Modelisation des données longitudinales complexes en épidémiologie
par Emmanuelle Deslandes
Thèse de doctorat en Biomathématiques
Sous la direction de Sylvie Chevret.
Soutenue en 2010
à Paris 6 .
mots clés-
Résumé
L'étude de l'évolution et de la valeur pronostique des marqueurs longitudinaux est très fréquente en médecine. Ce travail s'est centré sur la modélisation de données longitudinales en présence de données manquantes ou censure informative à droite. Notre objectif premier a été d'évaluer si un marqueur mesuré de façon répétée au cours du temps pouvait être utilisé comme critère de substitution lors de l'évaluation de l'efficacité d'un nouveau traitement dans le cadre d'un essai thérapeutique. Le premier développement a été de comparer deux stratégies de modélisation pour ces données longitudinales et de survie : un modèle multi-état décrivant les trajectoires des malades entre différents compartiments définis par la valeur du marqueur et la censure informative, et un modèle conjoint du processus longitudinal et du délai de censure informative. Puis, nous avons modélisé l'évolution d'un marqueur en présence de censure informative. Nous proposons une modélisation conjointe des données longitudinales et des données de survie multivariée, lorsque le sous-modèle de survie est un modèle paramétrique pour les fonctions de risque de sous-répartition des événements en compétition. Nous nous sommes alors placés dans un contexte d'inférence bayesienne. Chaque développement a fait l'objet d'une application en épidémiologie clinique, que ce soit dans l'étude de la lymphocytose comme critère de substitution de l'efficacité d'un traitement dans la leucémie, ou dans l'évaluation du bénéfice du remplissage vasculaire chez des malades de réanimation sur un score de gravité mesuré pendant leur séjour
-
Titre traduit
Modeling complex longitudinal data in epidemiology
-
Pas de résumé disponible.
