Modèles statistiques pour l'étude de la progression de la maladie rénale chronique

Statistical models to study progression of chronic kidney disease

• Auteur / Autrice : Julie Boucquemont
• Direction : Karen Leffondré
• Type : Thèse de doctorat
• Discipline(s) : Santé publique - option : Biostatistique
• Date : Soutenance le 15/12/2014
• Etablissement(s) : Bordeaux
• Ecole(s) doctorale(s) : École doctorale Sociétés, politique, santé publique (Bordeaux)
• Partenaire(s) de recherche : Etablissement d'accueil : Université Bordeaux-II (1971-2013)
• Partenaire(s) de recherche : Laboratoire : Université de Bordeaux. Centre de recherche en épidémiologie et biostatistique
• Jury : Président / Présidente : Hélène Jacqmin-Gadda
• Jury : Examinateurs / Examinatrices : Christian Combe, Emmanuel Villar
• Jury : Rapporteurs / Rapporteuses : Paul Landais, Yohann Foucher

Mots clés

Mots clés contrôlés

Méthodes statistiques

Santé publique

Maladies rénales

Mots clés libres

Maladie rénale chronique

Débit de filtration glomérulaire

Censure par intervalle

Risques compétitifs

Modèle linéaire mixte à classes latentes

Chronic kidney disease

Glomerular filtration rate

Interval censoring

Competing risks

Latent class linear mixed model

Résumé

Cette thèse avait pour but d'illustrer l'intérêt de méthodes statistiques avancées lorsqu'on s'in­ téresse aux associations entre différents facteurs et la progression de la maladie rénale chronique (MRC). Dans un premier temps, une revue de la littérature a été effectuée alin d'identifier les méthodes classiquement utilisées pour étudier les facteurs de progression de la MRC ; leurs limites et des méthodes permettant de mieux prendre en compte ces limites ont été discutées. Notre second travail s'est concentré sur les analyses de données de survie et la prise en compte de la censure par intervalle, qui survient lorsque l'évènement d'intérêt est la progression vers un stade spécifique de la MRC, et le risque compétitif avec le décès. Une comparaison entre des modèles de survie standards et le modêle illness-death pour données censurées par intervalle nous a permis d'illustrer l'impact de la modélisation choisie sur les estimations à la fois des effets des facteurs de risque et des probabilités d'évènements, à partir des données de la cohorte NephroTest. Les autres travaux ont porté sur les analyses de données longitudinales de la fonction rénale. Nous avons illustré l'intérêt du modèle linéaire mixte dans ce contexte et présenté son extension pour la prise en compte de sous-populations de trajectoires de la fonction rénale différentes. Nous avons ainsi identifier cinq classes, dont une avec un déclin très rapide et une autre avec une amélioration de la fonction rénale au cours du temps. Des perspectives de travaux liés à la prédiction permettent enfin de lier les deux types d'analyses présentées dans la thèse.

The objective of this thesis was to illustrate the benefit of using advanced statistical methods to study associations between risk factors and chrouic kidney disease (CKD) progression. In a first time, we conducted a literature review of statistical methods used to investigate risk factors of CKD progression, identified important methodological issues, and discussed solutions. In our sec­ ond work, we focused on survival analyses and issues with interval-censoring, which occurs when the event of interest is the progression to a specifie CKD stage, and competing risk with death. A comparison between standard survival models and the illness-death mode! for interval-censored data allowed us to illustrate the impact of modeling on the estimates of both the effects of risk factors and the probabilities of events, using data from the NephroTest cohort. Other works fo­ cused on analysis of longitudinal data on renal function. We illustrated the interest of linear mixed mode! in this context and presented its extension to account for sub-populations with different trajectories of renal function. We identified five classes, including one with a strong decline and one with an improvement of renal function over time. Severa! perspectives on predictions bind the two types of analyses presented in this thesis.