Le prix de la Revue canadienne de statistique est décerné chaque année par la SSC à l’auteur ou aux auteurs d’un article publié l’année précédente dans la revue, en reconnaissance de la qualité exceptionnelle de l’innovation méthodologique et de la présentation de l’article.
Li Xing est professeure adjointe au Département de mathématiques et de statistique de l’Université de Saskatchewan, à Saskatoon, au Canada. Elle a obtenu un doctorat en statistique de l’Université de Colombie-Britannique (2014). Ses recherches portent sur le développement méthodologique en science des données statistiques et sur la mise en œuvre de logiciels.
Xuekui Zhang est titulaire d’une chaire de recherche du Canada (niveau 2) en bioinformatique et biostatistique et professeur adjoint de statistique à l’Université de Victoria. Ses recherches portent sur le développement de méthodes et de logiciels statistiques pour l’analyse des données génomiques et d’autres problèmes de mégadonnées.
Igor Burstyn est professeur agrégé en santé environnementale et professionnelle à l’Université Drexel de Philadelphie, aux États-Unis. Il est titulaire d’un doctorat en santé environnementale et professionnelle à l’Université d’Utrecht, aux Pays-Bas (2001). Sa formation de premier cycle est en microbiologie, et il est titulaire d’une maîtrise en sciences de l’hygiène du travail (tous deux de l’Université de Colombie-Britannique, Canada). Sa contribution aux progrès méthodologiques en épidémiologie a été reconnue par le prix de l’American College of Epidemiology pour sa contribution exceptionnelle à l’épidémiologie (2019).
Paul Gustafson est professeur et directeur du Département de statistique de l’Université de Colombie-Britannique, à Vancouver. Ses recherches portent sur les méthodes bayésiennes, l’inférence causale, la synthèse de données probantes, l’erreur de mesure et l’identification partielle.
«À Li Xing (Université de Saskatchewan), Xuekui Zhang (Université de Victoria), Igor Burstyn (Université Drexel) et Paul Gustafson (Université de Colombie-Britannique) pour leur article intitulé « On Logistic Box-Cox Regression for Flexibly Estimating the Shape and Strength of Exposure-Disease Relationships », paru dans La revue canadienne de statistique, volume 49, numéro 3, 2021, pages 808-825.»
Cet article traite de questions complexes, très importantes pour les applications épidémiologiques, concernant l’inférence et la forme de la relation entre une variable d’exposition continue et une variable de maladie binaire. Une famille de relations exposition-maladie indexée par un paramètre de forme basé sur la transformation Box-Cox est employée. Les principaux avantages de l’utilisation de ce modèle sont clairement expliqués. Cet article a attiré notre attention en raison de son élégante combinaison de résultats théoriques et pratiques et de son potentiel évident pour les applications épidémiologiques.