Télécharger le texte intégral

More documents

Recommendations

Info

Chapitre 1IntroductionL’analyse des données de survie étudie le délai jusqu’à l’apparition d’un événementpour un ensemble d’individus. A l’origine, cet événement désignait le “décès” mais d’autresévénements peuvent être considérés tels que la survenue d’une maladie en épidémiologie, lasurvenue d’une panne dans les applications industrielles, l’acceptation d’une offre d’emploipour une personne au chômage en économie, ou le mariage en démographie. Lesmodèles classiquement utilisés en analyse de survie supposent l’indépendance des tempsde survie (au moins conditionnellement à un ensemble de variables explicatives observées).Il est raisonnable de penser que cette hypothèse peut être remise en cause lorsque l’onétudie des groupes de sujets (familles, hôpitaux, zones géographiques) qui partagent unmême environnement (alimentation, niveau de radon, style de vie) ou qui ont en commundes facteurs de risque génétiques. La présente recherche en biostatistique a été motivéepar une étude épidémiologique particulière qui présente des données groupées en zonesgéographiques, l’enquête Paquid réalisée dans l’Unité INSERM 330.1.1 Problématique épidémiologiqueLes connaissances sur l’étiologie de la démence ou plus particulièrement de la maladied’Alzheimer sont encore très incomplètes. Dans cette maladie multifactorielle, denombreux facteurs de risque ont été étudiés et certains facteurs de risque génétiques ontété identifiés, mais ils sont loin d’expliquer l’ensemble des cas de démence. L’aluminium,de part sa neurotoxicité, pourrait être un facteur de risque environnemental associé à ladémence. En effet, l’hypothèse d’un rôle toxique de l’aluminium dans la démence reposesur plusieurs arguments [83]. Il a été montré en particulier chez les personnes dialysées, que2
l’aluminium de l’eau du dialysat pouvait pénétrer dans le cerveau de patients et conduiredans les cas les plus graves à des encéphalopathies [5]. Plusieurs études épidémiologiquesont été également menées sur l’effet de l’aluminium dans la démence mais elles n’ont paspermis de conduire à un consensus [64, 66, 65, 33].Un objectif de la cohorte Paquid est d’étudier les facteurs de risque associés à ladémence, chez 3777 personnes de plus de 65 ans domiciliées dans les départements deDordogne et de Gironde. La cohorte Paquid, réalisée dans 75 sites géographiques, renfermaitune structure d’échantillon unique et très adaptée pour analyser la relation entre ladémence et un facteur environnemental comme l’aluminium de l’eau de boisson. En effet,dans cette cohorte nous disposions d’une grande variabilité géographique de la mesured’exposition environnementale.Nous souhaitions donc réaliser une analyse de survie sur les démences incidentes dans lacohorte Paquid. Cependant une des caractéristiques de l’échantillon de la cohorte Paquidest un regroupement des individus en zones géographiques (ou communes). Ainsi, lessujets d’un même groupe qui peuvent partager la même exposition environnementale,ou une même structure socio-démographique (rural vs urbain) ou des mêmes facteursgénétiques (sur des grandes familles) risquent d’être plus semblables que des sujets degroupes différents. Il existait donc une potentielle corrélation ou dépendance des tempsde survie dans chaque groupe de la cohorte, ou une hétérogénéité des temps de survie entregroupes. Le modèle de Cox, classiquement utilisé en analyse de survie, fait une hypothèsed’indépendance des temps de survie or cette hypothèse risque