Cox Model

Le modle de Cox
Victor Fardel
Ewen Gallic
30 janvier 2013
Facult des Sciences conomiques, UFR de mathmatiques
Introduction
Rappels
Modle de cox risques proportionnels
Conclusion
1 Introduction
2 Rappels
Fonctions de survie
Taux de dfaillance
Censure
Processus de comptage des dfaillances
3 Modle de cox risques proportionnels
Lcriture du modle
Hypothse des risques proportionnels
Estimation du modle
Tests dhypothses
4 Conclusion
Victor Fardel, Ewen Gallic
Le modle de Cox
2 / 42
Introduction
Rappels
Conclusion
Dvelopp par David Cox (1972)[1]

Objectifs et utilisation :
I
tudier la probabilit de dfaillance dun individu en fonction de

ses caractristiques, diffrents instants t,
principaux domaines dapplication :
industrie,
mdecine,
sciences actuarielles ;
Difficults :
I
I
nombre de donnes limites,

censure et troncature.
Le modle de Cox
3 / 42
Introduction
Rappels
Conclusion
Prsentation des donnes

Rossi (1980)[5] ;
432 entres ;
10 variables.
1
2
3
4
5
6
arrest
week
fin
age
race
wexp
mar
paro
prio
educ
1
1
1
0
0
0
...
20
17
25
52
52
52
...
0
0
0
1
0
0
...
27
18
19
23
19
24
...
1
1
0
1
0
1
...
0
0
1
1
1
1
...
0
0
0
1
0
0
...
1
1
1
1
1
0
...
3
8
13
1
3
2
...
3
4
3
5
3
4
...
Le modle de Cox
4 / 42
Introduction
Rappels
Conclusion
Fonctions de survie
Plan
1 Introduction
2 Rappels
Fonctions de survie
Taux de dfaillance
Censure
Lcriture du modle
Estimation du modle
Tests dhypothses
4 Conclusion
Le modle de Cox
5 / 42
Introduction
Rappels
Conclusion
Fonctions de survie
Dfinition (Fonction de survie)

Soit Xi le temps entre le dbut de lobservation et la dfaillance ;
Les Xi sont i.i.d. de fonction de densit f (x) et de fonction de
survie
x > 0,
x > 0,
S(x) = P(X > x)

S(x) = 1
(v.a. discrte)
Z x
f (u)du
(v.a. continue)
Dans notre exemple, Xi reprsente le temps entre la sortie de prison

et la prochaine arrestation.
Le modle de Cox
6 / 42
Introduction
Rappels
Conclusion
Fonctions de survie
Dfinition (Fonction de survie rsiduelle)

x 0,
St (x) = P(X t > x | X > t) =
S(t + x)
S(t)
Dmo.
Dans lexemple, la survie rsiduelle correspond la probabilit que

lindividu ne soit pas de nouveau arrt sachant qu linstant t, il
na pas encore rcidiv.
Le modle de Cox
7 / 42
Introduction
Rappels
Conclusion
Taux de dfaillance
Plan
1 Introduction
2 Rappels
Fonctions de survie
Taux de dfaillance
Censure
Lcriture du modle
Estimation du modle
Tests dhypothses
4 Conclusion
Le modle de Cox
8 / 42
Introduction
Rappels
Conclusion
Taux de dfaillance
Dfinition (Taux de dfaillance)

