Conception d’un outil simple d'utilisation pour réaliser des analyses statistiques ajustées valorisant les données de cohortes observationnelles de pathologies chroniques : application à la cohorte DIVAT

par Florent Le Borgne

Thèse de doctorat en Recherche clinique, innovation technologique, santé publique

Sous la direction de Yohann Foucher et de Magali Giral.

Soutenue le 06-10-2016

à Nantes , dans le cadre de École doctorale Biologie-Santé Nantes-Angers , en partenariat avec SPHERE (laboratoire) et de Université Bretagne Loire (2016-2019) (COMUE) .

Le président du jury était Hélène Jacqmin-Gadda.

Le jury était composé de Delphine Maucort-Boulch.

Les rapporteurs étaient Hélène Jacqmin-Gadda, Raphaël Porcher.

mots clés

• Scores de propension
• Facteurs de confusion
• Données censurées
• Courbes ROC
• Analyse par cohorte
• Statistique médicale
• Rein -- Transplantation

Résumé

En recherche médicale, les cohortes permettent de mieux comprendre l'évolution d'une pathologie et d'améliorer la prise en charge des patients. La mise en évidence de liens de causalité entre certains facteurs de risque et l'évolution de l'état de santé des patients est possible grâce à des études étiologiques. L'analyse de cohortes permet aussi d'identifier des marqueurs pronostiques de l'évolution d'un état de santé. Cependant, les facteurs de confusion constituent souvent une source de biais importante dans l'interprétation des résultats des études étiologiques ou pronostiques. Dans ce manuscrit, nous présentons deux travaux de recherche en Biostatistique dans la thématique des scores de propension. Dans le premier travail, nous comparons les performances de différents modèles permettant d'évaluer la causalité d'une exposition sur l'incidence d'un événement en présence de données censurées à droite. Dans le second travail, nous proposons un estimateur de courbes ROC dépendantes du temps standardisées et pondérées permettant d'estimer la capacité prédictive d'un marqueur en prenant en compte les facteurs de confusion potentiels.En cohérence avec l'objectif de fournir des outils statistiques adaptés, nous présentons également dans ce manuscrit une application nommée Plug-Stat®. En lien direct avec la base de données, elle permet de réaliser des analyses statistiques adaptées à la pathologie afin de faciliter la recherche épidémiologique et de mieux valoriser les données de cohortes observationnelles.

mots clés

• Propensity score
• Confounding factors
• Censored data
• ROC curves

Titre traduit

Conception of an easy to use application allowing to perform adjusted statistical analysis for the valorization of observational data from cohorts of chronic disease : application to the DIVAT cohort

Résumé

In medical research, cohorts help to better understandthe evolution of a pathology and improve the care ofpatients. Causal associations between risk factors andoutcomes are regularly studied through etiological studies. Cohorts analysis also allow the identification of new markers for the prediction of the patient evolution.However, confounding factors are often source of bias in the interpretation of the results of etiologic or prognostic studies.In this manuscript, we presented two research works in Biostatistics, the common topic being propensity scores.In the first work, we compared the performances of different models allowing to evaluate the causality of an exposure on an outcome in the presence of rightc ensored data. In the second work, we proposed anestimator of standardized and weighted time-dependentROC curves. This estimator provides a measure of theprognostic capacities of a marker by taking into accountthe possible confounding factors. Consistent with our objective to provide adapted statistical tools, we also present in this manuscript an application, so-calledPlug-Stat®. Directly linked with the database, it allows toperform statistical analyses adapted to the pathology in order to facilitate epidemiological studies and improve the valorization of data from observational cohorts.