Méthodes statistiques pour l'inférence causale dans les études de cohortes en présence de données longitudinales : applications au vieillissement

par Kateline Le bourdonnec

Projet de thèse en Santé publique Option Biostatistiques

Sous la direction de Cecile Proust-lima.

Thèses en préparation à Bordeaux , dans le cadre de Sociétés, Politique, Santé Publique , en partenariat avec Bordeaux Research Center for Population Health (laboratoire) et de E5 - Biostatistics (equipe de recherche) depuis le 02-10-2020 .


  • Résumé

    L'épidémiologie du vieillissement pose de nombreux problèmes statistiques. Aujourd'hui certains problèmes peuvent être traités grâce à des méthodologies statistiques adaptées. Toutefois, la recherche de facteurs impactant de façon causale le processus de vieillissement dans les études de cohorte observationnelles ainsi que la compréhension des voies d'action causales de ces facteurs restent encore limitées par la rareté voire l'absence de méthodes d'inférence causale adaptées aux données longitudinales. Cette thèse vise à traiter des problèmes statistiques cruciaux, en définissant des outils statistiques d'inférence causale pour l'étude des facteurs de risque du vieillissement et des mécanismes sous-jacents dans un cadre longitudinal.

  • Titre traduit

    Statistical methods for causal inference in cohort studies with longitudinal data: applications to aging


  • Résumé

    The epidemiology of ageing presents many statistical problems. Currently, some of these problems can be handled using appropriate statistical methodologies. However, the search for causal factors in the ageing process in observational cohort studies and the understanding of the causal pathways of action of these factors are still limited by the lack or absence of causal inference methods adapted to longitudinal data. This thesis aims to address these crucial statistical problems by defining statistical tools for causal inference for the study of risk factors for ageing and the underlying mechanisms in a longitudinal context.