<-coxph(Surv(toxfs, evttox)~poidslourds, data=sacitu)
modsurv%>%tbl_regression(exponentiate = TRUE)
| Characteristic |
HR |
95% CI |
p-value |
| Patientes de + de 74 kg |
1.28 |
0.73, 2.24 |
0.4 |
modsurv<-coxph(Surv(toxfs, tox_pnn)~poidslourds, data=sacitu)
modsurv%>%tbl_regression(exponentiate = TRUE)
| Characteristic |
HR |
95% CI |
p-value |
| Patientes de + de 74 kg |
1.37 |
0.70, 2.67 |
0.4 |
modsurv<-coxph(Surv(toxfs, tox_hemato)~poidslourds, data=sacitu)
modsurv%>%tbl_regression(exponentiate = TRUE)
| Characteristic |
HR |
95% CI |
p-value |
| Patientes de + de 74 kg |
1.43 |
0.78, 2.62 |
0.2 |
#modele de cox effet de dose >740
modsurv<-coxph(Surv(toxfs, evttox)~forte_dose, data=sacitu)
modsurv%>%tbl_regression(exponentiate = TRUE)
| Characteristic |
HR |
95% CI |
p-value |
| forte_dose |
1.20 |
0.68, 2.12 |
0.5 |
#modele de cox effet de age>63
modsurv<-coxph(Surv(toxfs, evttox)~old, data=sacitu)
modsurv%>%tbl_regression(exponentiate = TRUE)
| Characteristic |
HR |
95% CI |
p-value |
| Patientes de + de 63 ans |
0.92 |
0.51, 1.64 |
0.8 |
#modele de cox effet de concession initiale
modsurv<-coxph(Surv(toxfs, evttox)~concession_initiale, data=sacitu)
modsurv%>%tbl_regression(exponentiate = TRUE)
| Characteristic |
HR |
95% CI |
p-value |
| Patientes avec consession posologique a priori |
0.62 |
0.25, 1.56 |
0.3 |
#modele de cox effet de hypoalbuminemie
modsurv<-coxph(Surv(toxfs, evttox)~hypoalbuminemie, data=sacitu)
modsurv%>%tbl_regression(exponentiate = TRUE)
| Characteristic |
HR |
95% CI |
p-value |
| Patientes avec albumine <34 g/l |
|
|
|
| 0 |
— |
— |
|
| 1 |
1.49 |
0.74, 2.98 |
0.3 |
#modele de cox effet asat3n
modsurv<-coxph(Surv(toxfs, evttox)~asat3n, data=sacitu)
modsurv%>%tbl_regression(exponentiate = TRUE)
| Characteristic |
HR |
95% CI |
p-value |
| Patientes avec transasaminase >3xLNS |
|
|
|
| 0 |
— |
— |
|
| 1 |
1.19 |
0.51, 2.81 |
0.7 |
#modele de cox effet de oms.cat
modsurv<-coxph(Surv(toxfs, evttox)~oms.cat, data=sacitu)
modsurv%>%tbl_regression(exponentiate = TRUE)
| Characteristic |
HR |
95% CI |
p-value |
| Patientes avec score OMS >=2 |
1.25 |
0.53, 2.94 |
0.6 |
#modele de cox effet de meta liver
modsurv<-coxph(Surv(toxfs, evttox)~meta_liver, data=sacitu)
modsurv%>%tbl_regression(exponentiate = TRUE)
| Characteristic |
HR |
95% CI |
p-value |
| Patientes avec métastases hépatiques |
1.25 |
0.77, 2.05 |
0.4 |
##critère de toxicité = toute toxicité hématologique
#modele de cox effet de imc25
modsurv<-coxph(Surv(toxfs, tox_hemato)~imc25, data=sacitu)
modsurv%>%tbl_regression(exponentiate = TRUE)
| Characteristic |
HR |
95% CI |
p-value |
| Patientes avec IMC>25 |
1.07 |
0.62, 1.83 |
0.8 |
#modele de cox effet de imc30
modsurv<-coxph(Surv(toxfs, tox_hemato)~imc30, data=sacitu)
modsurv%>%tbl_regression(exponentiate = TRUE)
| Characteristic |
HR |
95% CI |
p-value |
| Patientes avec IMC>30 |
1.28 |
0.62, 2.62 |
0.5 |
#modele de cox effet de poids>74
modsurv<-coxph(Surv(toxfs, tox_hemato)~poidslourds, data=sacitu)
modsurv%>%tbl_regression(exponentiate = TRUE)
| Characteristic |
HR |
95% CI |
p-value |
| Patientes de + de 74 kg |
1.43 |
0.78, 2.62 |
0.2 |
#modele de cox effet de dose >740
modsurv<-coxph(Surv(toxfs, tox_hemato)~forte_dose, data=sacitu)
modsurv%>%tbl_regression(exponentiate = TRUE)
| Characteristic |
HR |
95% CI |
p-value |
| forte_dose |
1.32 |
0.71, 2.45 |
0.4 |
#modele de cox effet de age>63
