Modélisation des risques compétitifs en analyse de survie État de l art en survie brute et extension au domaine de la survie relative
|
|
- Christine Noël
- il y a 6 ans
- Total affichages :
Transcription
1 Modélisation des risques compétitifs en analyse de survie État de l art en survie brute et extension au domaine de la survie relative Aurélien Belot, Laboratoire Biostatistique-Santé, équipe de l UMR-CNRS 5558 Travail de Thèse sous la co-direction de Roch Giorgi et Pascal Roy
2 Analyse statistique des durées de survie (1/3) Observations : données de suivi de patients atteint d une pathologie donnée et qu on observe usqu à l apparition de l événement d intérêt (par exemple, le décès). Particularité des observations : les durées sont des variables aléatoires positives Données incomplètes car tous les événements ne sont pas observés pour tous les patients (par exemple, le décès) A.Belot. Marseille - 28/04/2006 2
3 Analyse statistique des durées de survie : (2/3) Soit T la Variable Aléatoire représentant le temps d apparition de l événement d intérêt. La fonction de répartition F(t) de la V.A. T est : F( t) Pr ob( T A.Belot. Marseille - 28/04/ < t) t 0 f ( u) du La fonction de densité de probabilité de T : f () t lim dt 0 Prob ( t T < t + dt ) dt
4 Analyse statistique des durées de survie : (3/3) Le taux instantané de décès de T : ( t T < t + dt T t) Prob λ() t lim dt 0 dt f ( t) d log( S ( t)) λ ( t) S ( t) dt La survie est définie par S(t)P(T>t) S( t) exp( λ( u) du) A.Belot. Marseille - 28/04/ t 0
5 Concept de risques compétitifs (1/2) Étude de survie classique : un événement d intérêt Étude de survie avec risques compétitifs : événements multiples. Définition : Quand ces événements ne sont pas indépendants (i.e. Proba modifiée avant/après) et/ou s empêchent mutuellement de se produire, ce sont des événements compétitifs (ou concurrents) A.Belot. Marseille - 28/04/2006 5
6 Concept de risques compétitifs (2/2) Exemples : - Étude de l apparition au cours du temps d événements morbides tels que récidive locale, métastase à distance, décès - Étude des complications (oculaires, rénales, cardiaques) au sein d une cohorte de diabétiques A.Belot. Marseille - 28/04/2006 6
7 Événements multiples Plusieurs options sont envisageables : 1. Ignorer l occurrence au cours du temps d autres événements que celui d intérêt. 2. Censurer les observations dès qu un autre événement apparaît 3. Tenir compte de l apparition d autres événements A.Belot. Marseille - 28/04/2006 7
8 Schéma des différentes options Source : Com-nougué & al. RESP 1999 A.Belot. Marseille - 28/04/2006 8
9 Option 1 : ignorer les autres événements (1/5) Si le décès n est pas inclus dans ces événements : Source : Com-nougué & al. RESP 1999 A.Belot. Marseille - 28/04/2006 9
10 Option 1 : ignorer les autres événements (2/5) Si le décès n est pas inclus dans ces événements : Option correcte pour des événements compatibles (i.e non exclusifs) et indépendants Hypothèse d indépendance le fait d avoir eu une complication rénale n influence pas la probabilité d avoir une complication oculaire. Exemple des diabétiques avec complications : événements multiples compatibles et supposés indépendants A.Belot. Marseille - 28/04/
11 Option 1 : ignorer les autres événements (3/5) Si le décès n est pas inclus dans ces événements : Estimation non paramétrique de la survie spécifique n d i S (t) i nombre de suets exposés en t nombre d'événements de type E Probabilité conditionnelle d'avoir E Survie spécifique de l'événement E tq t t 1 d n i A.Belot. Marseille - 28/04/ i i i en en t t d n (Kaplan - Meier) i
12 Option 1 : ignorer les autres événements (4/5) Si le décès n est pas inclus dans ces événements : Estimation non paramétrique de la survie globale (Survie Sans Événements) SSE( t) AvecT i Prob( T 1 ( t). S 1 Prob( T S 1 2 > t & T ( t)... S Temps avant l'événement E 2 > > t).prob( T K ( t) t &... T 2 K > t) > t)...prob( T i K > t) La probabilité de subir l événement E i avant t est estimée par : Prob(Ti Ti<t) 1-Si(t) 1 A.Belot. Marseille - 28/04/
13 Option 1 : ignorer les autres événements (5/5) Si le décès n est pas inclus dans ces événements : Attention : Estimation de la probabilité d avoir un événement quelconque Somme i des probabilités d avoir l événement E i. (un patient pouvant subir plus d un événement ) (Estimée par 1-SSE(t)) 1 A.Belot. Marseille - 28/04/
14 Option 2 : ignorer les autres événements (1/4) Si le décès est inclus dans ces événements : Source : Com-nougué & al. RESP 1999 A.Belot. Marseille - 28/04/
15 Option 2 : ignorer les autres événements (2/4) Si le décès est inclus dans ces événements : a) Sous l hypothèse que le décès est indépendant du processus lié aux autres événements, alors S i (t) est une estimation correcte de la survie spécifique à l événement E i (le décès censure au hasard) (Exemple des diabétiques) A.Belot. Marseille - 28/04/
16 Option 2 : ignorer les autres événements (3/4) Si le décès est inclus dans ces événements : b) Sinon, hypothèse d indépendance entre décès et événements non ustifiée. Peut on considérer qu il y a indépendance entre décès et récidive d un cancer? (récidive non diagnostiquée ) A.Belot. Marseille - 28/04/
17 Option 2 : ignorer les autres événements (4/4) Si le décès est inclus dans ces événements : La probabilité d avoir l événement E i avant t est souvent estimée par : Prob(T i <t) 1-S1 i (t). En réalité, cette estimation serait correcte si les risques n étaient pas compétitifs. A.Belot. Marseille - 28/04/
18 Option 3 : censurer les autres événements (1/7) Si un autre événement E intervient avant E i (événement d intérêt) alors l observation est censurée pour l événement E i Source : Com-nougué & al. RESP 1999 A.Belot. Marseille - 28/04/
