| Attributes | Values |
|---|
| type
| |
| Thesis advisor
| |
| Author
| |
| alternative label
| - Development and validation of semi-Markov multistate models for the prognosis of patients with chronic diseases
|
| dc:subject
| - Thèses et écrits académiques
- Markov, Processus de
- Statistique médicale
- Maladies chroniques
- Survie (médecine)
- Rein -- Transplantation
- Valvulopathies
- Score de propension -- Dissertation universitaire
|
| preferred label
| - Développement et validation de modèles multi-états semi-Markoviens pour le pronostic de patients atteints de maladies chroniques
|
| Language
| |
| Subject
| |
| dc:title
| - Développement et validation de modèles multi-états semi-Markoviens pour le pronostic de patients atteints de maladies chroniques
|
| Degree granting institution
| |
| note
| - 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.
- 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.
|
| dc:type
| |
| http://iflastandar...bd/elements/P1001
| |
| rdaw:P10219
| |
| has content type
| |
| is primary topic
of | |
| is rdam:P30135
of | |
![[RDF Data]](/fct/images/sw-rdf-blue.png)
