Identifiant pérenne de la notice : 212082795
Notice de type
Notice de regroupement
Note publique d'information : L'amélioration de la prise en charge des patients atteints de maladies chroniques
exige une meilleure connaissance de la progression de leur état de santé et des facteurs
associés. La réalisation de cet objectif clinique nécessite l'utilisation de méthodologies
d'analyse adaptées à la nature de ces données : occurrence d'évènements multiples,
population à risque de plusieurs causes de décès, présence de nombreux facteurs de
confusion du fait de la nature observationnelle des données, etc. Les modèles multi-états
permettent d'étudier les différents stades d'évolution d'une maladie. Dans ce travail
de thèse, nous proposons deux extensions à ces modèles en intégrant des théories développées
dans d'autres contextes : la survie relative et les scores de propension. Nous avons
développé un modèle multi-états (semi-Markovien) de survie relative à risques additifs
qui permet d'évaluer si certains facteurs augmentent le risque de décès spécifiquement
lié à la pathologie étudiée (survie nette). Pour étendre l'utilisation des modèles
multi-états en recherche médicale, nous suggérons également de simplifier leur mise
en oeuvre en utilisant la méthode de pondération des individus par le score de propension
(Inverse Probability Weighting) comme méthode d'ajustement. Ces extensions ont été
évaluées sur des données simulées et leur intérêt est illustré sur des données réelles
en transplantation rénale et en maladies cardiaques valvulaires.
Note publique d'information : Improving the management of patients with chronic diseases requires a better understanding
of their health outcomes and associated factors. Achieving this clinical goal necessitates
the use of analysis methodologies adapted to the nature of these data : occurrence
of multiple events, population at risk of several causes of death, presence of many
confounding factors because of the observational nature of the data, etc. Multistate
models allow to study the different stages of the disease progression. In this thesis,
we propose two extensions to these models by integrating theories developed in other
contexts : relative survival and propensity scores. We have developed a relative survival
multi-state model (semi-Markovian) with additive risks to assess whether some factors
increase the risk of death specifically related to the disease under study (net survival).
To expand the use of multi-state models in medical research, we also suggest to simplify
their implementation by using the Inverse Probability Weighting of individuals with
the propensity score as adjustment method. These extensions were evaluated on simulated
data and their interest is illustrated on real data in renal transplantation and valvular
heart diseases.
paprika.idref.fr
data.idref.fr
Documentation