19 Option 3 : censurer les autres événements (2/7) Estimation de la survie spécifique : n d i nombre de suets exposés en t S (t) i nombre de premier événement de type E Probabilité conditionnelle d'avoir E Survie spécifique de l'événement E tq t t 1 d n i i i en t i d n (Kaplan - Meier) i en t A.Belot. Marseille - 28/04/
20 Option 3 : censurer les autres événements (3/7) Estimation non paramétrique de la survie globale (Survie Sans Événements) SSE( t) AvecT i Prob( T 1 ( t). S 1 Prob( T S 1 2 > t & T2 > t &... TK > t) > t).prob( T > t)...prob( T ( t)... S K ( t) Temps avant l'événement E 2 i K > t) A.Belot. Marseille - 28/04/
21 Option 3 : censurer les autres événements (4/7) La probabilité d avoir l événement E i avant t est donnée par Prob(T i <t)1-s i (t) Sous les hypothèses : - d indépendance des risques ET que - la probabilité d avoir un autre événement E avant t est nulle A.Belot. Marseille - 28/04/
22 Option 3 : censurer les autres événements (5/7) En présence de risques compétitifs, il est évident que l hypothèse : probabilité d avoir un autre événement E avant t est nulle est fausse. > Sur-estimation de cette probabilité A.Belot. Marseille - 28/04/
23 Exemple avec un taux associé au risque compétitif faible ou élevé (6/7) 5000 données simulées Taux de mortalité à 0.10 Taux de mortalité à 0.99 Source : Gooley & al. SIM 1999 Représentation de la probabilité de récidive par : - le complément à 1 de l estimation de Kaplan-Meier - l incidence cumulée. A.Belot. Marseille - 28/04/
24 Option 3 : censurer les autres événements (7/7) 1-KM i (t) surestime la probabilité de subir l événement E i car : un patient subissant un événement compétitif est censuré, et donc éliminé de l ensemble à risque alors que en prenant en compte les événements concurrents, cet événement est comptabilisé dans la SSE(t) 1-KM i (t ) > SSE(t -1 )*h(t ) A.Belot. Marseille - 28/04/
25 Option 3 : tenir compte de l apparition d autres événements (1/6) Source : Com-nougué & al. RESP 1999 A.Belot. Marseille - 28/04/
26 Option 3 : tenir compte de l apparition d autres événements (2/6) Concept d incidence cumulée : L incidence cumulée d un événement E i au temps t est la probabilité d avoir subi l événement E i au temps t. CI i ( t) Prob( T < t & E E i ) t 0 λ(u).sse(u).du Un individu est indemne usqu au temps t, puis subit l événement E i en t i A.Belot. Marseille - 28/04/
27 Option 3 : tenir compte de l apparition d autres événements (3/6) La quantité λ i est la fonction de risque spécifique à l événement E i, en présence des K autres causes. λi ( t) lim 0 Prob (t < T < t + & E Ei T > t) A.Belot. Marseille - 28/04/
28 Option 3 : tenir compte de l apparition d autres événements (4/6) Estimation non paramétrique de CI i (t) Soit t 1 < t 2 < < t k les k temps d événements 1) Estimer la Survie Sans Événement à chaque temps (Kaplan-Meïer Meïer) ) : SSE( t) Avec d n Prob(T > t) tq t nombre d'événements (tous) en t nombre d'individus exposés en t A.Belot. Marseille - 28/04/ t d 1- n
29 Option 3 : tenir compte de l apparition d autres événements (5/6) Estimation non paramétrique de CI i (t) 2) Calculer la probabilité de subir l événement E i en t : h( t ) Avec d n i d n i nombre d'événement E nombre d'individus exposés en t i en t A.Belot. Marseille - 28/04/
30 Option 3 : tenir compte de l apparition d autres événements (6/6) Estimation non paramétrique de CI i (t) 3) l incidence cumulée de l événement E i en t : CI () t h( t ). SSE( t ) i 1 tq t < t Propriétés de l incidence cumulée : K i 1 CI i ( t) 1 SSE( t) A.Belot. Marseille - 28/04/
31 Exemple sur des données hématologiques de patients ayant eu une mini allo-greffe de moelle Probabilité A 10 ans après la greffe : La probabilité d avoir rechuté est 0.45 La probabilité de décès est 0.32 Rechute Décès en remission Temps (ours) A.Belot. Marseille - 28/04/
32 Y a t il une différence significative sur la probabilité de décéder en rémission si le donneur est du même sexe que le receveur ou non? Probabilité Décès en remission Donneur du même sexe Donneur du sexe opposé Temps (ours) A.Belot. Marseille - 28/04/
33 Test statistique pour comparer des incidences cumulées Statistiques des tests basées sur la théorie des martingales Ho : F1(t)F2(t) H1 : F1(t) F2(t) Test proposés par Gray, Pepe & Mory,, Lin (Tests du type Kolmogorov-Smirnov Smirnov), Aly, A.Belot. Marseille - 28/04/
34 Facteurs pronostiques : modélisation des fonctions de risques spécifiques (1/2) Obectifs : étudier l effet de facteurs pronostiques : Modèle de Cox pour les fonctions de risques spécifiques : Fonction de base λ oi et paramètres β i définis pour chaque type d événement E i λ λ i ( t) ( t).exp( β. Z 0 i i ) A.Belot. Marseille - 28/04/
35 Facteurs pronostiques : modélisation des fonctions de risques spécifiques (2/2) Puis vraisemblance partielle classique pour estimer les paramètres : Avec K types d événements différents t i1 <t i2 <.<t iki avec ki temps pour l événement E i L( β, β,..., β 1 2 m ) K k i 1 1 l R( t exp( βi. Z) exp( β. Z i ) i l ) A.Belot. Marseille - 28/04/
36 Facteurs pronostiques et Comparaison des fonctions de risques (1/3) Obectifs supplémentaires : comparer les fonctions de risques Idée de Lunn & Mcneil : - Duplication de données - Taux de base commun pour chaque fonction de risque spécifique - Type d événement introduit comme une covariable A.Belot. Marseille - 28/04/
37 Facteurs pronostiques et Comparaison des fonctions de risques Duplication de données (2/3) Patient Temps (Mois) age Type d événement État Récidive Décès Aucun événement 0 Patient Temps (Mois) age Type d événement État Variable Indicatrice δ Récidive Décès Décès Récidive Récidive Décès 0 1 A.Belot. Marseille - 28/04/
38 Facteurs pronostiques et Comparaison des fonctions de risques (3/3) Écriture de la fonction de risque (ou taux instantané) globale : ( * α. x 0 2 m 2 m m m λ t, x) λ ( t ).exp( b. δ + θ. δ. x + Avec : x m covariables (age, sexe, ) α m log du taux relatif pour un changement d une unité de la covariable x m b log du taux relatif entre les types d événements α m +θ m log du taux relatif pour la covariable x m sur l événement 2 ) A.Belot. Marseille - 28/04/
