Je veux comparer deux méthodes différentes pour détecter un changement d'état dans une analyse de survie. Un groupe de sujets est suivi pendant une période plus longue (plusieurs années) et deux méthodes d'examen ont été utilisées pour déterminer si un changement de statut s'est produit; une méthode a été utilisée pour examiner chaque sujet deux fois par an et la deuxième méthode a été utilisée pour examiner chaque sujet une fois par an. La question est de savoir si ces deux méthodes diffèrent systématiquement dans leur capacité à détecter un changement d'état.
Le test auquel j'ai pensé est un test de log-rank pour voir si les courbes de Kaplan-Meier des deux méthodes diffèrent. Je me demande si c'est un problème que les courbes de survie soient «appariées» (c'est-à-dire que les deux méthodes sont utilisées sur les mêmes sujets) lors de l'exécution du test de log-rank. Est-ce une violation d'hypothèse dans le test du log-rank, ou est-ce peut-être juste un test inefficace car il ne tient pas compte du fait que les deux courbes sont liées? Quelqu'un a-t-il une suggestion pour une analyse alternative qui rende compte de la dépendance dans les observations?
Peut-être que ce n'est pas un problème, peut-être que je réfléchis trop.
Eh bien, je ne connais pas l'heure réelle du changement d'état, seulement les moments où les méthodes ont détecté un changement d'état. J'ai pensé que je devais régler le temps de survie au milieu de l'intervalle de temps entre le dernier examen lorsque le changement d'état n'avait pas été détecté et l'examen lorsque le changement d'état avait été détecté. Cela pourrait compenser l'inconvénient de la méthode utilisée pour l'examen des sujets une seule fois par an, contrairement à la méthode utilisée deux fois par an. Et puis construisez les courbes de survie à partir de ces données.