Choisir un critère de survie : OS vs PFS, EFS, TTP & DFS

Q: Quelle est la différence entre la PFS et le TTP ?

La seule différence est la façon dont le décès est traité. La survie sans progression (PFS) compte le décès comme un événement (progression ou décès, le premier survenu). Le délai jusqu’à progression (TTP) ne compte que la progression et censure les décès. La PFS est généralement préférée parce que compter le décès garde le critère honnête — un traitement qui retarde la progression mais augmente la mortalité ne devrait pas paraître bon. Le TTP est utilisé surtout pour un signal anti-tumoral pur, avec la mortalité évaluée séparément, et parce que ses décès censurés sont un risque concurrent, il appelle généralement des méthodes de risques concurrents plutôt qu’un simple Kaplan-Meier.

Q: Quand dois-je utiliser la survie sans maladie (DFS) ?

Utilisez la DFS dans le contexte adjuvant ou curatif, où les patients sont déjà sans maladie après la chirurgie (ou un autre traitement curatif) et le chronomètre mesure le délai jusqu’à la récidive ou le décès à partir de ce point. La DFS diffère de la PFS principalement par le temps zéro et la population : la PFS s’utilise quand une maladie mesurable est présente, la DFS quand elle a été retirée. La DFS est le critère standard dans les essais adjuvants en cancérologie — le jeu de données colon de cette leçon est exactement ce contexte.

Q: Pourquoi la survie globale est-elle considérée comme la référence absolue ?

Parce qu’elle n’a aucune ambiguïté de mesure. Un décès est un décès — il n’y a pas de comité, pas de protocole de lecture de scanner, et pas de calendrier d’évaluation qui pourrait le biaiser, donc l’OS est exempte du biais lié au moment de l’évaluation qui affecte les critères fondés sur la progression. Cette objectivité est pourquoi tout régulateur majeur accepte l’OS sans validation supplémentaire et traite un bénéfice d’OS comme la démonstration définitive du bénéfice clinique. Son seul vrai inconvénient est pratique : elle nécessite un suivi long et de grandes tailles d’échantillon pour accumuler assez de décès.

Une aide à la décision pratique pour le critère d’évaluation de type délai jusqu’à l’événement que vous mesurez — ce que chacun compte comme événement, ce qu’il censure, son statut réglementaire, et le compromis entre objectivité et durée de suivi

La survie globale (OS), la survie sans progression (PFS), la survie sans événement (EFS), le délai jusqu’à progression (TTP), la survie sans maladie (DFS) et le délai jusqu’à l’échec du traitement (TTF) mesurent tous le délai jusqu’à un événement — mais un événement différent. Cette leçon compare leurs définitions de l’événement, leurs règles de censure et leur statut réglementaire (OS la référence absolue, PFS comme critère de substitution), puis montre en R comment la même cohorte donne deux courbes de survie différentes selon deux définitions de critère — pour que vous choisissiez le critère qui répond à votre question.

Date de publication

26 juin 2026

Modifié

7 juillet 2026

Points clés

Une étude de survie n’a pas un seul résultat — elle a un choix de critère d’évaluation. Les mêmes patients donnent des réponses différentes selon ce que vous comptez comme événement et ce que vous censurez.
La survie globale (OS) — délai jusqu’au décès de toute cause — est la référence absolue : objective, sans ambiguïté, et acceptée par tous les régulateurs. Son coût est un suivi long et de grands échantillons.
La survie sans progression (PFS) — délai jusqu’à la progression ou le décès, le premier survenu — se lit plus tôt, ce qui explique qu’elle soutienne l’approbation accélérée. Son coût est un biais lié au moment de l’évaluation et une dépendance à la façon dont la « progression » est définie.
EFS, TTP, DFS, TTF sont des variantes sur le même thème : chacun élargit ou rétrécit l’ensemble d’événements (EFS ajoute plus d’échecs ; TTP retire le décès ; DFS part de la rémission). Le bon choix dépend de votre contexte pathologique et de la question à laquelle vous répondez.
La règle de décision : choisissez le critère qui est cliniquement pertinent, mesurable objectivement et réalisable dans votre calendrier — puis définissez ses règles d’événement et de censure avant la levée de l’insu.

