. . . "Markov, Processus de" . . . . "Rein -- Transplantation" . . . . . "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." . "Text" . . . . . . "2015" . . "L'am\u00E9lioration de la prise en charge des patients atteints de maladies chroniques exige une meilleure connaissance de la progression de leur \u00E9tat de sant\u00E9 et des facteurs associ\u00E9s. La r\u00E9alisation de cet objectif clinique n\u00E9cessite l'utilisation de m\u00E9thodologies d'analyse adapt\u00E9es \u00E0 la nature de ces donn\u00E9es : occurrence d'\u00E9v\u00E8nements multiples, population \u00E0 risque de plusieurs causes de d\u00E9c\u00E8s, pr\u00E9sence de nombreux facteurs de confusion du fait de la nature observationnelle des donn\u00E9es, etc. Les mod\u00E8les multi-\u00E9tats permettent d'\u00E9tudier les diff\u00E9rents stades d'\u00E9volution d'une maladie. Dans ce travail de th\u00E8se, nous proposons deux extensions \u00E0 ces mod\u00E8les en int\u00E9grant des th\u00E9ories d\u00E9velopp\u00E9es dans d'autres contextes : la survie relative et les scores de propension. Nous avons d\u00E9velopp\u00E9 un mod\u00E8le multi-\u00E9tats (semi-Markovien) de survie relative \u00E0 risques additifs qui permet d'\u00E9valuer si certains facteurs augmentent le risque de d\u00E9c\u00E8s sp\u00E9cifiquement li\u00E9 \u00E0 la pathologie \u00E9tudi\u00E9e (survie nette). Pour \u00E9tendre l'utilisation des mod\u00E8les multi-\u00E9tats en recherche m\u00E9dicale, nous sugg\u00E9rons \u00E9galement de simplifier leur mise en oeuvre en utilisant la m\u00E9thode de pond\u00E9ration des individus par le score de propension (Inverse Probability Weighting) comme m\u00E9thode d'ajustement. Ces extensions ont \u00E9t\u00E9 \u00E9valu\u00E9es sur des donn\u00E9es simul\u00E9es et leur int\u00E9r\u00EAt est illustr\u00E9 sur des donn\u00E9es r\u00E9elles en transplantation r\u00E9nale et en maladies cardiaques valvulaires." . "D\u00E9veloppement et validation de mod\u00E8les multi-\u00E9tats semi-Markoviens pour le pronostic de patients atteints de maladies chroniques" . "D\u00E9veloppement et validation de mod\u00E8les multi-\u00E9tats semi-Markoviens pour le pronostic de patients atteints de maladies chroniques" . "Maladies chroniques" . . . . . "Valvulopathies" . . "Score de propension -- Dissertation universitaire" . "Development and validation of semi-Markov multistate models for the prognosis of patients with chronic diseases" . "Survie (m\u00E9decine)" . . . . "Statistique m\u00E9dicale" . "Th\u00E8ses et \u00E9crits acad\u00E9miques" . .