Développements récents dans la modélisation conjointe de types de résultats mixtes
Président: Xin (Cindy) Feng
Responsable: Xin (Cindy) Feng
Commanditaires: Groupe de biostatistique

[mardi le 13 juin, 2017 15h30-17h00]

15h30-16h00
Charmaine B. Dean (University of Western Ontario)
Analyse conjointe de variables de dénombrement longitudinales à surreprésentation de zéros avec application à la compréhension du renoncement de la criminalité
 

Les modèles de régression pour les données de dénombrement à surreprésentation de zéros doivent souvent prendre en considération la corrélation à l’intérieur même du sujet ainsi que l’hétérogénéité entre individus. Les modèles à effets aléatoires sont d'ailleurs souvent utilisés pour incorporer des structures de corrélation complexes. Lorsque plusieurs variables dépendantes longitudinales de dénombrement à surreprésentation de zéros sont étudiés conjointement, un excès de zéros peut provenir de plusieurs sources distinctes. C’est le cas de l’étude des structures et des mécanismes du processus de renoncement des activités criminelles. L’analyse des données longitudinales du comportement criminel illustre le besoin de développer des méthodes pour les données longitudinales discrètes multivariées, permettant l’incorporation de variables d’exposition modulantes ainsi que de prendre en compte plusieurs sources possibles de surreprésentation de zéros. Il existe des complications supplémentaires, comme par exemple la collecte de certaines variables qui était interdite dans le passé dans les endroits sécurisés, ainsi que des effets de reports d’interventions pour certaines variables, et des éléments générateurs du processus sous-jacents qui peuvent se résoudre pour certains individus.

16h00-16h30 
Dongsheng Tu, Hui Song (Dalian University of Technology), Yingwei Peng (Queen’s University) 
Modélisation conjointe de mesures proportionnelles longitudinales et de temps de survie avec fraction de guérison

Lors d’études cliniques sur le cancer et autres études médicales, les mesures longitudinales et les données sur le temps d'événements (temps de survie) sont souvent recueillies chez les mêmes patients. Des analyses conjointes de ces données amélioreraient l’efficacité des inférences statistiques. Nous proposons un nouveau modèle conjoint pour les mesures proportionnelles longitudinales qui sont restreintes dans un intervalle fini et pour les temps de survie avec une fraction de guérison potentielle. Une vraisemblance conjointe pénalisée est dérivée en se basant sur l’approximation de Laplace et une procédure semi paramétrique basée sur cette vraisemblance est développée pour estimer les paramètres du modèle conjoint. Une étude de simulation est réalisée pour évaluer les propriétés statistiques des procédures proposées. Le modèle proposé est appliqué aux données d’un essai clinique sur le cancer du sein précoce.

16h30-17h00 
Elizabeth Juarez-Colunga (University of Colorado Denver), Brandie Wagner (University of Colorado Denver), Edith Zemanick (University of Colorado Denver) 
Analyse conjointe d’une variable longitudinale binaire et d’événements récurrents avec une application sur la fibrose kystique

Chez les personnes atteintes de la fibrose kystique, les infections à Pseudomonas aeruginosa (Pa) chroniques sont associées à de très mauvais résultats cliniques dont des exacerbations pulmonaires (PE) plus fréquentes. Les PE sont elles-mêmes une des causes principales de morbidité chez les personnes atteintes de la fibrose kystique et représentent d’importants paramètres lors d’essais cliniques sur cette maladie. Cet exposé discute des modèles conjoints qui permettent une compréhension de la co-dépendance entre la progression de l’infection Pa et les PE récurrents à travers le temps. À l’aide de données provenant de l’étude en cours Early Pseudomonas Infection Control, nous proposons un modèle conjoint construit à l’intérieur du cadre des modèles de chaînes de Markov cachées qui permet de modéliser la progression de l'infection Pa. Nous proposons aussi des modèles dynamiques d’événements récurrents pour modéliser la récurrence des PE. D’autres défis sont abordés, comme les valeurs manquantes et le désalignement des covariables, l’aspect dynamique de la récurrence des PE et l’aspect latent des différents stades de l'infection Pa.