Introduction

Vous concevez un essai de phase III en oncologie. La science est établie, le médicament est prometteur — et il vous faut maintenant écrire la ligne unique qui façonne tout ce qui suit : le critère d’évaluation principal. Choisissez la survie globale et vous attendrez quatre ou cinq ans pour avoir assez de décès, mais le résultat sera inattaquable. Choisissez la survie sans progression et vous pourriez lire le résultat en deux ans, mais un évaluateur demandera comment vous avez défini la « progression » et si le calendrier des scanners l’a biaisée.

Cette décision — quel critère de type délai jusqu’à l’événement est-ce que je mesure ? — est la plus lourde de conséquences dans une étude de survie. Elle fixe la taille d’échantillon, le suivi, la voie réglementaire et ce que vous pourrez finalement revendiquer. Et ce n’est pas seulement une question d’essais cliniques : toute analyse de délai jusqu’à l’événement (délai jusqu’à l’attrition, délai jusqu’à la panne d’une machine, délai jusqu’à la réadmission) affronte la même bifurcation — qu’est-ce qui compte comme événement, et que dois-je censurer ?

Cette leçon est une aide à la décision. Nous alignons les critères courants — OS, PFS, EFS, TTP, DFS, TTF — comparons ce que chacun mesure, puis prouvons en R que le choix change réellement la courbe. Si vous débutez avec la censure et la fonction de survie, lisez d’abord Qu’est-ce que l’analyse de survie ? ; ici nous supposons que vous savez ce qu’est une courbe de Kaplan-Meier et nous nous concentrons entièrement sur l’événement à y placer.

Ce qu’un « critère d’évaluation » est réellement

Chaque critère de survie est le même objet — une paire Surv(time, status) — défini par trois décisions :

Le temps zéro (la date index) : quand le chronomètre démarre-t-il ? Généralement à la randomisation (le défaut réglementaire) ou à la première dose.
L’événement : quelle occurrence clinique arrête le chronomètre et compte comme un « 1 » ? Le décès ? La progression ? L’un ou l’autre ?
La censure : pour un patient qui n’a jamais l’événement, quand cessez-vous de l’observer — et surtout, comment traitez-vous les occurrences que vous avez choisi de ne pas compter comme événement (censurent-elles, ou sont-elles ignorées) ?

Deux critères peuvent porter sur les mêmes patients et être en désaccord, uniquement parce qu’ils répondent aux questions 2 et 3 différemment. C’est tout l’objet de cette leçon — et nous le verrons sur des données réelles ci-dessous.

Les critères, côte à côte

Voici le tableau comparatif de travail. Lisez chaque ligne comme : ce qui arrête le chronomètre (événement) · ce qui est censuré · le compromis.

Critère	Événement (le chronomètre s’arrête à…)	Censure	Statut réglementaire	À utiliser quand…
OS — Survie Globale	Décès de toute cause	Vivant au dernier contact	Référence absolue — objective, universellement acceptée	Vous pouvez vous permettre le suivi et voulez le bénéfice définitif
PFS — Survie Sans Progression	Progression ou décès, le premier survenu	Aucun événement à la dernière évaluation	Critère de substitution accepté ; soutient l’approbation accélérée	Vous avez besoin d’une lecture plus précoce et la progression est bien définie
TTP — Délai jusqu’à Progression	Progression uniquement (les décès sont censurés)	Décès, ou aucune progression au dernier scanner	Moins privilégié — ignore la mortalité	Signal anti-tumoral pur ; mortalité évaluée séparément
EFS — Survie Sans Événement	L’un de plusieurs échecs (progression, rechute, décès, nouveau traitement, second cancer…)	Aucun des événements listés n’est survenu	Accepté quand la charge complète des échecs importe	Maladie pédiatrique/rare ; nombreux événements pertinents
DFS — Survie Sans Maladie	Récidive ou décès, mesurée à partir de la rémission	Sans maladie au dernier contact	Standard dans le contexte adjuvant/curatif	Les patients démarrent déjà en rémission (post-chirurgie)
TTF — Délai jusqu’à l’Échec du Traitement	Progression, décès, ou arrêt du traitement (toxicité, changement)	Toujours sous traitement, sans événement	Rarement principal — mêle efficacité + tolérabilité	Une vue composite « cette stratégie thérapeutique a-t-elle tenu ? »