39 Les développements durant mon travail de thèse Adapter ces méthodes à la survie relative Méthode de Lunn & McNeil en survie relative Modélisation multi-état Applications sur des données du cancer colorectal A.Belot. Marseille - 28/04/
40 Modèle régressif de survie relative Le taux de mortalité total exercé sur les patients est la somme de celui dû au cancer et de celui dû aux autres causes observé dans la population générale (et ayant des caractéristiques identiques) λ tx,, z λ x+ tz, + λ t, z ( ) ( ) ( ) Obs a s c Avec : λ Taux de mortalité de la population a générale (taux attendu) z Covariables (age, sexe, année ) λc Taux de mortalité dû au cancer A.Belot. Marseille - 28/04/
41 Extension de la méthode de Lunn & McNeil en survie relative Nouvelle écriture de la fonction de risque λ ( tx,, z, δ ) λ ( t).exp( b. δ + θ. δ. x + α. x) * Obs m m 2 m m m avec λ att + δ. λ ( age + t, z ) 2 att taux de mortalité de la population générale Possibilité de comparer le taux de mortalité dû au cancer avec le taux de récidive, de métastase, s A.Belot. Marseille - 28/04/
42 La suite : modélisation multi-états en survie relative Patients atteints d un cancer (K) λm λr λd Métastases à distance (M) Récidive locale (R) Décès (D) λd/m λd/r Avec : λ D λ K + λ att Et λ D/M λ K/M + λ att λ D/R λ K/R + λ att A.Belot. Marseille - 28/04/
43 Références (1/2) JM. Satagopan & al.; A note on competing risks in survival data analysis, British Journal of Cancer, 2004 C. Com-nougué & al.; Estimation des risques associés à des événements multiples. RESP 1999 Gooley T.A. & al.; Estimation of failure probabilities in the presence of competing risks : new representations of old estimators, Stat In Med,, 1999 Gaynor JJ & al.; On the use of Cause-specific specific Failure and conditionnal failure probabilities : examples from clinical oncology data. JASA 1993 Tai B.B. & al.; Competing risks analysis of patients with osteosarcoma : a comparison of four different approaches. Stat In Med,, 2001 Lunn & McNeil : Applying Cox regression to competing risks. Biometrics 1995 A.Belot. Marseille - 28/04/
44 Références (2/2) Gray R.J. A class of K-sampleK tests for comparing the cumulative incidence of a competing risks, Annals of statistics,, 1998 Lin D.Y. Non parametric inference for cumulative incidence functions in competing risks studies.. Stat In Med,, 1997 Aly A. A. & al.; Some tests for comparing cumulative incidence functions and cause-specific specific hazard rates,, JASA, 1994 Kalbfleisch & Prentice, the statistical analysis of failure time data, Wiley Second Edition, 2002 Giorgi R & al. A relative survival regression model using B-splinesB functions. Statistics in Medicine 2003 Esteve J, Benhamou E, Croasdale M, Raymond L. Relative survival and the estimation of net survival: elements for further discussion. Statistics in Medicine 1990 A.Belot. Marseille - 28/04/
MODELES DE DUREE DE VIE
MODELES DE DUREE DE VIE Cours 1 : Introduction I- Contexte et définitions II- Les données III- Caractéristiques d intérêt IV- Evènements non renouvelables/renouvelables (unique/répété) I- Contexte et définitions
Plus en détailApplication des courbes ROC à l analyse des facteurs pronostiques binaires
Application des courbes ROC à l analyse des facteurs pronostiques binaires Combescure C (1), Perneger TV (1), Weber DC (2), Daurès J P (3), Foucher Y (4) (1) Service d épidémiologie clinique et Centre
Plus en détailLa survie nette actuelle à long terme Qualités de sept méthodes d estimation
La survie nette actuelle à long terme Qualités de sept méthodes d estimation PAR Alireza MOGHADDAM TUTEUR : Guy HÉDELIN Laboratoire d Épidémiologie et de Santé publique, EA 80 Faculté de Médecine de Strasbourg
Plus en détailTransplantation pulmonaire et mucoviscidose. Optimiser la prise en charge médicale
Transplantation pulmonaire et mucoviscidose Optimiser la prise en charge médicale Dr Isabelle Danner-Boucher CRCM adulte de Nantes Unité de Transplantation Thoracique 11èmes Journées Scientifiques de la
Plus en détailVI. Tests non paramétriques sur un échantillon
VI. Tests non paramétriques sur un échantillon Le modèle n est pas un modèle paramétrique «TESTS du CHI-DEUX» : VI.1. Test d ajustement à une loi donnée VI.. Test d indépendance de deux facteurs 96 Différentes
Plus en détailREPOUSSER LES LIMITES DE LA CHIRURGIE BARIATRIQUE DANS LES OBESITES MASSIVES AVEC COMORBIDITES
Première Journée du Centre Intégré Nord Francilien de prise en charge de l obésité de l adulte et de l enfant REPOUSSER LES LIMITES DE LA CHIRURGIE BARIATRIQUE DANS LES OBESITES MASSIVES AVEC COMORBIDITES
Plus en détailIntroduction à la statistique non paramétrique
Introduction à la statistique non paramétrique Catherine MATIAS CNRS, Laboratoire Statistique & Génome, Évry http://stat.genopole.cnrs.fr/ cmatias Atelier SFDS 27/28 septembre 2012 Partie 2 : Tests non
Plus en détailValidation clinique des marqueurs prédictifs le point de vue du méthodologiste. Michel Cucherat UMR CNRS 5558 - Lyon
Validation clinique des marqueurs prédictifs le point de vue du méthodologiste Michel Cucherat UMR CNRS 5558 - Lyon Marqueur prédictif - Définition Un marqueur prédictif est un marqueur qui prédit le bénéfice
Plus en détailAnalyse de la variance Comparaison de plusieurs moyennes
Analyse de la variance Comparaison de plusieurs moyennes Biostatistique Pr. Nicolas MEYER Laboratoire de Biostatistique et Informatique Médicale Fac. de Médecine de Strasbourg Mars 2011 Plan 1 Introduction
Plus en détailAnalyse des durées de vie avec le logiciel R
Analyse des durées de vie avec le logiciel R Ségolen Geffray Des outils ainsi que des données pour l analyse des durées de vie sont disponibles dans les packages survival MASS Il est nécessaire de charger