1
x > 0 (x) = lim P (x X < x + h | X x)
h0 h
S 0 (x)
f (x)
=
=
S(x)
S(x)
En effet, on a :
1
f (x) = lim P (x X < x + h) = F 0 (x) = S 0 (x)
h0 h
Le modle de Cox
9 / 42
Introduction
Rappels
Conclusion
Taux de dfaillance
Appliqu notre jeu de donnes, il sagit de la probabilit que lindividu se fasse arrter entre les instants x et x + h tant donn qu
linstant x il nait pas rcidiv.
Le modle de Cox
10 / 42
Introduction
Rappels
Conclusion
Censure
Plan
1 Introduction
2 Rappels
Fonctions de survie
Taux de dfaillance
Censure
Lcriture du modle
Estimation du modle
Tests dhypothses
4 Conclusion
Le modle de Cox
11 / 42
Introduction
Rappels
Conclusion
Censure
Dfinition (Censure)
On parle de censure Ci dune donne i si :
avant la fin de ltude, on nobserve plus lindividu sans quil y
ait eu de dfaillance ;
la fin de ltude, la dfaillance na toujours pas t observe.
Sinon, si une dfaillance est observe, on qualifie la donne de complte.
La rponse la fin de ltude pour un individu i est note :
Xiobs = min (Xi , Ci )
Le modle de Cox
12 / 42
Introduction
Rappels
Conclusion
Censure
6
5
4
3
2
1
0
0
10
20
30
40
50
Temps
Figure 1: Illustration de la censure sur les donnes de prison.

Le modle de Cox
13 / 42
Introduction
Rappels
Conclusion
Censure
Une indicatrice indique si la donne i est censure :

i = 1{Xi Ci }
Dans le cas des prisonniers, si lissue de la 52e semaine, lindividu
na toujours pas t arrt, la donne est censure (la variable arrest
() prend la valeur 0).
Le modle de Cox
14 / 42
Introduction
Rappels
Conclusion
Plan
1 Introduction
2 Rappels
Fonctions de survie
Taux de dfaillance
Censure
Lcriture du modle
Estimation du modle
Tests dhypothses
4 Conclusion
Le modle de Cox
15 / 42
Introduction
Rappels
Conclusion
Dfinition (Processus de comptage des dfaillances)

Ti la date de de dfaillance pour lindividu i ;
N (t) la variable alatoire indiquant le nombre de dfaillances
observes linstant t. Au dbut de ltude, on a N (0) = 0 ;
(
Yi (t) =
1 si lindividu i est encore risque t

0 sinon.
Le modle de Cox
16 / 42
Introduction
Rappels
Conclusion
Lcriture du modle
Plan
1 Introduction
2 Rappels
Fonctions de survie
Taux de dfaillance
Censure
Lcriture du modle
Estimation du modle
Tests dhypothses
4 Conclusion
Le modle de Cox
17 / 42
Introduction
Rappels
Conclusion
Lcriture du modle
Dfinition (criture du modle)
(t | Zi (t)) = 0 (t) exp(Z>

i (t))
Avec :
0 (t) le risque de base, une fonction non spcifie (intensit en
labsence deffet des covariables) ;
Zi le vecteur des covariables pour un individu i ;
les mesures dinfluence des covariables sur lintensit.
Le modle de Cox
18 / 42
Introduction
Rappels
Conclusion
Plan
1 Introduction
2 Rappels
Fonctions de survie
Taux de dfaillance
Censure
Lcriture du modle
Estimation du modle
Tests dhypothses
4 Conclusion
Le modle de Cox
19 / 42
Introduction
Rappels
Conclusion
Pour deux individus i et j, i 6= j on remarque :

(t | Zi )
exp(Z>
i )
>
=
=
exp
(Z
Z
)
i
j
(t | Zj )
exp(Z>
j )
ne dpend que des individus i et j ;

constant au cours du temps.
Le modle de Cox
20 / 42
Introduction
Rappels
Conclusion
Estimation du modle
Plan
1 Introduction
2 Rappels
Fonctions de survie
Taux de dfaillance
Censure
Lcriture du modle
Estimation du modle
Tests dhypothses
4 Conclusion
Le modle de Cox
21 / 42
Introduction
Rappels
Conclusion
Estimation du modle
On cherche savoir la probabilit quun individu i avec des

covariables Zi ait un vnement au moment Tj , sachant quun
vnement a lieu au moment Tj :
P(indiv. i ait un v. Tj | un v. Tj )
P(indiv.i ait un v. Tj )
;
P(un v. Tj )
Cest la probabilit que lindividu i soit arrt la date Tj

sachant quil y a eu une arrestation la date Tj .
Le modle de Cox
22 / 42
Introduction
Rappels
Conclusion
Estimation du modle
Le numrateur est le taux de dfaillance pour lindividu i au