Quelques distinctions à bien fixer dans votre esprit, parce que ce sont celles que les gens se trompent :

PFS vs TTP — la seule différence est la façon dont le décès est traité. La PFS compte le décès comme un événement ; le TTP le censure. La PFS est préférée parce qu’un traitement qui retarde la progression mais tue les patients ne devrait pas paraître bon — compter le décès garde le critère honnête.
PFS vs DFS — même logique d’événement (progression/récidive ou décès), mais un temps zéro et une population différents. La PFS s’utilise quand une maladie mesurable est présente ; la DFS s’utilise dans le contexte adjuvant, où les patients sont déjà sans maladie après la chirurgie et le chronomètre mesure le délai jusqu’à la récidive.
EFS vs PFS — l’EFS est le filet le plus large : elle ajoute des échecs au-delà de la progression et du décès (début d’un traitement hors protocole, une seconde tumeur maligne, un échec d’induction). Elle capture la charge totale de la maladie, au prix d’un composite plus difficile à interpréter.

L’OS est la référence absolue pour une raison : il n’y a rien à discuter

Un décès est un décès — pas de comité, pas de protocole de lecture de scanner, pas de calendrier d’évaluation. L’OS n’a aucune ambiguïté de mesure et aucun biais lié au moment de l’évaluation, ce qui est exactement pourquoi les régulateurs lui font confiance comme mesure définitive du bénéfice. Tout autre critère échange une partie de cette objectivité contre une lecture plus rapide ou plus large. Lorsque vous quittez l’OS, vous prenez en charge le fardeau de définir l’événement précisément et de défendre cette définition.

Un arbre de décision pour le critère principal

Quand les compromis se brouillent, parcourez l’arbre : les contextes et les calendriers pointent généralement vers un critère.

flowchart TD
    A["Choisir le critère principal"] --> B{"La mortalité est le résultat clé<br/>ET un long suivi est réalisable ?"}
    B -->|Oui| OS["Survie Globale (OS)<br/>événement = décès, toute cause"]
    B -->|"Non — lecture plus précoce nécessaire"| C{"Maladie mesurable présente,<br/>ou sans maladie après chirurgie ?"}
    C -->|"Maladie présente"| D{"Compter le décès comme événement ?"}
    D -->|"Yes (défaut honnête)"| PFS["Survie Sans Progression (PFS)<br/>événement = progression ou décès"]
    D -->|"No (évaluer la mortalité séparément)"| TTP["Délai jusqu'à Progression (TTP)<br/>événement = progression uniquement"]
    C -->|"Sans maladie post-chirurgie"| DFS["Survie Sans Maladie (DFS)<br/>événement = récidive ou décès, à partir de la rémission"]
    A --> E{"Many distinct failure types matter<br/>(pédiatrique / maladie rare)?"}
    E -->|Oui| EFS["Survie Sans Événement (EFS)<br/>événement = tout échec pré-spécifié"]

Figure 1

L’arbre donne un point de départ, pas un verdict — le paysage concurrentiel, le précédent réglementaire dans votre indication et les ressources pèsent tous. Mais il capture la logique dominante : l’OS quand vous pouvez vous le permettre ; un critère fondé sur la progression quand vous ne le pouvez pas ; élargir vers l’EFS quand plusieurs échecs importent ; passer à la DFS dans le contexte adjuvant.