Plus en détailProbabilités sur un univers fini
[http://mp.cpgedupuydelome.fr] édité le 7 août 204 Enoncés Probabilités sur un univers fini Evènements et langage ensembliste A quelle condition sur (a, b, c, d) ]0, [ 4 existe-t-il une probabilité P sur
Plus en détailEssais précoces non comparatifs : principes et calcul du nombre de sujets nécessaire
Essais précoces non comparatifs : principes et calcul du nombre de sujets nécessaire Sylvie CHABAUD Direction de la Recherche Clinique et de l Innovation : Centre Léon Bérard - Lyon Unité de Biostatistique
Plus en détailChapitre 3 : Principe des tests statistiques d hypothèse. José LABARERE
UE4 : Biostatistiques Chapitre 3 : Principe des tests statistiques d hypothèse José LABARERE Année universitaire 2010/2011 Université Joseph Fourier de Grenoble - Tous droits réservés. Plan I. Introduction
Plus en détailProcessus aléatoires avec application en finance
Genève, le 16 juin 2007. Processus aléatoires avec application en finance La durée de l examen est de deux heures. N oubliez pas d indiquer votre nom et prénom sur chaque feuille. Toute documentation et
Plus en détailEssai Inter-groupe : FFCD UNICANCER FRENCH - GERCOR
CLIMAT - PRODIGE 30 Etude de phase III randomisée évaluant l Intérêt de la colectomie première chez les patients porteurs d un cancer colique asymptomatique avec métastases hépatiques synchrones non résécables
Plus en détailCOMPARAISON DE QUATRE PROTOCOLES DE CHIMIOTHERAPIE POUR DES CANCERS DU POUMON NON A PETITES CELLULES (CBP NAPC) AVANCES
COMPARAISON DE QUATRE PROTOCOLES DE CHIMIOTHERAPIE POUR DES CANCERS DU POUMON NON A PETITES CELLULES (CBP NAPC) AVANCES Approximativement, un tiers de tous les décès dus au cancer sont en relation avec
Plus en détailFORD C-MAX + FORD GRAND C-MAX CMAX_Main_Cover_2013_V3.indd 1-3 22/08/2012 15:12
1 2 3 4 5 6 7 8 9 10 12,999,976 km 9,136,765 km 1,276,765 km 499,892 km 245,066 km 112,907 km 36,765 km 24,159 km 7899 km 2408 km 76 km 12 14 16 1 12 7 3 1 6 2 5 4 3 11 9 10 8 18 20 21 22 23 24 26 28 30
Plus en détailTP1 Méthodes de Monte Carlo et techniques de réduction de variance, application au pricing d options
Université de Lorraine Modélisation Stochastique Master 2 IMOI 2014-2015 TP1 Méthodes de Monte Carlo et techniques de réduction de variance, application au pricing d options 1 Les options Le but de ce
Plus en détailCancer colo-rectal : situation belge
Cancer colo-rectal : situation belge J.-L. Van Laethem, MD, PhD Unité d'oncologie digestive Département médico-chirurgical de Gastro-entérologie Pas de conflit d intérêt déclaré Cancer du colon 7000 nouveaux
Plus en détailApproche centrée e sur le patient
Approche centrée e sur le patient Objectifs Prendre conscience des différences de type d approche Connaître le concept de l approche centrée sur le patient Savoir utiliser un outil d approche centrée sur
Plus en détailAvis 29 mai 2013. XYZALL 5 mg, comprimé B/14 (CIP : 34009 358 502 4-9) B/28 (CIP : 34009 358 505 3-9) Laboratoire UCB PHARMA SA.
COMMISSION DE LA TRANSPARENCE Avis 29 mai 2013 XYZALL 5 mg, comprimé B/14 (CIP : 34009 358 502 4-9) B/28 (CIP : 34009 358 505 3-9) Laboratoire UCB PHARMA SA DCI Code ATC (2012) Motif de l examen Liste
Plus en détailMesures d influence individuelle pour modèles de régression en épidémiologie clinique
Mesures d influence individuelle pour modèles de régression en épidémiologie clinique Matthieu Resche-Rigon To cite this version: Matthieu Resche-Rigon. Mesures d influence individuelle pour modèles de
Plus en détailLe modèle de Black et Scholes
Le modèle de Black et Scholes Alexandre Popier février 21 1 Introduction : exemple très simple de modèle financier On considère un marché avec une seule action cotée, sur une période donnée T. Dans un
Plus en détailCapacité d un canal Second Théorème de Shannon. Théorie de l information 1/34
Capacité d un canal Second Théorème de Shannon Théorie de l information 1/34 Plan du cours 1. Canaux discrets sans mémoire, exemples ; 2. Capacité ; 3. Canaux symétriques ; 4. Codage de canal ; 5. Second
Plus en détailCas clinique 2. Florence JOLY, Caen François IBORRA, Montpellier
Cas clinique 2 Florence JOLY, Caen François IBORRA, Montpellier Cas clinique Patient de 60 ans, ATCD: HTA, IDM en 2007, hypercholestérolémie Juin 2008: Toux, dyspnée (sous 02) et anorexie progressive Bilan
Plus en détailTraitements néoadjuvants des cancers du rectum. Pr. G. Portier CHU Purpan - Toulouse
Traitements néoadjuvants des cancers du rectum Pr. G. Portier CHU Purpan - Toulouse Journées Francophones d Hépato-gastroentérologie et d Oncologie Digestive 2010 CONFLITS D INTÉRÊT Pas de conflit d intérêt
Plus en détailJournées de cardiologie Jeudi 31 mai 2012 Dr JM DUPUIS Service de cardiologie CHU ANGERS
Surveillance des pace makers et des défibrillateurs Journées de cardiologie Jeudi 31 mai 2012 Dr JM DUPUIS Service de cardiologie CHU ANGERS La stimulation cardiaque La stimulation cardiaque Historique
Plus en détailPrincipe d un test statistique
Biostatistiques Principe d un test statistique Professeur Jean-Luc BOSSON PCEM2 - Année universitaire 2012/2013 Faculté de Médecine de Grenoble (UJF) - Tous droits réservés. Objectifs pédagogiques Comprendre
Plus en détailMATHS FINANCIERES. Mireille.Bossy@sophia.inria.fr. Projet OMEGA
MATHS FINANCIERES Mireille.Bossy@sophia.inria.fr Projet OMEGA Sophia Antipolis, septembre 2004 1. Introduction : la valorisation de contrats optionnels Options d achat et de vente : Call et Put Une option
Plus en détailÉtudes épidémiologiques analytiques et biais
Master 1 «Conception, évaluation et gestion des essais thérapeutiques» Études épidémiologiques analytiques et biais Roxane Schaub Médecin de santé publique Octobre 2013 1 Objectifs pédagogiques Connaitre
Plus en détailPeut-on réduire l incidence de la gastroentérite et ses conséquences dans les écoles primaires à l aide de solution hydro-alcoolique?