de ne plus être valide dansle cas des données groupées. L’utilisation sur des données corrélées d’un modèle de Coxconçu pour l’analyse de données indépendantes peut biaiser les paramètres de régressionet lorsque la variable explicative est spécifique à chaque groupe, elle conduit à une sousestimationde la variance de l’estimateur du paramètre. La structure de l’échantillon dela cohorte Paquid nous a donc amené à considérer des méthodes d’analyses de survieadaptées aux données corrélées. Dans la suite de l’exposé nous parlerons de temps desurvie pour désigner des temps de survenue d’une maladie ou des temps de décès.
Page 1 and 2: Université Victor Segalen - Bordea
Page 3 and 4: A Monsieur le Professeur Roger Sala
Page 5 and 6: Mes remerciements les plus chaleure
Page 7 and 8: 3 Approche par vraisemblance pénal
Page 9: RésuméLes modèles classiquement
Page 13 and 14: même groupe pour expliquer cette h
Page 15 and 16: Dans des essais thérapeutiques, on
Page 17 and 18: Chapitre 2Modèles de survie pour d
Page 19 and 20: dans la vraisemblance. De plus la c
Page 21 and 22: sont tronquées à droite car les s
Page 23 and 24: 2.1.3 EstimationConstruction de la
Page 25 and 26: (lorsque les intervalles de temps p
Page 27 and 28: à risque en t j , et sachant qu’
Page 29 and 30: 2.2.1 Le modèleOn considère T ij
Page 31 and 32: pour ˆβ devient ˆV , l’estimat
Page 33 and 34: La fonction de risque marginale (ou
Page 35 and 36: D’après l’équation (2.9) il a
Page 37 and 38: n’existent pas.Enfin, lorsque tou
Page 39 and 40: 2.3.3 Modèle à fragilité corrél
Page 41 and 42: Dans le modèle à fragilité, les
Page 43 and 44: Le schéma d’estimation peut êtr
Page 45 and 46: ẑ l les valeurs moyennes des vari
Page 47 and 48: Estimation dans le modèle à fragi
Page 49 and 50: Chapitre 3Approche par vraisemblanc
Page 51 and 52: une valeur élevée de ∫ λ ′
Page 53 and 54: 3.2 Approximation par splines de la
Page 55 and 56: des nœuds on augmente le nombre de
Page 57 and 58: modèle. Ainsi, le nombre de degré
Page 59 and 60: Dans un modèle à risques proporti
Page 61 and 62:
On peut donc approcher la matrice d
Page 63 and 64:
Par exemple, si κ n = o p (n) =
Page 65 and 66:
de risque en tout temps étant appr
Page 67 and 68:
Chapitre 4Etude par simulations4.1
Page 69 and 70:
Le nombre de nœuds était fixé à
Page 71 and 72:
simulations obtenus par Nielsen [70
Page 73 and 74:
première espèce très proche de 5
Page 75 and 76:
Tab. 4.2 - Estimations de ˆθ pour
Page 77 and 78:
Tab. 4.4 - Estimations de θ pour G
Page 79 and 80:
Tab. 4.6 - Résultats des simulatio
Page 81 and 82:
isque de base a été estimée à p
Page 83 and 84:
Fig. 4.2 - Fonction de risque margi
Page 85 and 86:
Fig. 4.3 - Fonction de risque de ba
Page 87 and 88:
Fig. 4.5 - Fonction de risque de ba
Page 89 and 90:
5.2 Hypothèse de la relation alumi
Page 91 and 92:
cohorte Paquid et elles étudiaient
Page 93 and 94:
5.4 Analyse des données groupées
Page 95 and 96:
ces deux variables sont distribuée
Page 97 and 98:
Tab. 5.1 - Comparaison entre le mod
Page 99 and 100:
Fig. 5.2 - Incidence de la démence
Page 101 and 102:
Nous n’avons pas envisagé de dé
Page 103 and 104:
géographique comme celle de Paquid
Page 105 and 106:
Bibliographie[1] Aalen OO. Nonparam
Page 107 and 108:
[24] Cox DR. Regression models and
Page 109 and 110:
[52] Kaplan EL, Meier P. Nonparamet
Page 111 and 112:
[78] Rifat S, Eastwood MR, McLachla
Page 113:
Annexe ATaux d’incidence de la d
show all

Télécharger le texte intégral

Create successful ePaper yourself

Delete template?

Save as template?