17 SAS

Note

Ce pas à pas n’a pas fait de mise à jour depuis 3 ans.
Pour les personnes de l’Ined, à noter que SAS Studio (serveur margaux) a été mis à jour, et qu’il est maintenant possible d’estimer les RMST avec proc lifetest.
Le document n’a pas été compilé en PDF, seule cette version html est disponible.

Remarque: Sélection des outputs

Selon le type d’analyse la totalité des outputs ne seront pas reproduits (ods include ou ods exclude pour la sélection). Un problème spécifique s’observe pour le tableau des estimateurs de Kaplan-Meier qui est particulièrement illisible en présence d’un nombre important d’observations censurées.

Exemple pour proc lifetest: noms des outputs récupérés dans la log

Output Added:
-------------
Name:       ProductLimitEstimates
Label:      Product-Limit Estimates
Template:   Stat.Lifetest.ProductLimitEstimates
Path:       Lifetest.Stratum1.ProductLimitEstimates
-------------

Output Added:
-------------
Name:       Quartiles
Label:      Quartiles of the Survival Distribution
Template:   Stat.Lifetest.Quartiles
Path:       Lifetest.Stratum1.TimeSummary.Quartiles
-------------

Output Added:
-------------
Name:       Means
Label:      Mean
Template:   Stat.Lifetest.Means
Path:       Lifetest.Stratum1.TimeSummary.Means
-------------

Output Added:
-------------
Name:       SurvivalPlot
Label:      Survival Curve
Template:   Stat.Lifetest.Graphics.ProductLimitSurvival
Path:       Lifetest.Stratum1.SurvivalPlot
-------------

Output Added:
-------------
Name:       CensoredSummary
Label:      Censored Summary
Template:   Stat.Lifetest.CensoredSummary
Path:       Lifetest.CensoredSummary

Utiliser de préférence le nom figurant dans la ligne path: (si comparaison de deux strates, le nom figurant dans la ligne name est identique).

17.1 Analyse non paramétrique

17.1.1 Méthode actuarielle

Avec une longueur d’intervalle fixe égale à 30 jours.

La durée médiane est donnée par la colonne résidual median time. Sur la première ligne, il s’agit de la durée médiane sur toutes les personnes exposées au risque. Dans les lignes suivante, cette durée médiane est recalculée pour les personnes restant exposées au risque dans chaque intervalle.

proc lifetest data=trans method=lifetable width=30;
time stime*died(0);run;

17.1.2 Méthode Kaplan-Meier

Le tableau des estimateurs ne sera pas reporté (voir intro du document).
Pour récupérer ces estimateurs, on peut les récupérer via l’instruction output et les exporter, par exemple, dans un tableur.

ods exclude Lifetest.Stratum1.ProductLimitEstimates;
proc lifetest data=trans;
time stime*died(0); run;

Warning sur la durée moyenne reportée Sauf exception ne pas interpréter le tableau donnant la durée moyenne. Se reporter à l’estimation des RMST plus bas.

Comparaison des fonctions de survie

Tests du log rank

ods exclude Lifetest.Stratum1.ProductLimitEstimates Lifetest.Stratum2.ProductLimitEstimates ;
proc lifetest data=trans;
time stime*died(0);
strata surgery / test=all;
run;

Comparaison des RMST

Disponible avec le dernier module stat de Sas base (Sas-Stat 15.1 novembre 2018).

ods exclude Lifetest.Stratum1.ProductLimitEstimates;
proc lifetest data=trans rmst plots=(rmst);
time stime*died(0);
strata surgery; run;

17.2 Modèle de Cox

17.2.1 Estimation du modèle

proc phreg data=trans;
model stime*died(0) = year age surgery ;
run;

17.2.2 Tests de l’hypothèse PH

17.2.2.1 Test de Grambsch Therneau

Demande au moins l’avant dernière version de Sas/Stat (2016?).

Le test est exécuté directement dans l’instruction phreg (ajouter zph). L’option global permet de récupérer le résultat du test omnibus (attention rejette facilement $H_0$ - hypothèse PH respectée - lorsque le nombre de degrés de liberté est élevé).

ods select PHReg.zphTest;
proc phreg data=trans zph(global noplot);
model stime*died(0) = year age surgery ;
run;

Par défaut SAS utilise la transformation $f(t)=t$ (idem Stata). Pour obtenir l’option par défaut de R $f(t) = 1 - KM(t)$:

ods select PHReg.zphTest;
proc phreg data=trans zph(global noplot transform=km);
model stime*died(0) = year age surgery ;
run;

17.2.2.2 Interaction avec la durée

Estimation d’un modèle avec indicatrices
La covariable doit être sous forme d’indicatrice (binaire: (0,1)). Ce qui est le cas ici avec la variable surgery.