Peut-on réduire l incidence de la gastroentérite et ses conséquences dans les écoles primaires à l aide de solution hydro-alcoolique? Service des Maladies Infectieuses; CHR Orléans Unité Inserm U-707,
Plus en détailINFORMATION À DESTINATION DES PROFESSIONNELS DE SANTÉ LE DON DU VIVANT
INFORMATION À DESTINATION DES PROFESSIONNELS DE SANTÉ LE DON DU VIVANT QUELS RÉSULTATS POUR LE RECEVEUR? QUELS RISQUES POUR LE DONNEUR? DONNER UN REIN DE SON VIVANT PEUT CONCERNER CHACUN /////////////////////////////////////////////////////////////////////////////////////////////////////////////////////////////
Plus en détailLa microsimulation à Statistique Canada
La microsimulation à Statistique Canada Chantal Hicks Chantal.hicks@statcan.gc.ca Présentation à «La démographie de demain : innovations, intersections et collaborations» Colloque de l Association des
Plus en détailINTERFERON Traitement adjuvant du mélanome à haut risque de récidive. Dr Ingrid KUPFER-BESSAGUET Dermatologue CH de quimper
INTERFERON Traitement adjuvant du mélanome à haut risque de récidive Dr Ingrid KUPFER-BESSAGUET Dermatologue CH de quimper Pourquoi proposer un TTT adjuvant? Probabilité de survie à 10 ans en fonction
Plus en détailCancer bronchique primitif: données épidémiologiques récentes
Cancer bronchique primitif: données épidémiologiques récentes Pr Jean Trédaniel Service de pneumologie et oncologie thoracique Groupe Hospitalier Paris Saint Joseph Université Paris Descartes Sources Données
Plus en détailMortalité observée et mortalité attendue au cours de la vague de chaleur de juillet 2006 en France métropolitaine
Mortalité observée et mortalité attendue au cours de la vague de chaleur de uillet en France métropolitaine FOUILLET A 1, REY G 1, JOUGLA E, HÉMON D 1 1 Inserm, U75, Villeuif, France. Inserm CépiDc, IFR9,
Plus en détailVanina Bousquet 24 mars 2015
Traitement des données manquantes par une méthode d imputation multiple : Application à des données d enquête et de surveillance des maladies infectieuses Vanina Bousquet 24 mars 2015 Plan 1. Contexte
Plus en détailLa recherche clinique au cœur du progrès thérapeutique
2 èmes Assises de l Innovation Thérapeutique Paris, 05-11-2014 La recherche clinique au cœur du progrès thérapeutique Pr. Jean-François DHAINAUT Président du Groupement Inter-régional de la Recherche Clinique
Plus en détailLecture critique d article. Bio statistiques. Dr MARC CUGGIA MCU-PH Laboratoire d informatique médicale EA-3888
Lecture critique d article Rappels Bio statistiques Dr MARC CUGGIA MCU-PH Laboratoire d informatique médicale EA-3888 Plan du cours Rappels fondamentaux Statistiques descriptives Notions de tests statistiques
Plus en détailIncertitude et variabilité : la nécessité de les intégrer dans les modèles
Incertitude et variabilité : la nécessité de les intégrer dans les modèles M. L. Delignette-Muller Laboratoire de Biométrie et Biologie Evolutive VetAgro Sup - Université de Lyon - CNRS UMR 5558 24 novembre
Plus en détailModélisation du comportement habituel de la personne en smarthome
Modélisation du comportement habituel de la personne en smarthome Arnaud Paris, Selma Arbaoui, Nathalie Cislo, Adnen El-Amraoui, Nacim Ramdani Université d Orléans, INSA-CVL, Laboratoire PRISME 26 mai
Plus en détailExercice autour de densité, fonction de répatition, espérance et variance de variables quelconques.
14-3- 214 J.F.C. p. 1 I Exercice autour de densité, fonction de répatition, espérance et variance de variables quelconques. Exercice 1 Densité de probabilité. F { ln x si x ], 1] UN OVNI... On pose x R,
Plus en détailLe quizz des stats. Xavier Paoletti. Sce de biostatistiques / Inserm U900 Institut Curie
Le quizz des stats Xavier Paoletti Sce de biostatistiques / Inserm U900 Institut Curie Qques questions pour entamer les hostilités 1. Description de la population Pourquoi parler d'âge médian et non moyen?
Plus en détailMETHODOLOGIE GENERALE DE LA RECHERCHE EPIDEMIOLOGIQUE : LES ENQUETES EPIDEMIOLOGIQUES
Enseignement du Deuxième Cycle des Etudes Médicales Faculté de Médecine de Toulouse Purpan et Toulouse Rangueil Module I «Apprentissage de l exercice médical» Coordonnateurs Pr Alain Grand Pr Daniel Rougé
Plus en détailCOMMISSION DE LA TRANSPARENCE. Avis. 23 mai 2007
COMMISSION DE LA TRANSPARENCE Avis 23 mai 2007 SUTENT 12,5 mg, gélule Flacon de 30 (CIP: 376 265-0) SUTENT 25 mg, gélule Flacon de 30 (CIP: 376 266-7) SUTENT 50 mg, gélule Flacon de 30 (CIP: 376 267-3)
Plus en détailDr Bertrand Michy Département de Pneumologie CHU de Nancy 25 octobre 2013
Dr Bertrand Michy Département de Pneumologie CHU de Nancy 25 octobre 2013 Conflits d intérêts Aucun Introduction Constat : CB = Moins de motivation des pneumologues à obtenir le sevrage tabagique (versus
Plus en détailIMMED Monitoring vidéo porté
IMMED Monitoring vidéo porté L indexation vidéo au service du soin des personnes Projet financé par PEPS S2TI CNRS et des bourses BQR de l Université Bordeaux 1 1 Contexte Maladies et dépendances liées
Plus en détailFirst Line and Maintenance in Nonsquamous NSCLC: What Do the Data Tell Us?