modsurv<-coxph(Surv(toxfs, tox_hemato)~old, data=sacitu)
modsurv%>%tbl_regression(exponentiate = TRUE)
| Characteristic |
HR |
95% CI |
p-value |
| Patientes de + de 63 ans |
0.54 |
0.25, 1.15 |
0.11 |
#modele de cox effet de concession initiale
modsurv<-coxph(Surv(toxfs, tox_hemato)~concession_initiale, data=sacitu)
modsurv%>%tbl_regression(exponentiate = TRUE)
| Characteristic |
HR |
95% CI |
p-value |
| Patientes avec consession posologique a priori |
0.59 |
0.21, 1.65 |
0.3 |
#modele de cox effet de hypoalbuminemie
modsurv<-coxph(Surv(toxfs, tox_hemato)~hypoalbuminemie, data=sacitu)
modsurv%>%tbl_regression(exponentiate = TRUE)
| Characteristic |
HR |
95% CI |
p-value |
| Patientes avec albumine <34 g/l |
|
|
|
| 0 |
— |
— |
|
| 1 |
1.65 |
0.77, 3.57 |
0.2 |
#modele de cox effet asat3n
modsurv<-coxph(Surv(toxfs, tox_hemato)~asat3n, data=sacitu)
modsurv%>%tbl_regression(exponentiate = TRUE)
| Characteristic |
HR |
95% CI |
p-value |
| Patientes avec transasaminase >3xLNS |
|
|
|
| 0 |
— |
— |
|
| 1 |
1.24 |
0.48, 3.18 |
0.7 |
#modele de cox effet de oms.cat
modsurv<-coxph(Surv(toxfs, tox_hemato)~oms.cat, data=sacitu)
modsurv%>%tbl_regression(exponentiate = TRUE)
| Characteristic |
HR |
95% CI |
p-value |
| Patientes avec score OMS >=2 |
0.74 |
0.23, 2.40 |
0.6 |
#modele de cox effet de meta liver
modsurv<-coxph(Surv(toxfs, tox_hemato)~meta_liver, data=sacitu)
modsurv%>%tbl_regression(exponentiate = TRUE)
| Characteristic |
HR |
95% CI |
p-value |
| Patientes avec métastases hépatiques |
1.47 |
0.85, 2.54 |
0.2 |
#modele de cox effet de prophylaxie I par gcsf
modsurv<-coxph(Surv(toxfs, tox_hemato)~gcsf_prophylaxie1, data=sacitu)
modsurv%>%tbl_regression(exponentiate = TRUE)
| Characteristic |
HR |
95% CI |
p-value |
| Patientes avec prophylaxie I par G-CSF |
0.98 |
0.57, 1.70 |
>0.9 |
##modele multivarie
modsurv<-coxph(Surv(toxfs, tox_hemato)~gcsf_prophylaxie1+poidslourds+concession_initiale+meta_liver+old, data=sacitu)
modsurv%>%tbl_regression(exponentiate = TRUE)
| Characteristic |
HR |
95% CI |
p-value |
| Patientes avec prophylaxie I par G-CSF |
0.87 |
0.48, 1.57 |
0.6 |
| Patientes de + de 74 kg |
1.30 |
0.69, 2.46 |
0.4 |
| Patientes avec consession posologique a priori |
0.77 |
0.26, 2.31 |
0.6 |
| Patientes avec métastases hépatiques |
1.51 |
0.86, 2.66 |
0.2 |
| Patientes de + de 63 ans |
0.59 |
0.27, 1.30 |
0.2 |
step(modsurv)
## Start: AIC=425.46
## Surv(toxfs, tox_hemato) ~ gcsf_prophylaxie1 + poidslourds + concession_initiale +
## meta_liver + old
##
## Df AIC
## - gcsf_prophylaxie1 1 423.67
## - concession_initiale 1 423.69
## - poidslourds 1 424.10
## - old 1 425.34
## <none> 425.46
## - meta_liver 1 425.54
##
## Step: AIC=423.67
## Surv(toxfs, tox_hemato) ~ poidslourds + concession_initiale +
## meta_liver + old
##
## Df AIC
## - concession_initiale 1 422.02
## - poidslourds 1 422.17
## - old 1 423.55
## - meta_liver 1 423.56
## <none> 423.67
##
## Step: AIC=422.02
## Surv(toxfs, tox_hemato) ~ poidslourds + meta_liver + old
##
## Df AIC
## - poidslourds 1 420.65
## - meta_liver 1 421.78
## <none> 422.02
## - old 1 422.51
##
## Step: AIC=420.65
## Surv(toxfs, tox_hemato) ~ meta_liver + old
##
## Df AIC
## - meta_liver 1 420.56
## <none> 420.65
## - old 1 421.55
##
## Step: AIC=420.56
## Surv(toxfs, tox_hemato) ~ old
##
## Df AIC
## <none> 420.56
## - old 1 421.45
## Call:
## coxph(formula = Surv(toxfs, tox_hemato) ~ old, data = sacitu)
##
## coef exp(coef) se(coef) z p
## old -0.6119 0.5423 0.3852 -1.589 0.112
##
## Likelihood ratio test=2.89 on 1 df, p=0.08904
## n= 97, number of events= 53
modsurv<-coxph(Surv(toxfs, tox_hemato)~poidslourds+meta_liver, data=sacitu)
