Méthodes de gestion des données manquantes en épidémiologie. : Application en cancérologie

Methods for handling missing data in epidemiology : application in oncology

• Auteur / Autrice : Noémie Resseguier
• Direction : Roch Giorgi
• Type : Thèse de doctorat
• Discipline(s) : Pathologie humaine. Recherche clinique et santé publique
• Date : Soutenance le 04/12/2013
• Etablissement(s) : Aix-Marseille
• Ecole(s) doctorale(s) : Ecole Doctorale Sciences de la Vie et de la Santé (Marseille)
• Partenaire(s) de recherche : Laboratoire : Sciences économiques et sociales de la santé & traitement de l’information médicale (Marseille)
• Jury : Président / Présidente : Nicolas Molinari
• Jury : Examinateurs / Examinatrices : Roch Giorgi, Bruno Falissard, Bernard Asselain, Claire Julian-Reynier, Lionel Dany
• Jury : Rapporteurs / Rapporteuses : Bruno Falissard, Bernard Asselain

Mots clés

Mots clés contrôlés

Oncologie médicale

Sensibilité et spécificité

Biais (épidémiologie)

Études épidémiologiques

Interprétation statistique de données

Psychométrie

Études d'évaluation

Mots clés libres

Données manquantes

Analyse de sensibilité

Cancérologie

Mesures subjectives

Missing data

Sensitivity analysis

Oncology

Subjective measurements

Résumé

La problématique de la gestion des données manquantes dans les études épidémiologiques est un sujet qui intéressera tous les chercheurs impliqués dans l’analyse des données recueillies et dans l’interprétation des résultats issus de ces analyses. Et même si la question de la gestion des données manquantes et de leur impact sur la validité des résultats obtenus est souvent discutée, cesont souvent les méthodes de traitement des données manquantes les plus simples mais pas toujours les plus valides qui sont utilisées en pratique. L’utilisation de chacune de ces méthodes suppose un certain nombre d’hypothèses sous lesquelles les résultats obtenus sont valides, mais il n’est pas toujours possible de tester ces hypothèses. L’objectif de ce travail était (i) de proposer une revue des différentes méthodes de traitement des données manquantes utilisées en épidémiologie en discutant les avantages et les limites de chacune de ces méthodes, (ii) de proposer une stratégie d’analyse afin d’étudier la robustesse des résultats obtenues via les méthodes classiques de traitement des données manquantes à l’écart aux hypothèses qui, bien que non testables, sont nécessaires à la validité de ces résultats, et (iii) de proposer quelques applications sur des données réelles des différents point discutés dans les deux premières parties.

The issue of how to deal with missing data in epidemiological studies is a topic which concerns every researcher involved in the analysis of collected data and in the interpretation of the results produced by these analyses. And even if the issue of the handling of missing data and of their impact on the validity of the results is often discussed, simple, but not always appropriate methods to deal with missing data are commonly used. The use of each of these methods is based on some hypotheses under which the obtained results are valid, but it is not always possible to test these hypotheses. The objective of this work was (i) to propose a review of various methods to handle missing data used in the field of epidemiology, and to discuss the advantages and disadvantages of each of these methods, (ii) to propose a strategy of analysis in order to study the robustness of the results obtained via classical methods to handle missing data to the departure from hypotheses which are required for the validity of these results, although they are not testable, and (iii) to propose some applications on real data of the issues discussed in the first two sections.