2016-Biostatistique : nouvelles stratégies d'inférence

Biostatistique : nouvelles stratégies d'inférence 
Président: Karen Kopciuk (University of Calgary) 
[PDF]
CHRISTOPHER GRAVEL, McGill University
Estimation pondérée selon la probabilité inverse pour les données binaires confondues avec classification erronée du résultat  [PDF]
 
Nous considérons une étude avec une exposition et un résultat binaires, sous réserve de confusion et de classification erronée de la variable de résultat. Nous utilisons la pondération selon la probabilité inverse et un échantillonnage interne de validation pour rééquilibrer les covariables entre les groupes de traitement tout en atténuant le biais attribuable à la classification erronée. Nous discutons de plusieurs plans d'échantillonnage de validation et d'une approche de Monte-Carlo pour approximer la détermination de la taille d'échantillon optimale. Un bootstrap paramétrique est utilisé pour l'estimation de la variance. Nous explorons les propriétés des échantillons finis des estimateurs pondérés à l'aide de simulations, avec une attention particulière pour l'efficacité relative des différents plans d'échantillonnage pour la validation. Nous démontrons l'utilisation des méthodes à l'aide d'un exemple qui utilise des données administratives. 
 
QIUGUANG SANG, University of New Brunswick
Modèles composés mixtes bayésiens de Poisson pour des données longitudinales semi-continues manquantes de façon non-ignorable  [PDF]
 
Les données longitudinales semi-continues, qui contiennent généralement un bon nombre de zéros, sont courantes dans les études biomédicales, économétriques et sur la santé. La présence de valeurs manquantes pose des difficultés supplémentaires dans l'analyse de données. Dans cet exposé, nous proposons un modèle composé mixte de Poisson de Tweedie afin d'incorporer de façon intégrative des observations positives et des zéros. Nous utilisons un modèle de sélection pour données manquantes. Nous effectuons une étude de simulation pour évaluer l'efficacité de la méthode proposée et l'illustrons par une nouvelle analyse d'un jeu de données sur l'apport en fluorure. 
 
FARHAD SHOKOOHI, McGill University
Sélection de traits pour des données de temps d'événement hétérogènes et de grande dimension; étude sur le cancer de l'ovaire  [PDF]
 
Le cancer de l'ovaire est parmi les causes principales de décès par cancer. La méthylation de l'ADN peut faire partie d'une signature génétique pour le temps de survie. Il est pertinent d'étudier comment la récurrence de la maladie est reliée à la méthylation des promoteurs de gènes. Nous avons mené une étude sur la relation entre les gènes et le temps de récurrence du cancer de l'ovaire. Les observations sont censurées à droite et présentent des signes d'hétérogénéité. Nous considérons un mélange fini du modèle de temps de défaillance accéléré et nous appliquons des méthodes de dépistage et de pénalisation. Les propriétés de la méthode proposée sont étudiées de façon théorique ainsi que par des simulations. Nous présentons aussi les résultats de l'analyse de données. 
 
MENG ZHAO, McGill University
Application du processus de tendance-renouvellement (PTR) aux blessures sportives récurrentes  [PDF]
 
Les deux cadres classiques de la modélisation basée sur l'intensité des événements récurrents sont le processus de renouvellement et le processus de Poisson, chacun décrivant respectivement la « réparation intégrale » et la « réparation minimale » après chaque défaillance. Ces deux extrêmes sont souvent inadéquats pour la modélisation des blessures sportives récurrentes. Mis au point par B.H. Lindqvist, le processus de tendance-renouvellement constitue un élégant compromis mathématique entre les deux et les inclut comme cas particuliers. Jusqu'à tout récemment, il n'a été appliqué qu'en matière de fiabilité. Nous traitons d'une nouvelle interprétation pratique des paramètres dans un PTR paramétrique et en évaluons l'inférence en échantillon fini, mettant l'accent sur sa pertinence pour la modélisation des blessures sportives récurrentes.