modsurv%>%tbl_regression(exponentiate = TRUE)
| Characteristic |
HR |
95% CI |
p-value |
| Patientes de + de 74 kg |
1.38 |
0.75, 2.53 |
0.3 |
| Patientes avec métastases hépatiques |
1.43 |
0.83, 2.48 |
0.2 |
##critère de toxicité = tox sur pnn
#modele de cox effet de imc25
modsurv<-coxph(Surv(toxfs, tox_pnn)~imc25, data=sacitu)
modsurv%>%tbl_regression(exponentiate = TRUE)
| Characteristic |
HR |
95% CI |
p-value |
| Patientes avec IMC>25 |
1.11 |
0.61, 2.00 |
0.7 |
#modele de cox effet de imc30
modsurv<-coxph(Surv(toxfs, tox_pnn)~imc30, data=sacitu)
modsurv%>%tbl_regression(exponentiate = TRUE)
| Characteristic |
HR |
95% CI |
p-value |
| Patientes avec IMC>30 |
1.19 |
0.53, 2.68 |
0.7 |
#modele de cox effet de poids>74
modsurv<-coxph(Surv(toxfs, tox_pnn)~poidslourds, data=sacitu)
modsurv%>%tbl_regression(exponentiate = TRUE)
| Characteristic |
HR |
95% CI |
p-value |
| Patientes de + de 74 kg |
1.37 |
0.70, 2.67 |
0.4 |
#modele de cox effet de dose >740
modsurv<-coxph(Surv(toxfs, tox_pnn)~forte_dose, data=sacitu)
modsurv%>%tbl_regression(exponentiate = TRUE)
| Characteristic |
HR |
95% CI |
p-value |
| forte_dose |
1.39 |
0.71, 2.71 |
0.3 |
#modele de cox effet de age>63
modsurv<-coxph(Surv(toxfs, tox_pnn)~old, data=sacitu)
modsurv%>%tbl_regression(exponentiate = TRUE)
| Characteristic |
HR |
95% CI |
p-value |
| Patientes de + de 63 ans |
0.67 |
0.31, 1.46 |
0.3 |
#modele de cox effet de concession initiale
modsurv<-coxph(Surv(toxfs, tox_pnn)~concession_initiale, data=sacitu)
modsurv%>%tbl_regression(exponentiate = TRUE)
| Characteristic |
HR |
95% CI |
p-value |
| Patientes avec consession posologique a priori |
0.33 |
0.08, 1.40 |
0.13 |
#modele de cox effet de hypoalbuminemie
modsurv<-coxph(Surv(toxfs, tox_pnn)~hypoalbuminemie, data=sacitu)
modsurv%>%tbl_regression(exponentiate = TRUE)
| Characteristic |
HR |
95% CI |
p-value |
| Patientes avec albumine <34 g/l |
|
|
|
| 0 |
— |
— |
|
| 1 |
0.64 |
0.21, 1.92 |
0.4 |
#modele de cox effet asat3n
modsurv<-coxph(Surv(toxfs, tox_pnn)~asat3n, data=sacitu)
modsurv%>%tbl_regression(exponentiate = TRUE)
| Characteristic |
HR |
95% CI |
p-value |
| Patientes avec transasaminase >3xLNS |
|
|
|
| 0 |
— |
— |
|
| 1 |
1.21 |
0.42, 3.46 |
0.7 |
#modele de cox effet de oms.cat
modsurv<-coxph(Surv(toxfs, tox_pnn)~oms.cat, data=sacitu)
modsurv%>%tbl_regression(exponentiate = TRUE)
| Characteristic |
HR |
95% CI |
p-value |
| Patientes avec score OMS >=2 |
0.30 |
0.04, 2.18 |
0.2 |
#modele de cox effet de meta liver
modsurv<-coxph(Surv(toxfs, tox_pnn)~meta_liver, data=sacitu)
modsurv%>%tbl_regression(exponentiate = TRUE)
| Characteristic |
HR |
95% CI |
p-value |
| Patientes avec métastases hépatiques |
1.64 |
0.89, 3.00 |
0.11 |
#modele de cox effet de prophylaxie I par gcsf
modsurv<-coxph(Surv(toxfs, tox_pnn)~gcsf_prophylaxie1, data=sacitu)
modsurv%>%tbl_regression(exponentiate = TRUE)
| Characteristic |
HR |
95% CI |
p-value |
| Patientes avec prophylaxie I par G-CSF |
0.87 |
0.48, 1.59 |
0.7 |
##modele multivarie
modsurv<-coxph(Surv(toxfs, tox_pnn)~gcsf_prophylaxie1+poidslourds+concession_initiale+meta_liver+oms.cat, data=sacitu)
modsurv%>%tbl_regression(exponentiate = TRUE)
| Characteristic |
HR |
95% CI |
p-value |