La même cohorte, deux critères, deux réponses

C’est la partie qu’il vaut la peine d’intérioriser : la définition du critère n’est pas une étiquette — elle change la courbe de survie. Nous le montrerons sur le jeu de données colon livré avec le package survival : un véritable essai de chimiothérapie adjuvante dans le cancer du côlon. Commodément, colon enregistre deux types d’événements par patient, de sorte que nous pouvons dériver deux critères des mêmes personnes et les superposer.

Les données sont stockées au format « long » — deux lignes par patient : etype = 1 est l’enregistrement de récidive et etype = 2 est l’enregistrement de décès. Regardons :

library(survival)

# Two rows per patient: etype 1 = recurrence, etype 2 = death
head(colon[, c("id", "rx", "time", "status", "etype")], 6)

  id      rx time status etype
1  1 Lev+5FU 1521      1     2
2  1 Lev+5FU  968      1     1
3  2 Lev+5FU 3087      0     2
4  2 Lev+5FU 3087      0     1
5  3     Obs  963      1     2
6  3     Obs  542      1     1

Critère 1 — Survie Globale. Prenez uniquement les enregistrements de décès (etype == 2) : l’événement est le décès, les patients censurés sont vivants au dernier contact. C’est l’OS, directement issue de la paire Surv().

library(survival)

os <- colon[colon$etype == 2, ]            # death records only
fit_os <- survfit(Surv(time, status) ~ 1, data = os)

# Median overall survival, in days
summary(fit_os)$table["median"]

median 
  2552

Critère 2 — Survie Sans Récidive (un composite de type PFS). Construisons maintenant un composite : l’événement est la récidive ou le décès, le premier survenu. Nous fusionnons l’enregistrement de récidive et l’enregistrement de décès pour chaque patient, prenons le temps le plus précoce, et le marquons comme événement si l’un ou l’autre est survenu à ce temps le plus précoce — la même logique « progression-ou-décès » qu’utilise la PFS, en base R :

library(survival)

rec   <- colon[colon$etype == 1, c("id", "time", "status")]  # recurrence record
death <- colon[colon$etype == 2, c("id", "time", "status")]  # death record

# One row per patient, with both times side by side
m <- merge(rec, death, by = "id", suffixes = c("_rec", "_death"))

# Recurrence-free survival = earliest of the two times;
# event if recurrence happened first, OR death happened first
m$rfs_time   <- pmin(m$time_rec, m$time_death)
m$rfs_status <- as.integer(
  (m$time_rec   <= m$time_death & m$status_rec   == 1) |
  (m$time_death <= m$time_rec   & m$status_death == 1)
)

fit_rfs <- survfit(Surv(rfs_time, rfs_status) ~ 1, data = m)
summary(fit_rfs)$table["median"]

median 
  1589

Deux critères, les mêmes 929 patients — et les médianes sont déjà en désaccord : OS ≈ 2552 jours, mais survie sans récidive ≈ 1589 jours. Ajouter la récidive à l’ensemble d’événements déplace la médiane de près de trois ans, parce que les patients récidivent bien avant de mourir. Superposons maintenant les deux courbes pour le voir directement :

library(survival)
library(survminer)

# Stack the two endpoints into one long data.frame for a single plot (base R, no dplyr)
combined <- data.frame(
  time     = c(os$time, m$rfs_time),
  status   = c(os$status, m$rfs_status),
  endpoint = factor(rep(c("Overall survival (death)",
                          "Recurrence-free survival (recurrence or death)"),
                        c(nrow(os), nrow(m))))
)

fit_both <- survfit(Surv(time, status) ~ endpoint, data = combined)

ggsurvplot(
  fit_both, data = combined,
  conf.int = TRUE,
  legend.labs = c("Overall survival", "Recurrence-free survival"),
  legend.title = "Endpoint",
  palette = "jco",
  ggtheme = theme_minimal(),
  xlab = "Time (days)",
  ylab = "Survival probability"
)

Two Kaplan-Meier curves overlaid on the same 929 colon-cancer patients. The overall-survival curve (event = death only) sits higher and falls more slowly, crossing 50% at about 2550 days. The recurrence-free survival curve (event = recurrence or death, whichever first) falls earlier and lower, crossing 50% at about 1590 days. The gap between the curves is the burden of recurrences that happen before death — the same cohort, two endpoints, two different answers.