temps Tj ;
le dnominateur est la somme des taux de dfaillances pour
lensemble des individus encore risque Tj ;
La contribution de lindividu i la vraisemblance est donc :
i (Ti | Zi )
j=1 Yj (Ti )j (Tj | Zj )
Li () = Pn
0 (Ti ) exp(Z>
i (Ti ))
>
j=1 Yj (Ti )0 (Ti ) exp(Zi (Ti ))
= Pn
exp(Z>
i (Ti ))
>
j=1 Yj (Ti ) exp(Zi (Ti ))
= Pn
Le modle de Cox
23 / 42
Introduction
Rappels
Conclusion
Estimation du modle
La fonction de vraisemblance partielle scrit :

Lp () =
n
Y
i=1
exp(Z>
i )
Pn
>
j=1 Yj (Ti ) exp(Zj )
)i
Avec Ti la date de dfaillance de lindividu i.

On en drive lexpression du score partiel :
Up () =
n
X
i=1
Pn
i Zi
>
j=1 Yj (Ti )Zj exp(Zj )
Pn
>
Dmo.
Le modle de Cox
24 / 42
Introduction
Rappels
Conclusion
Estimation du modle
Pour maximiser la vraisemblance partielle (soit maximiser le score

partiel), et ainsi dterminer les paramtres , il est frquent dutiliser
lalgorithme de Newton-Raphson :
k+1 = k + In1 (k )Up (k ),
avec
"
2 log Lp ()
.
In = E
>
Il faut fournir une valeur 0 initiale ainsi quun critre darrt.
Le modle de Cox
25 / 42
Introduction
Rappels
Conclusion
Estimation du modle
Les coefficients sont estims laide de lalgorithme de NewtonRaphson sous R.

> mod <- coxph ( Surv ( week , arrest ) ~ fin + age + race + wexp
+ mar + paro + prio , data = prison )
> print ( mod )
fin
age
race
wexp
mar
paro
prio
coef exp ( coef ) se ( coef )

z
p
-0.3794
0.684
0.1914 -1.983 0.0470
-0.0574
0.944
0.0220 -2.611 0.0090
0.3139
1.369
0.3080 1.019 0.3100
-0.1498
0.861
0.2122 -0.706 0.4800
-0.4337
0.648
0.3819 -1.136 0.2600
-0.0849
0.919
0.1958 -0.434 0.6600
0.0915
1.096
0.0286 3.194 0.0014
Likelihood ratio test =33.3

number of events = 114
on 7 df , p =2.36 e -05
n = 432 ,
Le modle de Cox
26 / 42
Introduction
Rappels
Conclusion
Tests dhypothses
Plan
1 Introduction
2 Rappels
Fonctions de survie
Taux de dfaillance
Censure
Lcriture du modle
Estimation du modle
Tests dhypothses
4 Conclusion
Le modle de Cox
27 / 42
Introduction
Rappels
Conclusion
Tests dhypothses
Thorme
L
1 Up ()
n
n

L
N (0, ) ;
n( ) N (0, 1 ) ;
n
n In ()
estimateur consistant de .
Le modle de Cox
28 / 42
Introduction
Rappels
Conclusion
Tests dhypothses
Test de significativit dun coefficient :

(
H0 : = 0
H1 : 6= 0
Sous H0 , la statistique de test est de la forme :
L
N (0, 1).
Un intervalle de confiance de niveau 1 est alors donn par :

IC 1 () = u1/2
Le modle de Cox
29 / 42
Introduction
Rappels
Conclusion
Tests dhypothses
Application aux donnes
fin
age
race
wexp
mar
paro
prio
coef
-0.38
-0.06
0.31
-0.15
-0.43
-0.08
0.09
exp(coef)
0.68
0.94
1.37
0.86
0.65
0.92
1.10
se(coef)
0.19
0.02
0.31
0.21
0.38
0.20
0.03
z
-1.98
-2.61
1.02
-0.71
-1.14
-0.43
3.19
p
0.05
0.01
0.31
0.48
0.26
0.66
0.00
Le modle de Cox
30 / 42
Introduction
Rappels
Conclusion
Tests dhypothses
Interprtation des coefficients