| Patientes avec prophylaxie I par G-CSF |
0.88 |
0.42, 1.82 |
0.7 |
| Patientes de + de 74 kg |
1.36 |
0.62, 2.96 |
0.4 |
| Patientes avec consession posologique a priori |
0.64 |
0.14, 2.89 |
0.6 |
| Patientes avec métastases hépatiques |
1.67 |
0.83, 3.37 |
0.2 |
| Patientes avec score OMS >=2 |
0.32 |
0.04, 2.37 |
0.3 |
modsurv<-coxph(Surv(toxfs, tox_pnn)~gcsf_prophylaxie1+poidslourds+concession_initiale+meta_liver, data=sacitu)
modsurv%>%tbl_regression(exponentiate = TRUE)
| Characteristic |
HR |
95% CI |
p-value |
| Patientes avec prophylaxie I par G-CSF |
0.79 |
0.42, 1.50 |
0.5 |
| Patientes de + de 74 kg |
1.27 |
0.63, 2.56 |
0.5 |
| Patientes avec consession posologique a priori |
0.36 |
0.08, 1.56 |
0.2 |
| Patientes avec métastases hépatiques |
1.73 |
0.93, 3.23 |
0.085 |
modsurv<-coxph(Surv(toxfs, tox_pnn)~poidslourds+concession_initiale+meta_liver, data=sacitu)
modsurv%>%tbl_regression(exponentiate = TRUE)
| Characteristic |
HR |
95% CI |
p-value |
| Patientes de + de 74 kg |
1.18 |
0.60, 2.33 |
0.6 |
| Patientes avec consession posologique a priori |
0.33 |
0.08, 1.41 |
0.14 |
| Patientes avec métastases hépatiques |
1.65 |
0.90, 3.04 |
0.11 |
modsurv<-coxph(Surv(toxfs, tox_pnn)~concession_initiale+meta_liver, data=sacitu)
modsurv%>%tbl_regression(exponentiate = TRUE)
| Characteristic |
HR |
95% CI |
p-value |
| Patientes avec consession posologique a priori |
0.32 |
0.08, 1.35 |
0.12 |
| Patientes avec métastases hépatiques |
1.67 |
0.91, 3.07 |
0.10 |
#modele regression logistique
##analyses univariée critère de tox = toute tox
sacitu |>
tbl_uvregression(
y = evttox,
include = c(poidslourds, old, forte_dose, imc25, imc30, concession_initiale, gcsf_prophylaxie1, meta_liver, oms.cat),
method = glm,
method.args = list(family = binomial),
exponentiate = TRUE
) |>
bold_labels()
| Characteristic |
N |
OR |
95% CI |
p-value |
| Patientes avec consession posologique a priori |
97 |
0.45 |
0.12, 1.74 |
0.2 |
| Patientes avec score OMS >=2 |
81 |
0.59 |
0.16, 2.23 |
0.4 |
| Patientes avec métastases hépatiques |
97 |
1.33 |
0.57, 3.14 |
0.5 |
| Patientes avec prophylaxie I par G-CSF |
97 |
0.91 |
0.38, 2.12 |
0.8 |
| Patientes avec IMC>25 |
97 |
1.33 |
0.57, 3.19 |
0.5 |
| Patientes avec IMC>30 |
97 |
1.10 |
0.36, 3.78 |
0.9 |
| Patientes de + de 63 ans |
97 |
0.77 |
0.30, 2.06 |
0.6 |
| Patientes de + de 74 kg |
97 |
1.26 |
0.48, 3.64 |
0.6 |
| forte_dose |
97 |
1.17 |
0.44, 3.37 |
0.8 |
##analyses univariée critère de tox = toute tox hemato
sacitu |>
tbl_uvregression(
y = tox_hemato,
include = c(poidslourds, old, forte_dose, imc25, imc30, concession_initiale, gcsf_prophylaxie1, meta_liver, oms.cat),
method = glm,
method.args = list(family = binomial),
exponentiate = TRUE
) |>
bold_labels()
| Characteristic |
N |
OR |
95% CI |
p-value |
| Patientes avec consession posologique a priori |
97 |
0.52 |
0.12, 1.94 |
0.3 |
| Patientes avec score OMS >=2 |
81 |
0.30 |
0.06, 1.13 |
0.092 |
| Patientes avec métastases hépatiques |
97 |
1.75 |
0.78, 3.96 |
0.2 |
| Patientes avec prophylaxie I par G-CSF |
97 |
0.72 |
0.32, 1.61 |
0.4 |
| Patientes avec IMC>25 |
97 |
1.39 |
0.62, 3.14 |
0.4 |
| Patientes avec IMC>30 |
97 |
1.08 |
0.37, 3.29 |
0.9 |
| Patientes de + de 63 ans |
97 |
0.31 |
0.11, 0.80 |
0.018 |
| Patientes de + de 74 kg |
97 |
1.54 |
0.60, 4.07 |
0.4 |
| forte_dose |
97 |
1.40 |
0.54, 3.73 |
0.5 |
##analyses univariée critère de tox = tox sur pnn