Lisez l’écart. Les deux courbes proviennent de patients identiques ; la seule différence est la définition de l’événement. La courbe sans récidive chute plus tôt et plus bas parce qu’elle compte un événement que la courbe OS ignore — chaque récidive qui précède le décès. Un essai dimensionné sur la survie sans récidive voit ses événements plus tôt (étude plus courte), tandis que l’OS attend les décès (plus longue, mais le résultat le plus difficile). Aucune n’est « plus correcte » — elles répondent à des questions différentes. Choisir le critère c’est choisir la question.

Pourquoi la survie sans récidive est-elle inférieure à la survie globale ici ?

Parce que son ensemble d’événements est un sur-ensemble. Chaque patient qui décède contribue un événement aux deux courbes, mais la survie sans récidive compte aussi les patients qui récidivent et sont toujours en vie — des événements que l’OS ne voit pas encore. Un ensemble d’événements plus grand à chaque instant signifie une courbe qui chute plus vite. C’est la règle générale pour les critères composites : plus vous incluez d’événements, plus la courbe chute tôt — ce qui est exactement pourquoi la PFS se lit plus vite que l’OS, et pourquoi l’EFS (encore plus d’événements) se lit plus vite que la PFS.

La censure et les événements concurrents changent aussi le tableau

Le choix du critère et les règles de censure sont indissociables. Le piège à connaître : dans le TTP, les décès sont censurés plutôt que comptés. Mais le décès n’est pas un « perdu de vue » ordinaire — un patient qui décède ne peut jamais progresser. Traiter le décès comme une censure ordinaire suppose que le patient aurait encore pu avoir l’événement, ce qui est faux. C’est un risque concurrent, et l’estimation naïve par Kaplan-Meier d’un critère non fatal en présence d’une mortalité substantielle surestime l’événement d’intérêt. Quand les décès sont fréquents et que vous mesurez un critère non fatal (TTP, délai jusqu’à une complication spécifique), tournez-vous vers les méthodes de risques concurrents (la fonction d’incidence cumulée), et non vers une simple courbe KM — voir Risques concurrents.

Un deuxième problème, plus subtil, est le temps immortel. Si le chronomètre de votre critère démarre à un événement qui ne peut survenir qu’aux survivants (par ex. « délai de la réponse à la progression »), les patients ont dû survivre assez longtemps pour répondre — intégrant dans la conception une plage garantie sans événement qui peut biaiser la comparaison. L’analyse landmark est la correction standard ; gardez la date index propre (randomisation) chaque fois que vous le pouvez.

Comment les régulateurs voient les critères

La hiérarchie réglementaire vaut la peine d’être connue parce qu’elle tranche souvent la question à votre place :

L’OS est la référence. Elle ne nécessite aucune validation — un décès est un décès — et un bénéfice d’OS est la revendication d’efficacité la plus forte disponible. Le prix en est le temps et la taille d’échantillon.
La PFS est un critère de substitution accepté qui peut soutenir une approbation accélérée quand l’effet est important et que la progression est rigoureusement évaluée (souvent par un comité de revue indépendant en aveugle utilisant un critère pré-spécifié tel que RECIST). Des preuves d’OS confirmatoires sont généralement attendues plus tard.
Le TTP est moins privilégié précisément parce qu’il exclut la mortalité — les régulateurs veulent l’image bénéfice-risque complète, et un critère qui peut être « amélioré » pendant que les patients meurent est un signal d’alarme.
L’EFS et la DFS sont bien établies dans leurs contextes (EFS dans la maladie pédiatrique/rare où de nombreux échecs importent ; DFS dans les essais adjuvants), où elles correspondent mieux à la question clinique que l’OS ou la PFS.

Pour le cadre formel derrière ces positions — les attentes d’ICH E9, de la FDA et de l’EMA, et comment les critères alimentent le jeu de données d’analyse — voir Concevoir une étude de survie et CDISC ADTTE & analyse réglementaire.