On suppose que lhypothse des risques proportionnels tient ;

(t | Zi )
= exp (Zi Zj )> ;
(t | Zj )
Exemple de leffet marginal dun an supplmentaire :

exp (fini fin + agei age + . . . + prioi prio )
exp (fini fin + (agei + 1) age + . . . + prioi prio )
exp (agei age )
= exp(age ) = 0.94;
=
exp ((agei + 1) age )
Quel que soit t, chaque anne de vie supplmentaire (cet. par.)
multiplie le risque instantan par un facteur 0.94, soit une diminution de 6%.
Le modle de Cox
31 / 42
Introduction
Rappels
Conclusion
Tests dhypothses
Application aux donnes
fin
age
race
wexp
mar
paro
prio
coef
-0.38
-0.06
0.31
-0.15
-0.43
-0.08
0.09
exp(coef)
0.68
0.94
1.37
0.86
0.65
0.92
1.10
se(coef)
0.19
0.02
0.31
0.21
0.38
0.20
0.03
z
-1.98
-2.61
1.02
-0.71
-1.14
-0.43
3.19
p
0.05
0.01
0.31
0.48
0.26
0.66
0.00
Le modle de Cox
32 / 42
Introduction
Rappels
Conclusion
Tests dhypothses
Interprtation des coefficients

Recevoir une aide financire versus ne pas en recevoir, cet. par,
diminue le risque instantan dtre arrt de 32% ;
La couleur de peau, le fait davoir eu un emploi temps plein
avant lincarcration, le statut marital ou le fait davoir t
libr sous parole ninfluent pas significativement sur le risque
instantan ;
Quel que soit t, chaque incarcration passe supplmentaire fait
augmenter le risque de rcidive de 10%, cet. par.
Le modle de Cox
33 / 42
Introduction
Rappels
Conclusion
Tests dhypothses
Test de nullit simultane des coefficients

Rapport de vraisemblance ;
Test de Wald ;
Score (ou logrank) ;
Loi asymptotique : 2p , avec p le nombre de paramtres du
modle.
Likelihood ratio test = 33.27
Wald test
= 32.11
Score ( logrank ) test = 33.53
on 7 df ,
on 7 df ,
on 7 df ,
p =2.362 e -05
p =3.871 e -05
p =2.11 e -05
Le modle de Cox
34 / 42
Introduction
Rappels
Conclusion
Tests dhypothses
Fonction de survie
1.00
Probabilit de survie
0.95
0.90
0.85
0.80
0.75
Estimation
Intervalle de confiance ponctuel 95%
0.70
0
10
20
30
40
50
Semaines
Figure 2: Estimation de la fonction de survie.

plot ( survfit ( mod ) , ylim = c (.7 , 1) )
Le modle de Cox
35 / 42
Introduction
Rappels
Conclusion
Tests dhypothses
Vrification de lhypothse des risques proportionnel partir de

tests :
I
I
numrique ;
graphique (ex : trac des rsidus de Shoenfeld normaliss).
tester sur un modle avec des variables dont le coefficient est

significativement non nul ;
Le modle de Cox
36 / 42
Introduction
Rappels
Conclusion
Tests dhypothses
Test numrique
Pour chaque variable, on cherche sassurer que le coefficient associ est stable au cours du temps.
(
H0 : j (t) = j
H1 : j (t) 6= j .
Dtail.
Dans R :
> mod2 <- coxph ( Surv ( week , arrest ) ~ fin + age + prio , data
= prison )
> cox . zph ( mod2 )
rho
chisq
p
fin1
-0.00657 0.00507 0.9433
age
-0.20976 6.54147 0.0105
prio
-0.08004 0.77288 0.3793
GLOBAL
NA 7.13046 0.0679
Le modle de Cox
37 / 42
Introduction
Rappels
Conclusion
Tests dhypothses
Test graphique - Rsidus de Schoenfeld
1.0
0.8
1.0
0.6
0.4
0.2
14
20
25
Temps
37
20
25
32
37
0.0
44 49
14
7.9
44 49
0.4
32
7.9
0.2
0.0
0.5
Beta(t) pour prio
Beta(t) pour age
Beta(t) pour fin
7.9
14
20
Temps
25
32
37
44 49
Temps
Figure 3: Rsidus normaliss de Shoenfeld.

