Analyse de Kaplan-Meier bayésienne — Estimation bayésienne non paramétrique de la courbe de survie
L'analyse de Kaplan-Meier bayésienne étend l'estimateur classique de Kaplan-Meier en plaçant une distribution a priori sur la fonction de survie et en la mettant à jour avec les données observées de temps jusqu'à l'événement pour obtenir une distribution a posteriori complète de la courbe de survie. Cette approche, ancrée dans le cadre du processus de Dirichlet de Susarla et Van Ryzin de 1976, produit des intervalles de crédibilité plutôt que des intervalles de confiance et permet une incorporation cohérente des connaissances cliniques a priori, ce qui la rend particulièrement précieuse dans les contextes cliniques à petit échantillon ou en phase précoce.
Lire la méthode complète
Connectez-vous avec un compte gratuit pour lire cette section.
Method map
The neighbourhood of related methods — select a node to explore.
Sources
- Susarla, V., & Van Ryzin, J. (1976). Nonparametric Bayesian estimation of survival curves from incomplete observations. Journal of the American Statistical Association, 71(356), 897–902. DOI: 10.1080/01621459.1976.10480966 ↗
- Diaconis, P., & Freedman, D. (1986). On the consistency of Bayes estimates. The Annals of Statistics, 14(1), 1–26. DOI: 10.1214/aos/1176349830 ↗
Comment citer cette page
ScholarGate. (2026, June 3). Bayesian Nonparametric Kaplan-Meier Survival Analysis. ScholarGate. https://scholargate.app/fr/epidemiology/bayesian-kaplan-meier-analysis
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
- Modèle de régression de survie bayésien de Cox à risques proportionnelsÉpidémiologie↔ compare
- Cox proportional hazardsÉpidémiologie↔ compare
- Analyse de Kaplan-MeierÉpidémiologie↔ compare
- Analyse de survieStatistiques de recherche↔ compare
Une erreur sur cette page ? Signalez-la ou proposez une correction →