Essayez en direct

Relancez la comparaison, puis essayez un troisième critère : le délai jusqu’à récidive (de type TTP), où les décès sont censurés au lieu d’être comptés. Remarquez comment sa courbe se situe entre l’OS et la survie sans récidive — et demandez- vous si censurer ces décès est honnête ici. Le bac à sable démarre au premier Run.

🟢 Avec un agent IA

Demandez à Prova « J’ai un jeu de données d’essai avec à la fois une date de progression et une date de décès par patient — montrez-moi comment construire les critères OS, PFS et TTP en R avec survival, et expliquez en quoi la censure diffère entre eux » — elle répond avec du code survival que vous pouvez exécuter sur vos propres données. The runtime is the judge. Demander à Prova →

Problèmes courants

Vous lisez une courbe de PFS comme si les temps de progression étaient exacts — mais ils sont censurés par intervalle. La progression est détectée seulement aux évaluations programmées (toutes les 8 ou 12 semaines), donc une « progression à la semaine 16 » signifie en réalité « quelque part entre la semaine 8 et la semaine 16 ». Ce biais lié au moment de l’évaluation gonfle la PFS apparente et, pire, fausse les comparaisons si les deux bras sont scannés selon des calendriers différents. Corrigez-le en utilisant le même calendrier d’imagerie dans les deux bras et en pré-spécifiant le critère de progression ; pour une haute précision, reconnaissez explicitement la censure par intervalle.

Vous avez censuré les décès dans un critère non fatal et utilisé un simple Kaplan-Meier. Pour le TTP (ou le délai jusqu’à tout événement non fatal spécifique), un décès est un événement concurrent, et non une censure ordinaire — le patient ne peut plus avoir l’événement. Le simple KM surestime alors le taux d’événement non fatal. Quand la mortalité est non négligeable, estimez la fonction d’incidence cumulée avec des méthodes de risques concurrents plutôt qu’une courbe KM. Voir Risques concurrents.

Vous avez interprété un critère composite comme si une seule composante le pilotait. Un bénéfice de PFS ou d’EFS est un bénéfice sur le composite entier — progression et décès (et plus, pour l’EFS). Avant de revendiquer « le médicament retarde la progression », vérifiez les composantes : un composite peut paraître positif alors que la composante mortalité est stable ou même défavorable. Rapportez toujours la décomposition par composante aux côtés du composite.

Questions fréquentes

Survie globale vs survie sans progression — laquelle est meilleure ?

Aucune n’est universellement « meilleure » ; elles répondent à des questions différentes. La survie globale (OS) mesure le délai jusqu’au décès et est la référence absolue — objective, sans ambiguïté, et la revendication d’efficacité la plus forte — mais elle nécessite un suivi long et de grands échantillons. La survie sans progression (PFS) mesure le délai jusqu’à la progression ou le décès et se lit plus tôt, ce qui explique qu’elle soutienne l’approbation accélérée. Le compromis est que la PFS dépend de la façon dont la progression est définie et évaluée, de sorte qu’elle porte un biais de mesure et un biais lié au moment de l’évaluation que l’OS n’a pas. Choisissez l’OS quand la mortalité est le résultat clé et que le suivi est réalisable ; choisissez la PFS quand vous avez besoin d’une lecture plus précoce et que la progression est rigoureusement définie.

Quelle est la différence entre l’EFS et la PFS ?

Toutes deux comptent la progression et le décès comme événements, mais la survie sans événement (EFS) jette un filet plus large : elle compte aussi d’autres échecs pré-spécifiés — début d’un traitement hors protocole, une seconde tumeur maligne, un échec d’induction, une rechute — tandis que la survie sans progression (PFS) ne compte que la progression ou le décès. L’EFS capture la charge complète de l’échec thérapeutique (fréquent dans les essais pédiatriques et de maladies rares où plusieurs événements importent), au prix d’être un composite plus complexe et plus difficile à interpréter. La PFS est le critère oncologique le plus étroit et le plus standardisé.

Quelle est la différence entre la PFS et le TTP ?