plot ( cox . zph ( mod2 ) [1]) ; abline ( h =0 , col = " blue " )
Le modle de Cox
38 / 42
Introduction
Rappels
Conclusion
Tests dhypothses
Test graphique - Rsidus de martingale
Rsidus de Martingale
0.0
0.5
0.0
1.0
20
1.0
0.5
0.5
1.0
0.5
Rsidus de Martingale
1.0
25
30
35
40
45
Age
10
15
Prio
Figure 4: Rsidus de martingale.

plot ( residus . martingale ~ prison [ , " age " ] , xlab = " Age " , ylab = "
Residus de Martingale " )
lines ( lowess ( prison [ , " age " ] , residus . martingale , iter =0) , lwd
=2 , col = " dodger blue " )
Le modle de Cox
39 / 42
Introduction
Rappels
Conclusion
Tests dhypothses
Test graphique - Rsidus de martingale

prop(fin)
prop(age)
prop(prio)
60
40
Coefficients cumuls
Coefficients cumuls
Coefficients cumuls
50
20
20
50
40
60
0
10
20
30
Temps
40
50
10
20
30
Temps
40
50
10
20
30
40
50
Temps
Figure 5: Rsidus de martingale (Modle Cox-Aalen).

op <- par ( mfrow = c (1 ,3) )
plot ( cox . aalen ( Surv ( week , arrest ) ~ prop ( fin ) + prop ( age ) +
prop ( prio ) , data = prison , n . sim =100) , score =1)
par ( op )
Le modle de Cox
40 / 42
Introduction
Rappels
Conclusion
Pour aller plus loin...
Interactions ;
Stratification ;
Covariables dpendantes du temps ;
Le modle de Cox
41 / 42
Introduction
Rappels
Conclusion
Quelques rfrences
D. R. Cox.
Regression models and life-tables.
Journal of the Royal Statistical Society. Series B (Methodological), 34(2) :pp. 187220, 1972.
Jean-Francois Dupuy and James Ledoux.
Analyse de dures de vie. fiabilit.
Notes de cours, 2012.
John Fox.
Cox proportional-hazards regression for survival data the cox proportional-hazards model.
Most, 2008(June) :118, 2002.
Laurence Reboul.
Cours de dures de vie.
P.H. Rossi, R.A. Berk, and K.J. Lenihan.
Money, work, and crime : experimental evidence.
Quantitative studies in social relations. Academic Press, 1980.
Marie-Luce Taupin.
Dures de survie.
Le modle de Cox
42 / 42
P(X t > x X > t)

P(X > t)
P(X > x + t)
=
P(X > t)
S(x + t)
=
S(x)
P(X t > x | X > t) =
Retour fonction de survie rsiduelle.
Lp () =
n
Y
i=1
exp(Z>
i )
Pn
>
Y
(T
)
i exp(Zj )
j=1 j
`p () := log Lp () =
n
X
i=1
)i
Z> log
i
n
X
Yj (Ti ) exp(Z>
i )
j=1
Le score partiel sobtient en drivant la log-vraisemblance partielle

par rapport :
n
n
>
`p () X
j=1 Yj (Ti )Zj exp(Zj )
Up () :=
=
i Zi Pn
>

i=1
Retour vraisemblance partielle.
Statistique de test de lhypothse des risques

proportionnels (1/3)
Le modle de Cox scrit :
(t | Zi (t)) = 0 (t) exp(Z>
i (t)(t)).
On a considr depuis le dbut que t, (t) = (risques proportionnels vrifie). Pour chacune des j = 1, . . . , p covariables, on a
donc :
j (t) = j + j gj (t),
avec gj (t) une fonction connue.

j (t) = j + j gj (t)
Pour vrifier lhypothse des risques proportionnels, on doit avoir
j, j = 0.
(
H0 : = 0
H1 : j 6= 0.

