Packages et outils en ligne

JM-QALYs

Le projet JM-QALYs a pour but de proposer des outils permettant d'évaluer l'intérêt clinique de traitements ou d'interventions médicales en utilisant les QALYs (Quality-Adjusted Life Years) comme critère de décision.

Inférence causale et prédiction dans les analyses de cohorte

Le RISCA package propose de nombreuses fonctions pour l’analyse de données de cohortes, aussi bien dans une optique de prédiction que d’inférence causale.

Concernant l’inférence causale, il est possible d’utiliser la Pondération par l’Inverse des Scores de Propension (IPW) et la G-computation pour estimer des effets marginaux en présence de facteurs de confusion. Le package permet de gérer des événements binaires, des données de survie, des risques compétitifs,et des données multi-états. Pour les données multi-états, il est possible d’estimer des modèles semi-markoviens prenant en compte la censure par intervalle, ainsi que de considérer l’excès de mortalité liée à la maladie par rapport à des tables de survie de référence.

 

Concernant les modèles prédictifs, un ensemble de fonctions permet d’estimer des courbes ROC dépendantes du temps, avec la possibilité de gérer la censure à droite et les facteurs de confusion. Il est également possible d’évaluer des courbes ROC dépendantes du temps et des courbes de survie à partir de données de survie agrégées.   

Voir plus

 

Calculateurs en ligne

Nous avons développé et validé plusieurs scores pronostiques dans différents contextes cliniques :

  • Le KTFS est un score pronostique du retour en dialyse des patients transplantés rénaux calculable à 1 an post-transplantation
    Lien vers KTFS   Lire la publication
  • Le 1-RRS  est un score pronostique de la mortalité chez les patients transplantés rénaux et calculable à 1 an post-transplantation
    Lien vers 1-RRS   Lire la publication
  • Le SMILE est un score prédictif d’invalidités résiduelles à 6 mois post-rechute chez des patients atteints d’une sclérose en plaque
    Lien vers SMILE   Lire la publication
  • Le DynPG est un score pronostique dynamique de l’échec de greffe rénale qui peut être mis à jour au cours du suivi du patient transplanté
    Lien vers DynPG   Lire la publication
Graphique

Commandes Stata pour l’analyse de Patient-Reported Outcomes

Le laboratoire SPHERE développe de nombreuses commandes Stata dédiées à l’analyse de données psychométriques, en particulier les Patient-Reported Outcomes (PRO). Ces commandes peuvent être utilisées depuis le site pro-online.net .Le projet PRO-online permet aux chercheurs et aux étudiants d’analyser des données issues de PRO (Modèles de Rasch, détection de Response-shift, validations d’échelles, etc.) sans nécessité de programmation. Les commandes disponibles sont décrites ci-dessous :

 

Logo PRO-online

Cliquez sur les catégories ci-dessous pour voir les commandes disponibles et leur description.

  • raschtest : Estimation des paramètres d’un modèle de Rasch, indices d’adéquation et graphiques.
  • pcm : Estimation des paramètres d’un Partial Credit Model et graphiques.
  • loevh : Estimation des coefficients de Loevinger et modèles d’IRT non paramétriques.
  • rsoort : Identification du Response-shift à partir de modèles à équations structurelles (procédure de Oort)
  • rosali : Identification du Response-shift au niveau de l’item à partir de modèles de la famille de Rasch
  • validscale : Validation d’échelles de mesures multi-dimensionnelles
  • raschpower : Estimation de la puissance du test de Wald pour des modèles de Rasch ou Partial Credit Model : comparaison de moyennes inter-groupes (transversal) ou entre deux temps de mesure (longitudinal)
  • MSP : Sélection d’items basée sur les échelles de Mokken
  • CLV : Classification autour de variables latentes
  • HCAvar : Classification ascendante hiérarchique de variables
  • simirt : Simulation de modèles IRT
  • sf36fr : Calcul des scores du questionnaire SF-36


 

Timeline Cluster


Timeline Cluster est un outil graphique représentant la chronologie d’un essai randomisé en clusters. Il permet de visualiser le déroulé d’un tel essai, de clarifier son protocole,  et d’identifier les risques de biais.

 

timeline cluster

Stata Graph - Graph0.1.2.3.4.5.6.7.8.91Proportion of replicationsRightly detection of global RC Stata Graph - Graph0.1.2.3.4.5.6.7.8.91Proportion of replicationsDetection of RC on the right item Stata Graph - Graph0.1.2.3.4.5.6.7.8.91Proportion of replicationsDetection of RC on the right item in the right groups Stata Graph - Graph0.1.2.3.4.5.6.7.8.91Proportion of replicationsDetection of RC on the right itema and groups and type Stata Graph - Graph0.1.2.3.4.5.6.7.8.91Proportion of replicationsWrongly detection of global DIF Stata Graph - Graph0.1.2.3.4.5.6.7.8.91Proportion of replicationsWrongly detection of global RC