sacitu |>
tbl_uvregression(
y = tox_pnn,
include = c(poidslourds, old, forte_dose, imc25, imc30, concession_initiale, gcsf_prophylaxie1, meta_liver, oms.cat),
method = glm,
method.args = list(family = binomial),
exponentiate = TRUE
) |>
bold_labels()
| Characteristic |
N |
OR |
95% CI |
p-value |
| Patientes avec consession posologique a priori |
97 |
0.27 |
0.04, 1.14 |
0.11 |
| Patientes avec score OMS >=2 |
81 |
0.11 |
0.01, 0.63 |
0.042 |
| Patientes avec métastases hépatiques |
97 |
1.85 |
0.83, 4.21 |
0.13 |
| Patientes avec prophylaxie I par G-CSF |
97 |
0.60 |
0.26, 1.34 |
0.2 |
| Patientes avec IMC>25 |
97 |
1.41 |
0.63, 3.17 |
0.4 |
| Patientes avec IMC>30 |
97 |
0.92 |
0.30, 2.72 |
0.9 |
| Patientes de + de 63 ans |
97 |
0.51 |
0.19, 1.32 |
0.2 |
| Patientes de + de 74 kg |
97 |
1.28 |
0.51, 3.26 |
0.6 |
| forte_dose |
97 |
1.43 |
0.56, 3.71 |
0.5 |
##modele multivarié avec critère de tox = tox_pnn
mod<-glm( tox_pnn ~ poidslourds+gcsf_prophylaxie1+meta_liver+concession_initiale+oms.cat, data=sacitu, family="binomial")
summary(mod)
##
## Call:
## glm(formula = tox_pnn ~ poidslourds + gcsf_prophylaxie1 + meta_liver +
## concession_initiale + oms.cat, family = "binomial", data = sacitu)
##
## Deviance Residuals:
## Min 1Q Median 3Q Max
## -1.4749 -1.0622 -0.4919 1.1104 2.1191
##
## Coefficients:
## Estimate Std. Error z value Pr(>|z|)
## (Intercept) -0.2771 0.3768 -0.735 0.4621
## poidslourds 0.1058 0.5700 0.186 0.8528
## gcsf_prophylaxie1 -0.4112 0.5366 -0.766 0.4435
## meta_liver 0.8480 0.5099 1.663 0.0963 .
## concession_initiale -0.4934 0.9350 -0.528 0.5977
## oms.cat -2.2110 1.1121 -1.988 0.0468 *
## ---
## Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
##
## (Dispersion parameter for binomial family taken to be 1)
##
## Null deviance: 110.19 on 80 degrees of freedom
## Residual deviance: 100.15 on 75 degrees of freedom
## (16 observations effacées parce que manquantes)
## AIC: 112.15
##
## Number of Fisher Scoring iterations: 5
exp(coefficients(mod))
## (Intercept) poidslourds gcsf_prophylaxie1 meta_liver
## 0.7579760 1.1115929 0.6628431 2.3350879
## concession_initiale oms.cat
## 0.6105353 0.1095946
exp(confint(mod, level=0.95))
## Attente de la réalisation du profilage...
## 2.5 % 97.5 %
## (Intercept) 0.355770888 1.5800795
## poidslourds 0.359921008 3.4378742
## gcsf_prophylaxie1 0.225672907 1.8828809
## meta_liver 0.875949966 6.5605736
## concession_initiale 0.076379712 3.5940659
## oms.cat 0.005591874 0.6791659
mod%>%tbl_regression(intercept = TRUE, exponentiate = TRUE)
| Characteristic |
OR |
95% CI |
p-value |
| (Intercept) |
0.76 |
0.36, 1.58 |
0.5 |
| Patientes de + de 74 kg |
1.11 |
0.36, 3.44 |
0.9 |
| Patientes avec prophylaxie I par G-CSF |
0.66 |
0.23, 1.88 |
0.4 |
| Patientes avec métastases hépatiques |
2.34 |
0.88, 6.56 |
0.10 |
| Patientes avec consession posologique a priori |
0.61 |
0.08, 3.59 |
0.6 |
| Patientes avec score OMS >=2 |
0.11 |
0.01, 0.68 |
0.047 |
step(mod)
