Aller au contenu principal
 
Méthodes statistiques pour analyse des données sur le cancer 
Président: Gregory Pond (McMaster University)
Responsable: Amy Liu (Cancer Care Ontario) 
[PDF]
PATRICK BROWN, University of Toronto
Les statistiques spatiales avec les données des registres du cancer  [PDF]
 
Les données spatiales dans les registres du cancer sont malcommodes; la qualité des données et la confidentialité rend nécessaire que les données soient disponibles au niveau régional seulement et les données avec faibles fréquences sont supprimées. Les modèles spatiaux au niveau de la région peuvent donner des résultats changeant avec la résolution spatiale, un phénomène nommé << problème de l'unité de la zone modifiable >>. Considérer les données spatiales agrégées comme points censurés élimine ce problème, l'agrégation réduisant la puissance sans induire de biais. Cette approche sera illustrée avec: un modèle de processus ponctuel pour les données sur le cancer avec emplacements exacts; un lissage << local-EM >> pour les dénombrements de cas agrégés; et un modèle spatialement discret pour dénombrements censurés. 
 
KAREN KOPCIUK, University of Calgary
Estimation du risque dans les données familiales [PDF]
 
L'estimation du risque chez les familles porteuses d'une mutation génétique qui les prédispose à certains types de cancer présente divers défis statistiques~: (a) les familles sont identifiées et sélectionnées directement dans les registres des maladies, les centres anticancéreux à haut risque ou à l'aide de plans d'échantillonnage à deux degrés, (b) des informations génétiques manquent ou sont inconnues pour certains gènes putatifs, (c) il existe une corrélation familiale résiduelle si d'autres gènes à risque ou facteurs environnementaux sont partagés, et (d) les cancers séquentiels sont fréquents. Les modèles doivent tenir compte de ces éléments pour l'étude d'événements de type «~âge au diagnostic~» et tenir compte des interventions directes dans le processus de la maladie. Nous décrivons des modèles de risque génétique et de maladie que nous avons développé pour les données familiales et notre nouveau progiciel R, FamEvent. 
 
OLLI SAARELA, University of Toronto
Nouvelle méthode de vraisemblance partielle pondérée pour l'estimation des modèles de risques structurels marginaux  [PDF]
 
Dans les modèles structurels marginaux de Cox, les paramètres peuvent être estimés par une vraisemblance partielle de Cox pondérée selon la probabilité de traitement et de censure (IPTC). Nous proposons une autre vraisemblance partielle pondérée pour l'estimation flexible des modèles de risques structurels marginaux paramétriques, fondée sur un échantillonnage des personnes-moments selon une approche basée sur les cas, résultant en une fonction d'estimation sous la forme de régression logistique. Cela permet une estimation des risques absolus et l'utilisation de poids IPTC en temps continu. En ce qui concerne la commodité computationnelle, la méthode proposée ressemble à la méthode de régression logistique groupée en temps discret conventionnelle, mais elle fonctionne en temps continu. Nous étudions les propriétés de l'estimateur résultant à la fois en théorie et via des simulations et illustrons la méthode en modélisant les effets de procédures de traitement répétées chez des patients atteints de cancer.