La seule différence est la façon dont le décès est traité. La survie sans progression (PFS) compte le décès comme un événement (progression ou décès, le premier survenu). Le délai jusqu’à progression (TTP) ne compte que la progression et censure les décès. La PFS est généralement préférée parce que compter le décès garde le critère honnête — un traitement qui retarde la progression mais augmente la mortalité ne devrait pas paraître bon. Le TTP est utilisé surtout pour un signal anti-tumoral pur, avec la mortalité évaluée séparément, et parce que ses décès censurés sont un risque concurrent, il appelle généralement des méthodes de risques concurrents plutôt qu’un simple Kaplan-Meier.

Quand dois-je utiliser la survie sans maladie (DFS) ?

Utilisez la DFS dans le contexte adjuvant ou curatif, où les patients sont déjà sans maladie après la chirurgie (ou un autre traitement curatif) et le chronomètre mesure le délai jusqu’à la récidive ou le décès à partir de ce point. La DFS diffère de la PFS principalement par le temps zéro et la population : la PFS s’utilise quand une maladie mesurable est présente, la DFS quand elle a été retirée. La DFS est le critère standard dans les essais adjuvants en cancérologie — le jeu de données colon de cette leçon est exactement ce contexte.

Pourquoi la survie globale est-elle considérée comme la référence absolue ?

Parce qu’elle n’a aucune ambiguïté de mesure. Un décès est un décès — il n’y a pas de comité, pas de protocole de lecture de scanner, et pas de calendrier d’évaluation qui pourrait le biaiser, donc l’OS est exempte du biais lié au moment de l’évaluation qui affecte les critères fondés sur la progression. Cette objectivité est pourquoi tout régulateur majeur accepte l’OS sans validation supplémentaire et traite un bénéfice d’OS comme la démonstration définitive du bénéfice clinique. Son seul vrai inconvénient est pratique : elle nécessite un suivi long et de grandes tailles d’échantillon pour accumuler assez de décès.

Testez vos connaissances

Pratique

Exécutez-le. En utilisant les données colon, construisez la survie globale (décès, etype == 2) et le délai jusqu’à la récidive (récidives, etype == 1) et rapportez chaque médiane. Laquelle est plus courte, et pourquoi ?
Interprétez. Un essai rapporte un bénéfice PFS significatif (HR 0.62) mais un bénéfice OS non significatif (HR 0.88). En mots simples, qu’est-ce qui pourrait expliquer l’écart — et que vérifieriez-vous avant de revendiquer que le médicament « prolonge la vie » ?

Indice

Le critère de récidive compte un événement (la récidive) qui survient avant le décès chez la plupart des patients, donc son chronomètre s’arrête plus tôt — attendez-vous à une médiane plus courte. Pour la question 2, un schéma PFS-mais-pas-OS est courant : le médicament peut retarder la progression sans (encore) se traduire par une vie plus longue, l’OS peut être immature (trop peu de décès), ou les traitements post-progression peuvent diluer la différence d’OS. Vérifiez la maturité de l’OS (nombre d’événements et suivi), la décomposition par composante et le crossover.

Solution

library(survival)
os  <- colon[colon$etype == 2, ]
rec <- colon[colon$etype == 1, ]
summary(survfit(Surv(time, status) ~ 1, data = os))$table["median"]   # ~2552 days
summary(survfit(Surv(time, status) ~ 1, data = rec))$table["median"]  # shorter — recurrences precede death

Le délai jusqu’à récidive est plus court parce que la récidive est un événement plus précoce que le décès chez la plupart des patients — le chronomètre de l’événement s’arrête plus tôt. Pour la question 2 : une PFS significative avec une OS non significative signifie typiquement que le traitement retarde la progression mais n’a pas (encore) montré de gain de survie. Avant de revendiquer qu’il « prolonge la vie », vérifiez si l’OS est mature (assez de décès et de suivi), si des traitements post-progression ou le crossover ont dilué la comparaison d’OS, et la décomposition par composante du composite. Un bénéfice de PFS est réel et pertinent, mais ce n’est pas un bénéfice d’OS.