## Start: AIC=112.15
## tox_pnn ~ poidslourds + gcsf_prophylaxie1 + meta_liver + concession_initiale +
## oms.cat
##
## Df Deviance AIC
## - poidslourds 1 100.19 110.19
## - concession_initiale 1 100.44 110.44
## - gcsf_prophylaxie1 1 100.75 110.75
## <none> 100.16 112.16
## - meta_liver 1 103.02 113.02
## - oms.cat 1 106.14 116.14
##
## Step: AIC=110.19
## tox_pnn ~ gcsf_prophylaxie1 + meta_liver + concession_initiale +
## oms.cat
##
## Df Deviance AIC
## - concession_initiale 1 100.50 108.50
## - gcsf_prophylaxie1 1 100.75 108.75
## <none> 100.19 110.19
## - meta_liver 1 103.11 111.11
## - oms.cat 1 106.42 114.42
##
## Step: AIC=108.5
## tox_pnn ~ gcsf_prophylaxie1 + meta_liver + oms.cat
##
## Df Deviance AIC
## - gcsf_prophylaxie1 1 101.18 107.18
## <none> 100.50 108.50
## - meta_liver 1 103.35 109.35
## - oms.cat 1 107.30 113.30
##
## Step: AIC=107.18
## tox_pnn ~ meta_liver + oms.cat
##
## Df Deviance AIC
## <none> 101.18 107.18
## - meta_liver 1 103.51 107.51
## - oms.cat 1 108.95 112.95
##
## Call: glm(formula = tox_pnn ~ meta_liver + oms.cat, family = "binomial",
## data = sacitu)
##
## Coefficients:
## (Intercept) meta_liver oms.cat
## -0.4291 0.7282 -2.3845
##
## Degrees of Freedom: 80 Total (i.e. Null); 78 Residual
## (16 observations effacées parce que manquantes)
## Null Deviance: 110.2
## Residual Deviance: 101.2 AIC: 107.2
mod<-glm( tox_pnn ~ meta_liver+oms.cat, data=sacitu, family="binomial")
summary(mod)
##
## Call:
## glm(formula = tox_pnn ~ meta_liver + oms.cat, family = "binomial",
## data = sacitu)
##
## Deviance Residuals:
## Min 1Q Median 3Q Max
## -1.307 -1.001 -0.484 1.053 2.099
##
## Coefficients:
## Estimate Std. Error z value Pr(>|z|)
## (Intercept) -0.4291 0.3209 -1.337 0.181
## meta_liver 0.7282 0.4816 1.512 0.131
## oms.cat -2.3845 1.0920 -2.184 0.029 *
## ---
## Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
##
## (Dispersion parameter for binomial family taken to be 1)
##
## Null deviance: 110.19 on 80 degrees of freedom
## Residual deviance: 101.18 on 78 degrees of freedom
## (16 observations effacées parce que manquantes)
## AIC: 107.18
##
## Number of Fisher Scoring iterations: 4
exp(coefficients(mod))
## (Intercept) meta_liver oms.cat
## 0.65109335 2.07126772 0.09213368
exp(confint(mod, level=0.95))
## Attente de la réalisation du profilage...
## 2.5 % 97.5 %
## (Intercept) 0.340412025 1.2100952
## meta_liver 0.814401789 5.4303945
## oms.cat 0.004798912 0.5397541
mod%>%tbl_regression(intercept = TRUE, exponentiate = TRUE)
| Characteristic |
OR |
95% CI |
p-value |
| (Intercept) |
0.65 |
0.34, 1.21 |
0.2 |
| Patientes avec métastases hépatiques |
2.07 |
0.81, 5.43 |
0.13 |
| Patientes avec score OMS >=2 |
0.09 |
0.00, 0.54 |
0.029 |
##modeles alternatifs
mod<-glm( tox_pnn ~ poidslourds+gcsf_prophylaxie1+meta_liver+concession_initiale, data=sacitu, family="binomial")
summary(mod)
##
## Call:
## glm(formula = tox_pnn ~ poidslourds + gcsf_prophylaxie1 + meta_liver +
## concession_initiale, family = "binomial", data = sacitu)
##
## Deviance Residuals:
## Min 1Q Median 3Q Max
## -1.628 -1.101 -0.696 1.199 1.753
##
## Coefficients:
## Estimate Std. Error z value Pr(>|z|)
## (Intercept) -0.1827 0.3469 -0.527 0.5984
## poidslourds 0.3155 0.5216 0.605 0.5453
## gcsf_prophylaxie1 -0.7521 0.4781 -1.573 0.1157
## meta_liver 0.8840 0.4537 1.949 0.0513 .
## concession_initiale -1.2436 0.8524 -1.459 0.1446
## ---
## Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
##
## (Dispersion parameter for binomial family taken to be 1)
##
## Null deviance: 133.63 on 96 degrees of freedom
## Residual deviance: 125.15 on 92 degrees of freedom
## AIC: 135.15
##
## Number of Fisher Scoring iterations: 4
exp(coefficients(mod))
## (Intercept) poidslourds gcsf_prophylaxie1 meta_liver
## 0.8330362 1.3709336 0.4713643 2.4206667
## concession_initiale
## 0.2883354
exp(confint(mod, level=0.95))