Exemple avec une covariable X à 3 modalités codée 1,2,3.

Estimation du modèle de Cox avec l’instruction class (ref: X=1)

proc phreg data=base;
class X(ref="1");
model variable_dur*variable_cens(0) = X; run;

Estimation du modèle de Cox avec indicatrices

data base; set base;
X1 = X=1;
X2 = X=2;
X3 = X=3; run;

proc phreg data=base;
model variable_dur*variable_cens(0) = X2 X3; run;

La variable d’intéraction ($surgeryt = surgery\times stime$) est générée, le temps de l’estimation après l’instruction model.

ods select PHReg.ParameterEstimates;
proc phreg data=trans ;
model stime*died(0) = year age surgery surgeryt ;
surgeryt = surgery*stime;
run;

17.2.3 Variable dynamique

Warning: opération en ‘aveugle’

Contrairement à R et Stata, la base n’a pas à être splittée, on ne peut pas vérifier si la variable dynamique a été correctement créée. La variable dynamique, qui peut être appréhendée comme une variable en intéraction avec la durée, est générée après l’instruction model.

Ici la tvc prendra la valeur 1 lorsque stime>wait, 0 sinon.

ods select PHReg.ParameterEstimates;
proc phreg data=trans;
model stime*died(0) = year age surgery tvc ;
tvc = transplant=1 and stime>=wait;
run;

17.3 Modèle à temps discret

17.3.1 Mise en forme

On utilise une boucle pour répliquer les lignes sur la valeur de la durée. La nouvelle variable de durée (t) sous forme de compteur est générée automatiquement.

data td; set trans; 
do t=1 to mois; 
     output; 
     end; run;
     
data td; set td;
if t<mois then died=0;
t2=t*t;
t3=t2*t; run;

17.3.2 Durée continue

Estimation du modèle

ods select Logistic.FitStatistics;
proc logistic data=td;
model died(ref="0") = t t2 t3 year age surgery  ; run;

17.3.3 Durée discrète

Pour l’exemple on va regrouper la durée par ses quartiles. Pour chaque individu, on conserve seulement une observation dans chaque quartile.

proc rank data=td out=td2 groups=4;
var t;
ranks tq4;
run;

data td2; set td2;
id2=put(id, 3.);
tq42=put(tq4, 1.);
g=id2 || tq42; run;

proc sort data=td2; by id tq4; run;

data td2; set td2;
by g;
if LAST.g; run;

Estimation

proc logistic data=td2;
class tq4 / param=ref;
model died(ref="0") = tq4 year age surgery; run;

17.4 Modèles paramétrique

On utilise la procédure proc lifereg et on indique le type de distribution

proc lifereg data=trans;
model stime*died(0) = year age surgery /D=WEIBULL;
run;

proc lifereg data=trans;
model stime*died(0) = year age surgery /D=LLOGISTIC;
run;

17.5 Risques concurrents

17.5.1 Non paramétrique

On indique en option la cause d’intérêt avec eventcode=valeur , les autres étant considérées commes des risques concurrents.

proc lifetest data=trans plots=CIF;
time stime*compet(0) / eventcode=1; run;

Pour récupérer le test de Gray, on utilise l’instruction strata.

proc lifetest data=trans plots=CIF;
time stime*compet(0) / eventcode=1
strata surgery; run;

17.5.2 Modèle logistique multinomial à durée discrète

data td; set trans; 
do t=1 to mois; 
     output; 
     end; 
run;
data td; set td;
if t<mois then compet=0;
t2=t*t
run;

proc logistic data=td;
model compet(ref="0") = t t2 year age surgery / link=glogit;
run;

