Récents développements en biostatistique
Président : Xikui Wang 
Responsable : Xikui Wang 
Commanditaires: Groupe de biostatistique 

[lundi le 12 juin, 2017 13h30-15h00]

13h30-14h00 
Peter X. Song (University of Michigan), Ling Zhou (University of Michigan) 
Fonctions d’estimation des intervalles de confiance pour l’intégration de données

La théorie de l’inférence statistique ainsi que la stratégie d’analyse de données à grande échelle de division et de combinaison a récemment suscité un grand intérêt en raison de la popularité du schéma MapReduce. La clé du développement d’une inférence statistique réside dans la méthode de combinaison des résultats produits à partir de lots de données cartographiés séparément. Nous nous penchons sur une méthodologie inférentielle générale qui s’appuie sur des fonctions d’estimation. Ces fonctions nous permettent d’effectuer, au moyen de MapReduce, des analyses de régression de grandes quantités de données complexes, comme des données longitudinales, des données de survie et une régression quantile qui ne peuvent pas être effectuées avec la méthode de maximum de vraisemblance. L’inférence statistique proposée hérite de nombreuses propriétés essentielles sous grands échantillons des fonctions d’estimation. Nous montrons également que la méthode proposée est étroitement liée à la méthode généralisée des moments. Nous illustrons notre méthode, qui offre un cadre unifié pour de nombreux genres de modèles statistiques et de données, par des exemples numériques d’études et d’analyses de données réelles et de simulation.

14h00-14h30
Mikelis Guntars Bickis (University of Saskatchewan), Naeima Ashleik (University of Saskatchewan), Juxin Liu (University of Saskatchewan)
Inférence à partir de données de survie au moyen de probabilités imprécises​ 

La probabilité imprécise est une généralisation de l’approche probabiliste de de Finetti que Williams a formalisée (1975) et que Walley a examinée en profondeur dans une monographie (1991) avant de présenter ses idées dans un article de discussion dans le Journal of the Royal Statistical Society (1996). La méthodologie peut être interprétée comme une analyse de sensibilité de Bayes au moyen d’un ensemble de lois a priori. Dans cet article de 1996, Walley a présenté une forme pratique d’inférence sur des données discrètes au moyen d’une famille de lois a priori de Dirichlet et d’un paramètre de concentration fixe. Il a également proposé d’utiliser cette forme d’inférence pour des données de survie au moyen d’une discrétisation. Coolen (1997) a étendu le modèle de Walley et Yan (2004) pour permettre une censure, et Coolen et Yan (2004) ont proposé un paradigme d’inférence prédictive non paramétrique qui a également mené à des conclusions de probabilité imprécise. Bickis (2009) a utilisé des concepts de probabilité imprécise pour estimer la fonction de risque. Après avoir passé examiné la méthodologie, nous présenterons une version de probabilité imprécise du test logarithmique par rangs qui produira une séquence de données a posteriori imprécise au moment de chaque décès.

14:30-15:00 
J. Jack Lee (University of Texas MD Anderson Cancer Center) 
Plans d’expérience adaptatifs bayésiens pour le développement de médicaments efficaces et une oncologie de précision 

L’essai clinique est un processus d’apprentissage prescrit. Les méthodes bayésiennes adoptent l’approche « d’apprentissage au fil du temps » et sont singulièrement adaptées à cet apprentissage. Au cours des dernières années, les progrès considérables réalisés dans le domaine médical ont nécessité des méthodes innovantes afin de trouver le plus rapidement et le plus efficacement possible de meilleures thérapies, ainsi que la population la plus appropriée. Je vais d’abord illustrer le concept de la mise à jour et de l’inférence bayésiennes, puis je donnerai un aperçu des plans d’expérience adaptatifs bayésiens en ce qui concerne l’établissement de la posologie, la probabilité prédictive, le plan par plateforme multi-bras et la randomisation adaptative à la réponse, etc. Nous présenterons des applications, notamment les essais BATTLE sur le cancer du poumon et les essais I-SPY sur le cancer du sein. Des plans d’expérience adaptatifs bayésiens permettent non seulement d’augmenter l’efficacité de l’étude, de mener plus facilement des essais et de traiter davantage de patients au moyen de traitements plus efficaces dans l’essai, mais ils possèdent également des propriétés fréquentistes souhaitables. Nous présenterons les perspectives en ce qui concerne les progrès à venir dans la conception, la conduite et l’évaluation d’essais pour faciliter et accélérer l’approbation des médicaments