Télécharger le texte intégral - ISPED-Enseignement à distance

Etat des connaissances 28Applications des modèles linéaires mixtes multivariésPlusieurs études ont consisté à explorer la structure de corrélation entre desmarqueurs longitudinaux. Dans le vieillissement cognitif, ce type de modèle a permisde mettre en évidence une très forte corrélation entre des mesures de différentesdimensions de la cognition (Sliwinski et al., 2003 ; Anstey et al., 2003 ; Beckettet al., 2004) et de prendre en compte ce lien entre plusieurs mesures de cognition pourcomparer leurs formes de déclin (Hall et al., 2001 ; Harvey et al., 2003). Dans l’étudedu Virus de l’Immuno-déficience Humaine (VIH), l’analyse conjointe de la chargevirale et des CD4 (Thiébaut et al., 2003) ou bien des CD4 et des microglobulinesβ 2 (Sy et Taylor, 1997) ont permis de comprendre comment les évolutions de cesmarqueurs dépendaient les unes des autres sans faire d’hypothèse a priori sur lesens des dépendances.Prendre en compte la corrélation entre des marqueurs permet non seulement decomprendre le lien qui existe entre eux ou de comparer leurs évolutions mais aussid’améliorer les estimations des effets fixes du modèle, notamment de préciser l’associationavec des variables explicatives et de corriger des biais. Ainsi, dans un essaiclinique d’efficacité, Todem et al. (2006) ont modélisé un marqueur de tolérance autraitement conjointement au marqueur d’efficacité, marqueur principal de l’étude.Cela leur a permis d’obtenir une estimation plus précise de l’efficacité du traitement.Dans un autre essai clinique, Matsuyama et Ohashi (1997) ont utilisé la modélisationconjointe de plusieurs marqueurs pour prendre en compte la sortie d’étude informative.La sortie d’étude étant liée au niveau d’un marqueur secondaire, ils ont modéliséconjointement l’évolution de ce marqueur et celle du marqueur principal pour évaluerl’effet d’un traitement. Par cette modélisation conjointe, ils ont respecté l’hypothèsede données manquantes aléatoires (car ne dépendant que de données observées) etles estimateurs du maximum de vraisemblance étaient donc non biaisés.