Dr Jean-Charles Soria : Bonjour et bienvenue dans ce programme. Je suis Jean Charles Soria, Professeur de Médecine et Directeur du programme de développement précoce des médicaments à l université Paris
Plus en détailPr. Pierre FUMOLEAU Directeur Général du Centre de Lutte Contre le Cancer Georges-François Leclerc (CGFL)
C Ouverture INTRODUCTION RENCONTRES DES 25 et 26 JUIN 2014 Accueil des Participants Pr. Pierre FUMOLEAU Directeur Général du Centre de Lutte Contre le Cancer Georges-François Leclerc (CGFL) 25 juin 9h30
Plus en détailI. Polynômes de Tchebychev
Première épreuve CCP filière MP I. Polynômes de Tchebychev ( ) 1.a) Tout réel θ vérifie cos(nθ) = Re ((cos θ + i sin θ) n ) = Re Cn k (cos θ) n k i k (sin θ) k Or i k est réel quand k est pair et imaginaire
Plus en détailPLACE DE L IRM DANS LE BILAN D EXTENSION DU CANCER DU RECTUM. Professeur Paul LEGMANN Radiologie A - Cochin Paris
PLACE DE L IRM DANS LE BILAN D EXTENSION DU CANCER DU RECTUM Professeur Paul LEGMANN Radiologie A - Cochin Paris Cancer du rectum France : 15000 décès/an : 1ère cause. Pronostic souvent réservé Métastases
Plus en détailInnovations thérapeutiques en transplantation
Innovations thérapeutiques en transplantation 3èmes Assises de transplantation pulmonaire de la région Est Le 16 octobre 2010 Dr Armelle Schuller CHU Strasbourg Etat des lieux en transplantation : 2010
Plus en détailCancer du rein métastatique Nouvelles approches thérapeutiques. Sophie Abadie-Lacourtoisie 20 mai 2006
Cancer du rein métastatique Nouvelles approches thérapeutiques Sophie Abadie-Lacourtoisie 20 mai 2006 Cancer du rein à cellules claires métastatique (CRM) Plus de 30 % des CR deviendront métastatiques
Plus en détailÉpidémiologie des maladies interstitielles diffuses
Épidémiologie des maladies interstitielles diffuses 3 à 5/100 000 habitants Augmente avec l age 175 /100 000 >70 ans Notre file active toutes les maladies interstitielles confondues plus de 120 patients
Plus en détailOPTIMISATION DE LA MAINTENANCE DES EQUIPEMENTS DE MANUTENTION DU TERMINAL A CONTENEURS DE BEJAIA (BMT)
OPTIMISATION DE LA MAINTENANCE DES EQUIPEMENTS DE MANUTENTION DU TERMINAL A CONTENEURS DE BEJAIA (BMT) LAGGOUNE Radouane 1 et HADDAD Cherifa 2 1,2: Dépt. de G. Mécanique, université de Bejaia, Targa-Ouzemour
Plus en détailPredicting surrender behaviours in a competing risk framework by the subdistribution approach
Predicting surrender behaviours in a competing risk framework by the subdistribution approach Xavier Milhaud, Déborah Seror, David Nkihouabonga ENSAE ParisTech, 3 Avenue Pierre Larousse, 92245 Malakoff
Plus en détailLes simulations dans l enseignement des sondages Avec le logiciel GENESIS sous SAS et la bibliothèque Sondages sous R
Les simulations dans l enseignement des sondages Avec le logiciel GENESIS sous SAS et la bibliothèque Sondages sous R Yves Aragon, David Haziza & Anne Ruiz-Gazen GREMAQ, UMR CNRS 5604, Université des Sciences
Plus en détailModélisation des risques
2 Modélisation des risques 2. Introduction L objectif de ce chapitre est de présenter les modèles de base utilisés pour décrire le comportement aléatoire d un risque en actuariat pour une période xe. Les
Plus en détailSommaire Chapitre 1 Chapitre 2 Chapitre 3 Chapitre 4 Chapitre 5 Chapitre 6 Chapitre 7. ARC EPS Eco-microbiologie Prévisionnelle Statistique
ARC EPS Eco-microbiologie Prévisionnelle Statistique 1 Objectifs de l ARC EPS 2 Partenaires 3 Moyens 4 Problématique Microbiologique 5 Démarche et Résultats 6 Perspectives 7 Valorisation LES OBJECTIFS
Plus en détailContradicting Beliefs and Communication. J.-M. Tallon, J.-C. Vergnaud, & S. Zamir CNRS-EUREQua
Contradicting Beliefs and Communication J.-M. Tallon, J.-C. Vergnaud, & S. Zamir CNRS-EUREQua Introduction Papier propose : Considère structure de Kripke (KD45 au lieu de S5) Processus de communication
Plus en détailGUIDE DE L ASSURÉ. Optez pour l assurance. qui peut regrouper maladies graves et assurance vie
GUIDE DE L ASSURÉ Optez pour l assurance qui peut regrouper maladies graves et assurance vie Ne laissez rien au hasard AU CANADA ON ESTIME QUE À chaque heure : 16,65 personnes apprendront qu elles sont
Plus en détailProcédures d enregistrement des médicaments
Vie du Médicament Procédures d enregistrement des médicaments Avis scientifiques Essais cliniques ATU Inspections AMM Vigilances Contrôle Veille Sanitaire Procédures d enregistrement Soumission du dossier
Plus en détailWealth Effect on Labor Market Transitions
Wealth Effect on Labor Market Transitions Yann Algan EUREQua - Université de Paris I algan@univ-paris1.fr Arnaud Chéron GAINS - Université du Maine & Cepremap acheron@univ-lemans.fr Jean-Olivier Hairault
Plus en détailAnalyse stochastique de la CRM à ordre partiel dans le cadre des essais cliniques de phase I
Analyse stochastique de la CRM à ordre partiel dans le cadre des essais cliniques de phase I Roxane Duroux 1 Cadre de l étude Cette étude s inscrit dans le cadre de recherche de doses pour des essais cliniques
Plus en détailSession plénière: 1 / 4 Sessions scientifiques et poster discussions: Poster présentations: 87/1438