--- filters: - lightbox lightbox: auto --- # **SAS** ::: callout-note * Ce pas à pas n'a pas fait de mise à jour depuis 3 ans. * Pour les personnes de l'Ined, à noter que SAS Studio (serveur margaux) a été mis à jour, et qu'il est maintenant possible d'estimer les RMST avec `proc lifetest`. - Le document n'a pas été compilé en PDF, seule cette version html est disponible. ::: **Remarque: Sélection des outputs** Selon le type d'analyse la totalité des outputs ne seront pas reproduits (```ods include``` ou ```ods exclude``` pour la sélection). Un problème spécifique s'observe pour le tableau des estimateurs de Kaplan-Meier qui est particulièrement illisible en présence d'un nombre important d'observations censurées. Exemple pour ```proc lifetest```: noms des outputs récupérés dans la log ```{r eval=FALSE} Output Added: ------------- Name: ProductLimitEstimates Label: Product-Limit Estimates Template: Stat.Lifetest.ProductLimitEstimates Path: Lifetest.Stratum1.ProductLimitEstimates ------------- Output Added: ------------- Name: Quartiles Label: Quartiles of the Survival Distribution Template: Stat.Lifetest.Quartiles Path: Lifetest.Stratum1.TimeSummary.Quartiles ------------- Output Added: ------------- Name: Means Label: Mean Template: Stat.Lifetest.Means Path: Lifetest.Stratum1.TimeSummary.Means ------------- Output Added: ------------- Name: SurvivalPlot Label: Survival Curve Template: Stat.Lifetest.Graphics.ProductLimitSurvival Path: Lifetest.Stratum1.SurvivalPlot ------------- Output Added: ------------- Name: CensoredSummary Label: Censored Summary Template: Stat.Lifetest.CensoredSummary Path: Lifetest.CensoredSummary ``` Utiliser de préférence le nom figurant dans la ligne **path:** (si comparaison de deux strates, le nom figurant dans la ligne **name** est identique). ## Analyse non paramétrique ### Méthode actuarielle Avec une longueur d'intervalle fixe égale à 30 jours. La durée médiane est donnée par la colonne **résidual median time**. Sur la première ligne, il s'agit de la durée médiane sur toutes les personnes exposées au risque. Dans les lignes suivante, cette durée médiane est recalculée pour les personnes restant exposées au risque dans chaque intervalle. ```{r eval=FALSE} proc lifetest data=trans method=lifetable width=30; time stime*died(0);run; ``` ![](sas/1a.PNG) ![](sas/1b.PNG) ![](sas/1c.png) ### Méthode Kaplan-Meier Le tableau des estimateurs ne sera pas reporté (voir intro du document). Pour récupérer ces estimateurs, on peut les récupérer via l'instruction output et les exporter, par exemple, dans un tableur. ```{r eval=FALSE} ods exclude Lifetest.Stratum1.ProductLimitEstimates; proc lifetest data=trans; time stime*died(0); run; ``` ![](sas/2a.PNG) ![](sas/2b.png) ![](sas/2c.PNG) **Warning sur la durée moyenne reportée** Sauf exception ne pas interpréter le tableau donnant la durée moyenne. Se reporter à l'estimation des RMST plus bas. **Comparaison des fonctions de survie** *Tests du log rank* ```{r eval=FALSE} ods exclude Lifetest.Stratum1.ProductLimitEstimates Lifetest.Stratum2.ProductLimitEstimates ; proc lifetest data=trans; time stime*died(0); strata surgery / test=all; run; ``` ![](sas/3a.png) ![](sas/3b.PNG) ![](sas/3c.PNG) ![](sas/3d.PNG) *Comparaison des RMST* Disponible avec le dernier module stat de Sas base (Sas-Stat 15.1 novembre 2018). ```{r eval=FALSE} ods exclude Lifetest.Stratum1.ProductLimitEstimates; proc lifetest data=trans rmst plots=(rmst); time stime*died(0); strata surgery; run; ``` ![](sas/4.PNG) ## Modèle de Cox ### Estimation du modèle ```{r eval=FALSE} proc phreg data=trans; model stime*died(0) = year age surgery ; run; ``` ![](sas/5a.PNG) ### Tests de l'hypothèse PH #### Test de Grambsch Therneau Demande au moins l'avant dernière version de Sas/Stat (2016?). Le test est exécuté directement dans l'instruction ```phreg``` (ajouter ```zph```). L'option global permet de récupérer le résultat du test omnibus (attention rejette facilement $H_0$ - hypothèse PH respectée - lorsque le nombre de degrés de liberté est élevé). ```{r eval=FALSE} ods select PHReg.zphTest; proc phreg data=trans zph(global noplot); model stime*died(0) = year age surgery ; run; ``` ![](sas/5b.PNG) Par défaut SAS utilise la transformation $f(t)=t$ (idem Stata). Pour obtenir l'option par défaut de R $f(t) = 1 - KM(t)$: ```{r eval=FALSE} ods select PHReg.zphTest; proc phreg data=trans zph(global noplot transform=km); model stime*died(0) = year age surgery ; run; ``` ![](sas/5c.PNG) #### Interaction avec la durée **Estimation d'un modèle avec indicatrices** La covariable doit être sous forme d'indicatrice (binaire: (0,1)). Ce qui est le cas ici avec la variable *surgery*. Exemple avec une covariable X à 3 modalités codée 1,2,3. Estimation du modèle de Cox avec l'instruction ```class``` (ref: X=1) ```{r eval=FALSE} proc phreg data=base; class X(ref="1"); model variable_dur*variable_cens(0) = X; run; ``` Estimation du modèle de Cox avec indicatrices ```{r eval=FALSE} data base; set base; X1 = X=1; X2 = X=2; X3 = X=3; run; proc phreg data=base; model variable_dur*variable_cens(0) = X2 X3; run; ``` La variable d'intéraction ($surgeryt = surgery\times stime$) est générée, le temps de l'estimation après l'instruction ```model```. ```{r eval=FALSE} ods select PHReg.ParameterEstimates; proc phreg data=trans ; model stime*died(0) = year age surgery surgeryt ; surgeryt = surgery*stime; run; ``` ![](sas/5d.PNG) ### Variable dynamique **Warning: opération en 'aveugle'** Contrairement à R et Stata, la base n’a pas à être splittée, on ne peut pas vérifier si la variable dynamique a été correctement créée. La variable dynamique, qui peut être appréhendée comme une variable en intéraction avec la durée, est générée après l’instruction `model`. <br> Ici la tvc prendra la valeur 1 lorsque *stime>wait*, 0 sinon. ```{r eval=FALSE} ods select PHReg.ParameterEstimates; proc phreg data=trans; model stime*died(0) = year age surgery tvc ; tvc = transplant=1 and stime>=wait; run; ``` ![](sas/6.PNG) ## Modèle à temps discret ### Mise en forme On utilise une boucle pour répliquer les lignes sur la valeur de la durée. La nouvelle variable de durée (t) sous forme de compteur est générée automatiquement. ```{r eval=FALSE} data td; set trans; do t=1 to mois; output; end; run; data td; set td; if t<mois then died=0; t2=t*t; t3=t2*t; run; ``` ### Durée continue *Estimation du modèle* ```{r eval=FALSE} ods select Logistic.FitStatistics; proc logistic data=td; model died(ref="0") = t t2 t3 year age surgery ; run; ``` ![](sas/7a.PNG) ### Durée discrète Pour l'exemple on va regrouper la durée par ses quartiles. Pour chaque individu, on conserve seulement une observation dans chaque quartile. ```{r eval=FALSE} proc rank data=td out=td2 groups=4; var t; ranks tq4; run; data td2; set td2; id2=put(id, 3.); tq42=put(tq4, 1.); g=id2 || tq42; run; proc sort data=td2; by id tq4; run; data td2; set td2; by g; if LAST.g; run; ``` *Estimation* ```{r eval=FALSE} proc logistic data=td2; class tq4 / param=ref; model died(ref="0") = tq4 year age surgery; run; ``` ![](sas/7c.PNG) ![](sas/7d.PNG) ## Modèles paramétrique On utilise la procédure proc **`lifereg`** et on indique le type de distribution ```{r eval=FALSE} proc lifereg data=trans; model stime*died(0) = year age surgery /D=WEIBULL; run; ``` ![](sas/8a.PNG) ![](sas/8b.PNG) ```{r eval=FALSE} proc lifereg data=trans; model stime*died(0) = year age surgery /D=LLOGISTIC; run; ``` ![](sas/8c.PNG) ![](sas/8d.PNG) ## Risques concurrents ### Non paramétrique On indique en option la cause d'intérêt avec **`eventcode=valeur`** , les autres étant considérées commes des risques concurrents. ```{r eval=FALSE} proc lifetest data=trans plots=CIF; time stime*compet(0) / eventcode=1; run; ``` ![](sas/9a.PNG) ![](sas/9b.PNG) ![](sas/9c.png) Pour récupérer le test de Gray, on utilise l'instruction `strata`. ```{r eval=FALSE} proc lifetest data=trans plots=CIF; time stime*compet(0) / eventcode=1 strata surgery; run; ``` ![](sas/9f.PNG) ![](sas/9g.PNG) ### Modèle logistique multinomial à durée discrète ```{r eval=FALSE} data td; set trans; do t=1 to mois; output; end; run; data td; set td; if t<mois then compet=0; t2=t*t run; ``` ```{r eval=FALSE} proc logistic data=td; model compet(ref="0") = t t2 year age surgery / link=glogit; run; ``` ![](sas/9i.PNG) ![](sas/9j.PNG)