Vérification rapide

Un essai mesure le délai jusqu’à progression (TTP) et censure les patients qui décèdent avant de progresser. Dans cette cohorte, 30 % des patients décèdent sans jamais progresser. Pourquoi une simple estimation de Kaplan-Meier du TTP est-elle trompeuse ici, et que devriez-vous utiliser à la place ?

Afficher la réponse

Le décès est un risque concurrent, et non une censure ordinaire : un patient qui décède ne peut jamais progresser, pourtant le simple Kaplan-Meier traite les décès censurés comme s’ils pouvaient encore avoir l’événement. Avec 30 % décédant sans progression, cela surestime le vrai taux de progression. Utilisez une analyse de risques concurrents — la fonction d’incidence cumulée — qui tient correctement compte du décès comme événement concurrent. Voir Risques concurrents.

Conclusion

Une étude de survie n’a pas de résultat unique — elle a un critère que vous choisissez, et ce choix fixe l’événement, la censure, la taille d’échantillon, le suivi et ce que vous pouvez revendiquer. La survie globale est la référence absolue parce que le décès est sans ambiguïté, au prix du temps ; la survie sans progression échange un peu de cette objectivité contre une lecture plus rapide ; TTP, EFS, DFS et TTF élargissent ou rétrécissent l’ensemble d’événements pour des contextes spécifiques. Nous avons prouvé les enjeux sur des données réelles : les mêmes 929 patients atteints de cancer du côlon ont donné une médiane de 2552 jours sous survie globale mais de 1589 jours une fois les récidives comptées — la définition du critère, et non les patients, a déplacé la réponse de plusieurs années. Choisissez le critère qui est cliniquement pertinent, objectivement mesurable et réalisable, définissez ses règles d’événement et de censure avant de lever l’insu, et prenez garde aux pièges des événements concurrents et du temps immortel en chemin.

Leçons connexes

Qu’est-ce que l’analyse de survie ? — la censure et la fonction de survie, le fondement sur lequel cette leçon s’appuie. · Concevoir une étude de survie — transformer le choix du critère en un essai dimensionné et analysable. · Estimation de Kaplan-Meier — estimer la courbe, la médiane et l’intervalle de confiance pour le critère que vous choisissez. · Risques concurrents — la bonne méthode quand les décès (ou d’autres événements) concurrencent votre critère. · CDISC ADTTE & analyse réglementaire — comment le critère devient le jeu de données d’analyse de délai jusqu’à l’événement.
Pour aller plus loin : Analyse de survie — la série complète. · Biostatistique — le pilier.

Cette page vous a-t-elle été utile ?

Prouvez que vous savez le faire. Maîtrisez toute la série Analyse de survie en R — suivez votre parcours, construisez des projets et obtenez un certificat.

Commencer gratuitement →

Passez à Pro — Prova illimité sur vos propres données et un certificat vérifiable qui atteste la compétence.

dès 15 $/mois facturé annuellement

Passer à Pro →

✓ Vous êtes Pro — continuez. The runtime is the judge.

Prêt à passer à la vitesse supérieure ?

Essayez sur vos propres données avec Prova — the runtime is the judge.Ouvrir Prova →

Note

Chaque résultat de cette page a été produit par le code montré, exécuté au moment du build contre un environnement R figé — modifiez n’importe quel bloc et faites Run pour le reproduire vous-même.

Réutilisation

CC BY-NC-SA 4.0

Citation

BibTeX

@online{2026,
  author = {},
  title = {Choisir un critère de survie : OS vs PFS, EFS, TTP \& DFS},
  date = {2026-06-26},
  url = {https://www.datanovia.com/learn/biostatistics/survival-analysis/choosing-a-survival-endpoint},
  langid = {fr}
}

Veuillez citer ce travail comme suit :

“Choisir un critère de survie : OS vs PFS, EFS, TTP & DFS.” 2026. June 26. https://www.datanovia.com/learn/biostatistics/survival-analysis/choosing-a-survival-endpoint.