Programme et résumés (pdf) - Société statistique du Canada

Mardi 30 mai • Tuesday, May 30, 10:15–11:45 107[MS-95]Use of Bayesian Methodology in Meta-analysisUtilisation de méthodologie bayésienne pour la méta-analyseAnna SAWKA, University of TorontoAn advantage of using a Bayesian approach inmeta-analysis is that prior knowledge, beliefs, orUn avantage d’employer une approche bayésienne pour laméta-analyse vient du fait que les connaissances antérieures,assumptions can be systematically incorporated in croyances, ou hypothèses peuvent être systématiquementa hierarchical model. For example, prior knowl- incorporées à un modèle hiérarchique. Par exemple, uneedge about the treatment effect of an intervention in connaissance antérieure quant à l’effet d’une interventiona different population that than the one being stud- dans une population différente de celle étant étudiée peutied may be incorporated in a model. In another être incorporée dans un modèle. Dans un autre exemple,example, prior knowledge about a design effect une connaissance antérieure au sujet de l’effet dû au planmay be incorporated in pooling data from cluster d’expérience peut être incorporée en regroupant des donnéesrandomized trials. This presentation will discuss produites lors d’essais randomisés par grappes. Cette présentheapplications and benefits of Bayesian methods tation présentera l’application et les avantages des méthodesin pooling data from randomized controlled trials bayésiennes permettant le regroupement des données prowithcomplex designs.venant d’essais contrôlés randomisés à plans d’expériencecomplexes.[MS-96]A Generalized Meta-analysis Model: The Combination of Observations and StudiesUn modèle généralisé de méta-analyse : la combinaison des observations et des étudesKeith O’ROURKE, Ottawa Health Research InstituteMost analysis techniques default to addressing asingle study and place restrictions on the distri-La plupart des techniques d’analyse prennent en considérationune seule étude et imposent des restrictions sur les disbutionsand parameterizations—i.e., Linear, Gen- tributions et les paramétrisations – par exemple, les modèleseralized Linear, Generalized Additive, and Pro- linéaires, linéaires généralisés, additifs généralisés et à déportionalHazards models. Meta-analysis de- faillance proportionnelle. La méta-analyse prend en consifaultsto the situation of multiple studies and dération de multiples études et, en présence de groupes ingivenindependent groups of independent obser- dépendants d’observations indépendantes, une large gammevations a wide range of distributions with com- de distributions – avec ou sans paramètres communs – et demon and non-common parameters and various paramétrisations peuvent être accommodées. Les vraisemparameterizations—canbe accommodated. Impor- blances basées sur l’échantillonnage d’importance sont utilitancesampling based likelihoods are used for var- sées pour produire divers sommaires permettant directementious reported summaries to enable direct Bayesian une inférence bayésienne ou classique. L’intégration numéorClassical inference. Numerical integration with rique avec bornes garanties permet plusieurs modèles à efguaranteedbounds allows various random effect fets aléatoires et la vraisemblance de profil modifiée simuléemodels and simulated modified profile likelihood peut fournir une certaine assurance relative à la validité desmay provide some assurance that Classical confi- intervalles de confiance classiques.dence intervals are valid.SH = Somerville House SSC = Social Science Centre UC = University College