La statistique de test est la suivante (sous H0 ) :
L
2
b 0)Id
b
22 b
Z = U2> (,
n (, 0)U2 (, 0) p ,
n+
b ) la drive de la log-vraismenblance partielle par

avec U2> (,
rapport ;
22 b
et Id
n (, 0) = E
2
L (, )
> p
Retour tests HRP.
Extension : stratification
Cration de k strates relatives k modalits dune variable

discrte ;
Risque de base (0 (t)) diffrent selon les strates ;
Le taux de panne pour un individu i de la strate k devient :
k (t) exp(Zi )
Risques instantans identiques pour toute les strates ;
1.00
Probabilit de survie
0.95
0.90
0.85
0.80
0.75
fin = 0
fin = 1
0
10
20
30
40
50
Semaines
Figure 6: Fonctions de survie selon laide financire.

modStr <- coxph ( Surv ( week , arrest ) ~ strata ( fin ) + age +
race + wexp + mar + paro + prio , data = prison )
plot ( survfit ( modStr ) , conf . int = FALSE , ylim = range ( survfit (
modStr ) $ surv ) )
Retour Pour aller plus loin.

Cox Model

Transféré par

Informations du document

Titre original

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

Cox Model

Transféré par

Droits d'auteur :

Formats disponibles

Le modle de Cox

Modle de cox risques proportionnels

Modle de cox risques proportionnels

Dvelopp par David Cox (1972)[1]

tudier la probabilit de dfaillance dun individu en fonction de

nombre de donnes limites,

Victor Fardel, Ewen Gallic

Modle de cox risques proportionnels

Prsentation des donnes

Victor Fardel, Ewen Gallic

Modle de cox risques proportionnels

Modle de cox risques proportionnels

Dfinition (Fonction de survie)

S(x) = P(X > x)

Dans notre exemple, Xi reprsente le temps entre la sortie de prison

Modle de cox risques proportionnels

Dfinition (Fonction de survie rsiduelle)

St (x) = P(X t > x | X > t) =

Dans lexemple, la survie rsiduelle correspond la probabilit que

Victor Fardel, Ewen Gallic

Modle de cox risques proportionnels

Modle de cox risques proportionnels

Dfinition (Taux de dfaillance)

Victor Fardel, Ewen Gallic

Modle de cox risques proportionnels

Victor Fardel, Ewen Gallic

Modle de cox risques proportionnels

Modle de cox risques proportionnels

Victor Fardel, Ewen Gallic

Modle de cox risques proportionnels

Figure 1: Illustration de la censure sur les donnes de prison.

Modle de cox risques proportionnels

Une indicatrice indique si la donne i est censure :

Victor Fardel, Ewen Gallic

Modle de cox risques proportionnels

Processus de comptage des dfaillances

Modle de cox risques proportionnels

Processus de comptage des dfaillances

Dfinition (Processus de comptage des dfaillances)

Victor Fardel, Ewen Gallic

1 si lindividu i est encore risque t

Modle de cox risques proportionnels

Modle de cox risques proportionnels

Dfinition (criture du modle)

(t | Zi (t)) = 0 (t) exp(Z>

Victor Fardel, Ewen Gallic

Modle de cox risques proportionnels

Hypothse des risques proportionnels

Modle de cox risques proportionnels

Hypothse des risques proportionnels

Pour deux individus i et j, i 6= j on remarque :

ne dpend que des individus i et j ;

Victor Fardel, Ewen Gallic

Modle de cox risques proportionnels

Modle de cox risques proportionnels

On cherche savoir la probabilit quun individu i avec des

Cest la probabilit que lindividu i soit arrt la date Tj

Victor Fardel, Ewen Gallic

Modle de cox risques proportionnels

Le numrateur est le taux de dfaillance pour lindividu i au

Victor Fardel, Ewen Gallic

Modle de cox risques proportionnels

La fonction de vraisemblance partielle scrit :