3ème Demi-journée thématique « Analyse de trajectoires : exemples d’application »

Fanny Artaud - CESP Vieillissement

Analyses de trajectoires au cours du déclin fonctionnel lié au vieillissement

Grâce aux études de cohorte de grande taille, on dispose maintenant de jeux de données avec un suivi longitudinal de leurs participants et des mesures répétées des expositions et de phénotypes d’intérêt. Ces données très riches permettent de réaliser des analyses de trajectoires mais posent des problèmes méthodologiques spécifiques. Différentes méthodes seront exposées et appliquées à des exemples concrets qui concernent le déclin fonctionnel au cours du vieillissement. En particulier, seront exposés les modèles mixtes (avec échelle de temps rétrograde), la méthode dite de « group-based modeling », les modèles mixtes à classes latentes et les modèles conjoints.

Emilie Cordina - CESP- Cancer et environnement

Trajectoires de poids au cours de la vie et risque de cancer du sein de la femme non ménopausée : analyse de l'étude cas-témoins CECILE

Le risque de cancer du sein est lié de façon complexe au surpoids et à l’obésité. Afin de clarifier les relations qui existent entre le poids à différentes périodes de la vie ainsi que ses variations au cours du temps et le risque de cancer du sein, nous avons réalisé une analyse des trajectoires de poids à l’aide de la procédure PROC TRAJ du logiciel SAS. Cette analyse a permis d’identifier certaines trajectoires de poids impliquées dans le risque de cancer du sein, en particulier chez les femmes non ménopausées.

Maria-Athina ALTZERINAKOU - CESP- Onconstat

Phase I/II biomarker trajectory taking into account attrition due to excessive toxicity in the context of joint modeling

We present a joint modeling of longitudinal continuous biomarker activity measurements and interval-censored time to first toxicity, with a shared random effect to find an optimal dose in clinical trials. Estimation relies on likelihood that does not require distribution approximation, an important property in the context of small sample sizes. We consider the important case of missing at random data that stem from unacceptable toxicity, lack of activity and rapid deterioration of patients who have to get off study. Operating characteristics are explored via simulations in various scenarios.

Louis Falissard - University of Oxford, Nuffield department of surgical sciences, Computational neuroscience lab

Apprentissage profond (deep learning) en épidémiologie : application à la recherche de trajectoires dans les études de cohortes

Les études de cohortes sont un sujet particulièrement important en épidémiologie, dans lesquelles une ou plusieurs variables sont mesurées plusieurs fois au cours du temps, de manière à pouvoir étudier leurs évolutions temporelles sous forme de trajectoires. L’identification de groupes de sujets aux trajectoires similaires, par exemple, constitue une approche de choix dans l’analyse de tels jeux de données. La récente popularité des méthodes d’apprentissage profond étant tout particulièrement due à leur capacité à analyser des données longitudinales, par le biais de réseaux de neurones artificiels récurrents notamment, il semble naturel de s’interroger sur leurs potentielles applications à l’analyse de trajectoires dans les études de cohortes.