Universit´e Joseph Fourier- Universit´e Pierre Mend`es France Master Statistique
UE Biostatistique
TP R´ egression logistique
Les donn´ees ICU (Intensive Care Unit) sont constitu´ees d’un ´echantillon de 200 patients admis dans un service hospitalier de soins intensifs pour adultes (ICU). L’objectif de l’´etude est de mettre en place un mod`ele de r´egression logistique pour pr´edire la probabilit´e de survie de ces patients et les facteurs de risque associ´es `a la mortalit´e dans un service de soins intensifs.
Intitul´e des variables :
DECEDE: statut vital (0 = vivant. 1 = mort) AGE : age en ann´ees
SEXE : (1 = homme. 2 = femme)
SERV : service lors de l’admission en USI (0 = Medical. 1 = Chirurgical) INF_J0 : Infection probable `a l’admission en USI (0 = Non. 1 = Oui) TAS : tension art´erielle systolique `a l’admission en USI (en mm Hg) FC : fr´equence cardiaque `a l’admission en USI (battements/min) TYP_AD : type d’admission (0 = normal. 1 = en urgence)
PO2 : PO2 de la gazom´etrie art´erielle initiale (0 > 60. 1 = 60) PH : PH de la gazom´etrie art´erielle initiale (0 = 7.25. 1 < 7.25)
BICAR : bicarbonate de la gazom´etrie art´erielle initiale (0 = 18. 1 < 18)
CONSC : niveau de conscience `a l’admission (0 = ni coma ni stupeur. 1= stupeur profonde. 2 = coma) GLASGOW: score.
1. Faire les analyses descriptives univari´ees de l’ensemble des variables.
2. Y a-t-il des diff´erences de covariables entre les hommes et les femmes ? Selon le type d’admission ? selon le niveau de conscience `a l’admission ?
3. Proposer un mod`ele de r´egression logistique reliant la mortalit´e dans un service de soins intensifs et le sexe.
/* regression logistique */
proc logistic data=icu desc;
model DECEDE= SEXE;
run;
Que produit l’optionitprintrajout´ee a la fin de la ligne model?
Comment s’interpr`ete le coefficient du mod`ele ? Quel test permet de tester la significativit´e du lien entre ces deux variables ?
4. Proposer un mod`ele de r´egression logistique reliant la mortalit´e dans un service de soins intensifs et le niveau de conscience `a l’admission. Interpr´eter. Proposer un autre codage de la variable explicative.
Interpr´eter.
5. Proposer un mod`ele de r´egression logistique reliant la mortalit´e dans un service de soins intensifs et l’age. Interpr´eter. Que produit l’optioninfluencerajout´ee a la fin de la ligne model?
6. R´ealiser les mod`eles de r´egression logistique simples correspondant `a chacune des covariables. In- terpr´eter.
7. R´ealiser les mod`eles de r´egression logistique avec deux covariables cat´egorielles. Interpr´eter.
8. Faire l’analyse du mod`ele avec toutes les variables.
9. R´ealiser une s´election de variables.
10. Effectuer le diagnostic du mod`ele `a l’aide des options suivantes : PROC LOGISTIC DATA=ICU desc;
MODEL DECEDE=INF_J0 AGE GLASGOW;
OUTPUT OUT=diag
DFBETAS=dfb_inf dfb_age dfb_glas DIFDEV=dfdevia
DIFCHISQ=dfchi2 H=hat_mat P=p
RESCHI=res_pearson RESDEV=res_devi;
run;
PROC GPLOT DATA=diag;
PLOT dfchi2*p;
PLOT dfdevia*p;
PLOT dfb_inf*p;
PLOT dfb_age*p;
PLOT dfb_glas*p;
run;
11. Que peut-on dire des patients 25, 193, 209 ? du patient 79 ? des patients 250, 229 et 46 ?
Supprimer le patient 79 et refaire l’ajustement du mod`ele. Observer la p-value du coefficient de la variableINF J0.
Mˆeme question si l’on supprime le patient 79 et les 3 patients 25, 193 et 209 ?
2