CANCERS DIGESTIFS Session plénière: 1 / 4 Sessions scientifiques et poster discussions: 38/435 Poster présentations: 87/1438 The TME Trial after a Median Follow-up of 11 Years C. A. Marijnen et Al, Leiden,
Plus en détailAgathe Guilloux LSTA - Université Pierre et Marie Curie (UPMC) Boîte courrier 158 4 place Jussieu, 75252 Paris cedex 05
Agathe Guilloux LSTA - Université Pierre et Marie Curie (UPMC) Boîte courrier 158 4 place Jussieu, 75252 Paris cedex 05 email : agathe.guilloux@upmc.fr www : http://www.lsta.upmc.fr/guilloux.php Née à
Plus en détailTests d indépendance en analyse multivariée et tests de normalité dans les modèles ARMA
Tests d indépendance en analyse multivariée et tests de normalité dans les modèles ARMA Soutenance de doctorat, sous la direction de Pr. Bilodeau, M. et Pr. Ducharme, G. Université de Montréal et Université
Plus en détailTélésurveillance à domicile de patients chroniques et pratiques collaboratives : arrêt sur image vu d un Industriel
Télésurveillance à domicile de patients chroniques et pratiques collaboratives : arrêt sur image vu d un Industriel Colloque Tic Santé,11 février 2010 Dr France Laffisse, Orange Healthcare Plan Télésurveillance
Plus en détailNAVELBINE voie orale
DENOMINATION DU MEDICAMENT & FORME PHARMACEUTIQUE NAVELBINE voie orale CARACTERISTIQUES Dénomination commune : vinorelbine Composition qualitative et quantitative : Statut : A.M.M. A.T.U. Classe ATC :
Plus en détailTSTI 2D CH X : Exemples de lois à densité 1
TSTI 2D CH X : Exemples de lois à densité I Loi uniforme sur ab ; ) Introduction Dans cette activité, on s intéresse à la modélisation du tirage au hasard d un nombre réel de l intervalle [0 ;], chacun
Plus en détailLA NOTATION STATISTIQUE DES EMPRUNTEURS OU «SCORING»
LA NOTATION STATISTIQUE DES EMPRUNTEURS OU «SCORING» Gilbert Saporta Professeur de Statistique Appliquée Conservatoire National des Arts et Métiers Dans leur quasi totalité, les banques et organismes financiers
Plus en détailDonneurs vivants Risques à long terme. Cours de transplantation Univ. Montréal et McGill 5 avril 2013
Donneurs vivants Risques à long terme Michel R. Pâquet MD, PhD Unité de Transplantation Le Centre Hospitalier de l Université de Montréal Hôpital Notre-Dame Montréal Hôtel-Dieu Hôpital Notre-Dame Cours
Plus en détailFondation Health On the Net : Accès à l information de santé digne de confiance
Fondation Health On the Net : Accès à l information de santé digne de confiance Célia Boyer Directrice exécutive de la Fondation Liège, le 2 décembre 2013 Quelques chiffres sur l usage d Internet en santé
Plus en détailProbabilités sur un univers fini
[http://mp.cpgedupuydelome.fr] édité le 10 août 2015 Enoncés 1 Proailités sur un univers fini Evènements et langage ensemliste A quelle condition sur (a,, c, d) ]0, 1[ 4 existe-t-il une proailité P sur
Plus en détailCOMPTE DE RESULTAT PAR DESTINATION ET INFORMATION SECTORIELLE. Presentation de Mr. Christian MULLIEZ
COMPTE DE RESULTAT PAR DESTINATION ET INFORMATION SECTORIELLE Presentation de Mr. Christian MULLIEZ Plan Rappel des impacts IFRS : - sur le chiffre d affaires... 4 - sur le résultat d exploitation. 5 -
Plus en détailQui et quand opérer. au cours du traitement de l EI?
Qui et quand opérer au cours du traitement de l EI? Gilbert Habib Département de Cardiologie - Timone Marseille 7es JNI Bordeaux, 8 juin 2006 Université de la Méditerranée Faculté de Médecine de Marseille
Plus en détailCONCOURS D ENTREE A L ECOLE DE 2007 CONCOURS EXTERNE. Cinquième épreuve d admissibilité STATISTIQUE. (durée : cinq heures)
CONCOURS D ENTREE A L ECOLE DE 2007 CONCOURS EXTERNE Cinquième épreuve d admissibilité STATISTIQUE (durée : cinq heures) Une composition portant sur la statistique. SUJET Cette épreuve est composée d un
Plus en détailLe dropéridol n est pas un traitement à considérer pour le traitement de la migraine à l urgence
Le dropéridol n est pas un traitement à considérer pour le traitement de la migraine à l urgence On pose fréquemment le diagnostic de migraine sévère à l urgence. Bien que ce soit un diagnostic commun,
Plus en détailArthralgies persistantes après une infection à chikungunya: évolution après plus d un an chez 88 patients adultes
Arthralgies persistantes après une infection à chikungunya: évolution après plus d un an chez 88 patients adultes G Borgherini 1, A Gouix 1, F Paganin 1, A Jossaume 1, L Cotte 2, C Arvin-Berod 1, A Michault
Plus en détailConstruction de bases biométriques pour l assurance dépendance. SCOR inform - Novembre 2012
Construction de bases biométriques pour l assurance dépendance SCOR inform - Novembre 2012 Construction de bases biométriques pour l assurance dépendance Auteur Laure de Montesquieu Responsable Centre
Plus en détailEntreposage de données complexes pour la médecine d anticipation personnalisée
Manuscrit auteur, publié dans "9th International Conference on System Science in Health Care (ICSSHC 08), Lyon : France (2008)" Entreposage de données complexes pour la médecine d anticipation personnalisée
Plus en détailModèle GARCH Application à la prévision de la volatilité
Modèle GARCH Application à la prévision de la volatilité Olivier Roustant Ecole des Mines de St-Etienne 3A - Finance Quantitative Décembre 2007 1 Objectifs Améliorer la modélisation de Black et Scholes