## Attente de la réalisation du profilage...
## 2.5 % 97.5 %
## (Intercept) 0.41737102 1.643630
## poidslourds 0.49324578 3.875206
## gcsf_prophylaxie1 0.17909420 1.182494
## meta_liver 1.01287394 6.064055
## concession_initiale 0.04004979 1.331432
mod%>%tbl_regression(intercept = TRUE, exponentiate = TRUE)
| Characteristic |
OR |
95% CI |
p-value |
| (Intercept) |
0.83 |
0.42, 1.64 |
0.6 |
| Patientes de + de 74 kg |
1.37 |
0.49, 3.88 |
0.5 |
| Patientes avec prophylaxie I par G-CSF |
0.47 |
0.18, 1.18 |
0.12 |
| Patientes avec métastases hépatiques |
2.42 |
1.01, 6.06 |
0.051 |
| Patientes avec consession posologique a priori |
0.29 |
0.04, 1.33 |
0.14 |
mod<-glm( tox_pnn ~ gcsf_prophylaxie1+meta_liver+concession_initiale, data=sacitu, family="binomial")
summary(mod)
##
## Call:
## glm(formula = tox_pnn ~ gcsf_prophylaxie1 + meta_liver + concession_initiale,
## family = "binomial", data = sacitu)
##
## Deviance Residuals:
## Min 1Q Median 3Q Max
## -1.5046 -1.1151 -0.7154 1.1447 1.7252
##
## Coefficients:
## Estimate Std. Error z value Pr(>|z|)
## (Intercept) -0.1484 0.3417 -0.434 0.6640
## gcsf_prophylaxie1 -0.6653 0.4532 -1.468 0.1421
## meta_liver 0.8912 0.4525 1.969 0.0489 *
## concession_initiale -1.3098 0.8438 -1.552 0.1206
## ---
## Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
##
## (Dispersion parameter for binomial family taken to be 1)
##
## Null deviance: 133.63 on 96 degrees of freedom
## Residual deviance: 125.52 on 93 degrees of freedom
## AIC: 133.52
##
## Number of Fisher Scoring iterations: 4
exp(coefficients(mod))
## (Intercept) gcsf_prophylaxie1 meta_liver concession_initiale
## 0.8620654 0.5141308 2.4380380 0.2698652
exp(confint(mod, level=0.95))
## Attente de la réalisation du profilage...
## 2.5 % 97.5 %
## (Intercept) 0.43680535 1.685355
## gcsf_prophylaxie1 0.20641173 1.233743
## meta_liver 1.02273286 6.094348
## concession_initiale 0.03789634 1.217951
mod%>%tbl_regression(intercept = TRUE, exponentiate = TRUE)
| Characteristic |
OR |
95% CI |
p-value |
| (Intercept) |
0.86 |
0.44, 1.69 |
0.7 |
| Patientes avec prophylaxie I par G-CSF |
0.51 |
0.21, 1.23 |
0.14 |
| Patientes avec métastases hépatiques |
2.44 |
1.02, 6.09 |
0.049 |
| Patientes avec consession posologique a priori |
0.27 |
0.04, 1.22 |
0.12 |
mod<-glm( tox_pnn ~ meta_liver+concession_initiale, data=sacitu, family="binomial")
summary(mod)
##
## Call:
## glm(formula = tox_pnn ~ meta_liver + concession_initiale, family = "binomial",
## data = sacitu)
##
## Deviance Residuals:
## Min 1Q Median 3Q Max
## -1.3070 -1.0127 -0.7446 1.0531 1.6843
##
## Coefficients:
## Estimate Std. Error z value Pr(>|z|)
## (Intercept) -0.4007 0.2966 -1.351 0.1766
## meta_liver 0.7002 0.4231 1.655 0.0979 .
## concession_initiale -1.4408 0.8319 -1.732 0.0833 .
## ---
## Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
##
## (Dispersion parameter for binomial family taken to be 1)
##
## Null deviance: 133.63 on 96 degrees of freedom
## Residual deviance: 127.72 on 94 degrees of freedom
## AIC: 133.72
##
## Number of Fisher Scoring iterations: 4
exp(coefficients(mod))
## (Intercept) meta_liver concession_initiale
## 0.6698439 2.0142477 0.2367352
exp(confint(mod, level=0.95))
## Attente de la réalisation du profilage...
## 2.5 % 97.5 %
## (Intercept) 0.36881423 1.189178
## meta_liver 0.88618948 4.683682
## concession_initiale 0.03375948 1.035876
mod%>%tbl_regression(intercept = TRUE, exponentiate = TRUE)
| Characteristic |
OR |
95% CI |
p-value |
| (Intercept) |
0.67 |
0.37, 1.19 |
0.2 |
| Patientes avec métastases hépatiques |
2.01 |
0.89, 4.68 |
0.10 |
| Patientes avec consession posologique a priori |
0.24 |
0.03, 1.04 |
0.083 |
mod<-glm( tox_pnn ~ poidslourds+meta_liver+concession_initiale, data=sacitu, family="binomial")
summary(mod)
