Programme et résumés (pdf) - Société statistique du Canada

68 Lundi 29 mai • Monday, May 29, 10:30–12:00data structures, such as longitudinal data. Other tures de données complexes, telles que les données longiemphasesinclude the debate on how ‘parametric’ tudinales. La discussion portera, entre autres, sur les hypooneshould be when adjusting for measurement er- thèses requises pour l’identifiabilité et jusqu’à quel point onror, and concern about the strength of assumptions doit être « paramétrique » lorsqu’on ajuste pour la présenceneeded for the sake of identifiability.d’erreurs de mesure.[MS-15]Some Methods on Longitudinal Data AnalysisQuelques méthodes sur l’analyse de données longitudinalesGrace YI, University of WaterlooL’analyse de données longitudinales a engendré un nombreconsidérable de recherches. Diverses méthodes, telles quela vraisemblance, l’imputation, et les approches d’équationsd’estimations pondérées, ont été développées pour adresserles particularités distinctes des études longitudinales. Sou-vent, l’intérêt se situe les particularités de la corrélationparmi les mesures répétées et les données longitudinalesmanquantes. Cependant, l’erreur de mesure dans les cova-riables est une autre particularité typique. Il est fréquent quequelques covariables soient erronées à cause de leur naturepropre ou à cause du mécanisme de la mesure. Des exemplesincluent des mesures biologiques telles que le niveau de ten-sion artérielle et le niveau du cholestérol dans le sérum. Onsait que les procédures inférentielles usuelles sont biaisées siune telle erreur de mesure n’est pas prise en considération.Dans cet entretien, je réexamine brièvement des méthodesexistantes et concentre la discussion sur quelques méthodesmarginales qui facilitent différentes particularités des don-nées longitudinales.Longitudinal data analysis has attracted considerableresearch interest. Various methods, such aslikelihood, imputation, and weighted estimatingequations approaches, have been developed to addressdistinct features of longitudinal studies. Often,the interest lies in featuring correlation amongrepeated measurements and missingness of longitudinaldata. However, measurement error in covariatesis another typical feature. It is often thecase that some covariates are subject to error dueto their own nature or the mechanism of measurement.Common examples include biological measuressuch as blood pressure and serum cholesterollevel. It is known that standard inferential proceduresare biased if such measurement error is nottaken into account. In this talk, I will briefly reviewexisting inference methods, and then focus the discussionon some marginal methods that facilitatedifferent features of longitudinal data.Session 02B Lundi 29 mai • Monday, May 29, 10:30–12:00 SSC2050The Statistics of Magnetic Resonance ImagingStatistique pour l’imagerie par résonance magnétique[MS-16]Deformation Based Morphometry, Roy’s Maximum Root and Recent Advances in Random FieldsMorphométrie basée sur la déformation, la racine maximale de Roy, et des avancées récentes en champsaléatoiresJonathan TAYLOR, Stanford University, Keith WORSLEY, McGill University, Robert ADLER, TechnionThe starting point of our talk is a study of anatomicaldifferences between controls and patients whohave suffered non-missile trauma. We use a multivariatelinear model at each location in space, usingHotelling’s T 2 to detect differences between casesand controls. If we include further covariates in themodel, Roy’s maximum root is a natural general-Le point de départ de notre exposé est une étude des différencesanatomiques entre un groupe contrôle et des patientsayant souffert d’un traumatisme autre que par un projectile.Nous utilisons un modèle linéaire multivarié à chaque pointdans l’espace, en utilisant le T 2 de Hotelling pour détecter lesdifférences entre les patients et le groupe contrôle. Si nousajoutons des covariables supplémentaires au modèle, la ra-SH = Somerville House SSC = Social Science Centre UC = University College