Télécharger le texte intégral - ISPED-Enseignement à distance

Discussion et perspectives 154tenir aux classes latentes (en 1). En effet, dans le premier cas, les classes latentesreprésentent l’hétérogénéité résiduelle après prise en compte de l’hétérogénéité associéeaux variables explicatives alors que dans le deuxième cas, les classes latentesreprésentent l’hétérogénéité expliquée, au moins partiellement, par les variables explicatives.Dans la littérature, aucune précaution n’a été prise quant à l’introduction devariables explicatives aux différents niveaux du modèle (Lin et al., 2000 ; Muthénet al., 2002). Nous recommandons pourtant de ne pas introduire systématiquementles variables explicatives à tous les niveaux du modèle car, outre des problèmesd’identifiabilité, cela peut nuire à l’interprétabilité des résultats. Il est préférable dechoisir à quel niveau introduire les variables explicatives suivant l’objectif de l’étude.6.1.4 Outil de diagnostic de démenceGrâce aux modèles conjoints à classes latentes présentés dans les chapitres IVet V, nous avons été en mesure de proposer des outils de diagnostic de démencecalculés à partir de l’information sur l’évolution cognitive. Ce type d’outil avait déjàété proposé dans le cas d’un seul marqueur d’évolution Gaussien par Lin et al. (2002)et Taylor et al. (2005) pour détecter respectivement un cancer de la prostate ou unerechute de cancer de la prostate à partir des mesures répétées de PSA. Par rapport àleur travaux, comme nous avons utilisé plusieurs tests psychométriques pour décrirel’évolution cognitive, l’outil de détection de démence que nous avons proposé peutêtre utilisé quel que soit le ou les tests mesurés pour un sujet. Cela nous donne doncun outil de diagnostic plus souple.