Plus en détailDonnées longitudinales et modèles de survie
ANALYSE DU Données longitudinales et modèles de survie 5. Modèles de régression en temps discret André Berchtold Département des sciences économiques, Université de Genève Cours de Master ANALYSE DU Plan
Plus en détailRapport technique : CRÉATION D UNE MESURE DE VISITE AU DÉPARTEMENT D URGENCE À PARTIR DE DONNÉES ADMINISTRATIVES DU QUÉBEC
Rapport technique : CRÉATION D UNE MESURE DE VISITE AU DÉPARTEMENT D URGENCE À PARTIR DE DONNÉES ADMINISTRATIVES DU QUÉBEC E. Belzile, 1 S. Sanche, 1 J. McCusker, 1,2 A. Vadeboncoeur, 3 A. Ciampi, 1,2
Plus en détailChap 4: Analyse syntaxique. Prof. M.D. RAHMANI Compilation SMI- S5 2013/14 1
Chap 4: Analyse syntaxique 1 III- L'analyse syntaxique: 1- Le rôle d'un analyseur syntaxique 2- Grammaires non contextuelles 3- Ecriture d'une grammaire 4- Les méthodes d'analyse 5- L'analyse LL(1) 6-
Plus en détailProjet de thèse. Intitulé de la thèse. Spécialité du doctorat. Problématique scientifique générale
Projet de thèse Intitulé de la thèse Détection automatisée de signaux en pharmacovigilance : Exploitation conjointe de données de notifications spontanées et médico- administratives. Spécialité du doctorat
Plus en détailBiostatistiques : Petits effectifs
Biostatistiques : Petits effectifs Master Recherche Biologie et Santé P. Devos DRCI CHRU de Lille EA2694 patrick.devos@univ-lille2.fr Plan Données Générales : Définition des statistiques Principe de l
Plus en détailCours de Tests paramétriques
Cours de Tests paramétriques F. Muri-Majoube et P. Cénac 2006-2007 Licence Ce document est sous licence ALC TYPE 2. Le texte de cette licence est également consultable en ligne à l adresse http://www.librecours.org/cgi-bin/main?callback=licencetype2.
Plus en détailContents. 1 Introduction Objectifs des systèmes bonus-malus Système bonus-malus à classes Système bonus-malus : Principes
Université Claude Bernard Lyon 1 Institut de Science Financière et d Assurances Système Bonus-Malus Introduction & Applications SCILAB Julien Tomas Institut de Science Financière et d Assurances Laboratoire
Plus en détail4. Martingales à temps discret
Martingales à temps discret 25 4. Martingales à temps discret 4.1. Généralités. On fixe un espace de probabilités filtré (Ω, (F n ) n, F, IP ). On pose que F contient ses ensembles négligeables mais les
Plus en détailCaroline John, Sophie Kamel, Vincent Dombre, Joao Da Costa Rodrigues, Yann Coattrenec
Caroline John, Sophie Kamel, Vincent Dombre, Joao Da Costa Rodrigues, Yann Coattrenec Plan de l exposé 1. Introduction 2. Déséquilibre offre demande 3. Donneur 4. Receveur 5. Liste d attente 6. Aspect
Plus en détailIntroduction à l approche bootstrap
Introduction à l approche bootstrap Irène Buvat U494 INSERM buvat@imedjussieufr 25 septembre 2000 Introduction à l approche bootstrap - Irène Buvat - 21/9/00-1 Plan du cours Qu est-ce que le bootstrap?
Plus en détailPRINTEMPS MEDICAL DE BOURGOGNE ASSOCIATIONS ANTIAGREGANTS ET ANTICOAGULANTS : INDICATIONS ET CONTRE INDICATIONS
PRINTEMPS MEDICAL DE BOURGOGNE ASSOCIATIONS ANTIAGREGANTS ET ANTICOAGULANTS : INDICATIONS ET CONTRE INDICATIONS Dr Mourot cardiologue Hôpital d Auxerre le 31 mars 2012 PLAN DE LA PRESENTATION ASSOCIATION
Plus en détailModélisation aléatoire en fiabilité des logiciels
collection Méthodes stochastiques appliquées dirigée par Nikolaos Limnios et Jacques Janssen La sûreté de fonctionnement des systèmes informatiques est aujourd hui un enjeu économique et sociétal majeur.
Plus en détailChapitre 7 : Intégration sur un intervalle quelconque
Universités Paris 6 et Paris 7 M1 MEEF Analyse (UE 3) 2013-2014 Chapitre 7 : Intégration sur un intervalle quelconque 1 Fonctions intégrables Définition 1 Soit I R un intervalle et soit f : I R + une fonction
Plus en détailLes plateformes de génétique
Thérapies ciblées : de l anatomopathologie th l à la biothérapie i Les plateformes de génétique moléculaire PO Schischmanoff UF Génétique moléculaire et oncogénétique CHU Avicenne ACP FHF 29 mars 2012
Plus en détailIntroduction : Essais de phase I
Schéma de recherche de dose dans les essais de phase I : comparaison par simulations dans un cadre temporel A Doussau 1,2, MC Le Deley 3, B Asselain 1, G Vassal 3, X Paoletti 1 1 - Institut Curie, 2 -
Plus en détailAMMA vous épaule en toutes circonstances.
L allocation gratuite de l INAMI pour médecins, dentistes, pharmaciens et kinésithérapeutes Maladie, accident, pension, AMMA vous épaule en toutes circonstances. A L L O C A T I O N I N A M I Qu est-ce
Plus en détailSystèmes de communications numériques 2
Systèmes de Communications Numériques Philippe Ciuciu, Christophe Vignat Laboratoire des Signaux et Systèmes cnrs supélec ups supélec, Plateau de Moulon, 9119 Gif-sur-Yvette ciuciu@lss.supelec.fr Université
Plus en détailUn centre de simulation : pourquoi et comment? Conférence Management, CHU Toulouse Anne-Claude Allin 9 avril 2014
Un centre de simulation : pourquoi et comment? Conférence Management, CHU Toulouse Anne-Claude Allin 9 avril 2014 Plan de présentation 2 Vous avez dit simulation? La simulation est une technique d enseignement
Plus en détail