Télécharger le texte intégral - ISPED-Enseignement à distance

Discussion et perspectives 1526.1.3 Prise en compte des variables explicativesLes modèles que nous avons proposés dans ce travail offrent un cadre souplepour tester l’effet de variables explicatives sur le vieillissement cognitif. En effet, ilest possible de tester l’impact de variables explicatives sur l’évolution du processuslatent ou sur les outils de mesure de la cognition mais aussi d’introduire des variablesexplicatives dans les différents sous-modèles du modèle conjoint, permettant ainside mieux comprendre le mode d’action de facteurs de risque de déclin cognitif et dedémence.Effet sur le processus latent et sur les marqueursComme nous l’avons vu dans le chapitre II, la modélisation conjointe de plusieursmarqueurs permet d’augmenter la puissance des analyses pour tester l’effetde variables explicatives (Gray et Brookmeyer, 1998). Dans notre approche, nouspouvons certes utiliser l’information sur tous les marqueurs pour évaluer l’effet devariables explicatives sur le processus latent mais nous pouvons aussi distinguer deseffets différents sur chaque marqueur. Ce dernier point a été très peu développé dansla littérature. Gray et Brookmeyer (1998) ont pris en compte un effet potentiellementdifférent du traitement pour chaque marqueur en faisant varier l’échelle detemps de chaque marqueur. Récemment, Guo et Bandeen-Roche (2005) ont aussipris en compte une hétérogénéité de l’effet du traitement autour de l’effet global parle biais d’un effet aléatoire binaire. Ils ont ainsi pu distinguer deux groupes de marqueurset quantifier l’effet du traitement dans le groupe de marqueurs très sensiblesau traitement et dans le groupe de marqueurs moins sensibles au traitement. Dansnotre approche, par l’introduction de contrastes sur les marqueurs, nous sommesen mesure de tester et de quantifier l’hétérogénéité de l’effet du traitement sur lesmarqueurs.