##
## Call:
## glm(formula = tox_pnn ~ poidslourds + meta_liver + concession_initiale,
## family = "binomial", data = sacitu)
##
## Deviance Residuals:
## Min 1Q Median 3Q Max
## -1.3270 -1.0334 -0.7413 1.0617 1.6888
##
## Coefficients:
## Estimate Std. Error z value Pr(>|z|)
## (Intercept) -0.41512 0.31493 -1.318 0.1875
## poidslourds 0.06657 0.48719 0.137 0.8913
## meta_liver 0.69347 0.42592 1.628 0.1035
## concession_initiale -1.42954 0.83598 -1.710 0.0873 .
## ---
## Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
##
## (Dispersion parameter for binomial family taken to be 1)
##
## Null deviance: 133.63 on 96 degrees of freedom
## Residual deviance: 127.70 on 93 degrees of freedom
## AIC: 135.7
##
## Number of Fisher Scoring iterations: 4
exp(coefficients(mod))
## (Intercept) poidslourds meta_liver concession_initiale
## 0.6602602 1.0688385 2.0006528 0.2394193
exp(confint(mod, level=0.95))
## Attente de la réalisation du profilage...
## 2.5 % 97.5 %
## (Intercept) 0.3504129 1.214878
## poidslourds 0.4068919 2.788224
## meta_liver 0.8750806 4.678296
## concession_initiale 0.0339544 1.058167
mod%>%tbl_regression(intercept = TRUE, exponentiate = TRUE)
| Characteristic |
OR |
95% CI |
p-value |
| (Intercept) |
0.66 |
0.35, 1.21 |
0.2 |
| Patientes de + de 74 kg |
1.07 |
0.41, 2.79 |
0.9 |
| Patientes avec métastases hépatiques |
2.00 |
0.88, 4.68 |
0.10 |
| Patientes avec consession posologique a priori |
0.24 |
0.03, 1.06 |
0.087 |
mod<-glm( tox_pnn ~ forte_dose+meta_liver+concession_initiale, data=sacitu, family="binomial")
summary(mod)
##
## Call:
## glm(formula = tox_pnn ~ forte_dose + meta_liver + concession_initiale,
## family = "binomial", data = sacitu)
##
## Deviance Residuals:
## Min 1Q Median 3Q Max
## -1.3460 -1.0527 -0.7434 1.0694 1.6859
##
## Coefficients:
## Estimate Std. Error z value Pr(>|z|)
## (Intercept) -0.4293 0.3168 -1.355 0.175
## forte_dose 0.1287 0.4964 0.259 0.795
## meta_liver 0.6887 0.4253 1.619 0.105
## concession_initiale -1.4041 0.8435 -1.665 0.096 .
## ---
## Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
##
## (Dispersion parameter for binomial family taken to be 1)
##
## Null deviance: 133.63 on 96 degrees of freedom
## Residual deviance: 127.66 on 93 degrees of freedom
## AIC: 135.66
##
## Number of Fisher Scoring iterations: 4
exp(coefficients(mod))
## (Intercept) forte_dose meta_liver concession_initiale
## 0.6509585 1.1374029 1.9910947 0.2455796
exp(confint(mod, level=0.95))
## Attente de la réalisation du profilage...
## 2.5 % 97.5 %
## (Intercept) 0.34397759 1.201524
## forte_dose 0.42685256 3.036226
## meta_liver 0.87177934 4.649923
## concession_initiale 0.03446106 1.103047
mod%>%tbl_regression(intercept = TRUE, exponentiate = TRUE)
| Characteristic |
OR |
95% CI |
p-value |
| (Intercept) |
0.65 |
0.34, 1.20 |
0.2 |
| forte_dose |
1.14 |
0.43, 3.04 |
0.8 |
| Patientes avec métastases hépatiques |
1.99 |
0.87, 4.65 |
0.11 |
| Patientes avec consession posologique a priori |
0.25 |
0.03, 1.10 |
0.10 |
mod<-glm( tox_pnn ~ imc25+meta_liver+concession_initiale, data=sacitu, family="binomial")
summary(mod)
##
## Call:
## glm(formula = tox_pnn ~ imc25 + meta_liver + concession_initiale,
## family = "binomial", data = sacitu)
##
## Deviance Residuals:
## Min 1Q Median 3Q Max
## -1.3502 -1.0512 -0.7371 1.0916 1.6946
##
## Coefficients:
## Estimate Std. Error z value Pr(>|z|)
## (Intercept) -0.4968 0.3672 -1.353 0.1761
## imc25 0.1924 0.4292 0.448 0.6539
## meta_liver 0.7020 0.4237 1.657 0.0975 .
## concession_initiale -1.3694 0.8476 -1.616 0.1062
## ---
## Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
##
## (Dispersion parameter for binomial family taken to be 1)
##
## Null deviance: 133.63 on 96 degrees of freedom
## Residual deviance: 127.52 on 93 degrees of freedom
## AIC: 135.52
##
## Number of Fisher Scoring iterations: 4
exp(coefficients(mod))
## (Intercept) imc25 meta_liver concession_initiale
## 0.6084899 1.2121461 2.0177781 0.2542580
exp(confint(mod, level=0.95))
## Attente de la réalisation du profilage...
## 2.5 % 97.5 %
## (Intercept) 0.28987768 1.237392
## imc25 0.52176885 2.824945
## meta_liver 0.88678944 4.698477
## concession_initiale 0.03551235 1.156912
mod%>%tbl_regression(intercept = TRUE, exponentiate = TRUE)
| Characteristic |
OR |
95% CI |
p-value |
| (Intercept) |
0.61 |
0.29, 1.24 |
0.2 |
| Patientes avec IMC>25 |
1.21 |
0.52, 2.82 |
0.7 |
| Patientes avec métastases hépatiques |
2.02 |
0.89, 4.70 |
0.10 |
| Patientes avec consession posologique a priori |
0.25 |
0.04, 1.16 |
0.11 |