Résumé : Les statistiques de scan spatiales sont des méthodes bien connues et très utilisées dans le cadre de la détection de clusters d’événements. Dans le domaine de l’analyse spatiale des données de survie, plusieurs modèles de statistiques de scan spatiales ont été proposés. Cependant ces modèles ne permettent pas de prendre en compte la potentielle corrélation entre les temps de survie des individus d’une même unité spatiale, ni la potentielle dépendance spatiale entre les localisations géographiques. Après avoir présenté les approches existantes, nous proposerons une statistique de scan spatiale basée sur un modèle de Cox à fragilité partagée permettant de prendre en compte la potentielle dépendance spatiale des observations. Dans des études de simulation, nous avons montré que (i) les approches classiques de statistiques de scan spatiales pour les données de survie ne permettent pas de maintenir l’erreur de type I en présence d’une corrélation entre les temps de survie des individus d’une même unité spatiale, et (ii) notre approche présente de bonnes performances en présence d’une corrélation entre les temps de survie des individus d’une même unité spatiale et d’une dépendance entre les unités spatiales. Nous avons ensuite appliqué cette approche à des données épidémiologiques correspondant à la durée de survie de patients souffrant d’insuffisance rénale chronique terminale dans le nord de la France.
Lieu : Zoom