S'authentifier

Journées de Biostatistique 2023

16–17 nov. 2023
Institut de Mathématiques de Toulouse
Fuseau horaire Europe/Paris

Liste des Contributions

22 sur 22 affichés
Exporter en PDF
  1. 42. The importance of jointly analyzing treatment administration and toxicity associated with targeted therapies: a case study of regorafenib in soft tissue sarcoma patients
    Dr Thomas Filleron (Oncopole Toulouse)
    16/11/2023 09:45
  2. 17. Test bayésien à deux intervalles
    Prof. Nicolas MEYER (iCUBE UMR 7357, Strasbourg. Hôpitaux Universitaires de Strasbourg)
    16/11/2023 11:00

    La théorie bayésienne permet de réaliser des tests mais avec deux formulations selon que l’on teste la présence d’une variable dans un modèle ou la valeur d’un paramètre déjà inclus dans un modèle. Le Null Hypothesis Bayesian Test spécifie une hypothèse nulle ponctuelle, problématique car la probabilité qu'un paramètre vaille une valeur précise est mathématiquement nulle, et une hypothèse...

    Aller à la page de la contribution
  3. 14. Statistique bayésienne distribuée, effet centre et power prior
    Erik-A. Sauleau (Université de Strasbourg, Laboratoire ICube UMR7357)
    16/11/2023 11:25

    L’exploitation des données de santé suppose le respect de contraintes réglementaires fortes notamment lors de l’analyse des données de plusieurs établissements (ou centres). Porter les analyses statistiques, et les algorithmes d’apprentissage, vers les données, et non plus agréger les données, permet de résoudre ces problèmes réglementaires.
    L’inférence bayésienne se prête à ce cas des...

    Aller à la page de la contribution
  4. 6. ShiBa logiciel d’inférence bayésienne sans codage
    Prof. Erik-A. Sauleau (Université de Strasbourg, Laboratoire ICube UMR7357)
    16/11/2023 11:50

    La diffusion de l’inférence bayésienne dans la communauté scientifique, y compris parmi les spécialistes de biométrie reste limitée. Cette timidité s’explique en partie par l’absence d’outil logiciel omnibus et ne nécessitant pas de codage. Notre logiciel ShiBa, sous licence CC-by-nc 4.0, vient combler ces manques.
    ShiBa est un développement utilisant Shiny pour R (Chang W et al (2023)....

    Aller à la page de la contribution
  5. 15. Integration of External Data in the Design and Analysis of Clinical Trials for Rare Diseases
    Mlle Emilie Jounot (Servier)
    16/11/2023 12:15

    Background: In the rare neurological disease field, it is challenging to demonstrate treatment effect in the clinical trials for new treatments. Some neurological diseases have very few patients available for recruitment. As a result, a sufficiently powered randomized clinical trial (RCT) is not feasible. The importance of incorporating historical data into the planning and analyses of...

    Aller à la page de la contribution
  6. 40. Inférence variationnelle structurée pour les modèles de Markov caché
    Dr Pierre Gloaguen (AgroParisTech)
    16/11/2023 13:45
  7. 13. Modèle conjoint pour données répétées et évènements temporelles avec un âge pathologique latent : s’affranchir de l’âge de début de maladie
    Juliette ORTHOLAND (ICM, INRIA)
    16/11/2023 14:30

    Introduction Les maladies chroniques ont souvent des progressions hétérogènes, ce qui représente un défi dans la mise au point de thérapies efficaces. Le développement de modèles de progression a permis de mieux comprendre cette hétérogénéité. Les modèles conjoints de mesures répétées et d'événements temporels ont ainsi prouvé leur efficacité, mais nécessitent un âge de début de maladie....

    Aller à la page de la contribution
  8. 19. Comparaison de deux méthodes d’estimation de l’incidence de l’infection à VIH
    Mme Julie MUZZOLON (Santé Publique France, Université Lyon 1)
    16/11/2023 15:25

    Comparaison de deux méthodes d’estimation de l’incidence de l’infection à VIH

    Julie Muzzolon1, 3, Amber Kunkel1, Françoise Cazein1, Florence Lot1, Ahmadou Alioum2
    1. Unité VIH-hépatites B/C-IST, Direction des maladies infectieuses, Santé publique France
    2. ISPED/Inserm U1219, Bordeaux Population Health, Université de Bordeaux
    3. Master Mathématiques, Modélisation et Science des...

    Aller à la page de la contribution
  9. 7. Analyse des pseudo-observations par la méthode des moments généralisée comme alternative à l’analyse de survie Bayésienne
    Léa Orsini (CESP, INSERM U1018, Université Paris-Saclay, Villejuif, France)
    16/11/2023 15:50

    En Bayésien, la formulation d’un modèle de survie à risques proportionnels nécessite généralement la modélisation de la fonction de risque de base. Elle peut être paramétrique et suppose alors des hypothèses fortes ou non paramétrique conduisant à une implémentation complexe. En fréquentiste, les pseudo-observations définies par Andersen sont devenues une alternative à l’analyse de survie par...

    Aller à la page de la contribution
  10. 3. Robustesse aux données manquantes : comparaison entre modèle mixte et analyse en composantes principales fonctionnelles
    Corentin Ségalas (Université de Bordeaux / Bordeaux Population Health)
    16/11/2023 16:15

    En recherche médicale, la collecte de données longitudinales est très fréquente. L'analyse de ces données permet de décrire l'évolution temporelle d'un processus biologique tout en prenant en compte l'importante variabilité individuelle. Par exemple, les cohortes qui étudient l'évolution cognitive du sujet âgé intègrent les résultats des patients à différents tests psychométriques collectés...

    Aller à la page de la contribution
  11. 16. Tipping point for survival analyses
    M. Clement Daniel (Servier)
    16/11/2023 16:40

    Background: Traditionally, tipping point analysis explores the influence of missingness on the overall conclusion of the treatment difference by shifting the imputed missing values in the treatment group towards the reference group until the result becomes non-significant. Over the past years, tremendous efforts have been made to develop statistically rigorous methods for tipping point...

    Aller à la page de la contribution
  12. 43. Individualized treatment rule characterization via Gaussian process surrogate
    Dr Nikki Freeman (university of North Carolina)
    17/11/2023 09:15
  13. 20. Détection des patients transplantés rénaux à risque de perdre leur greffon par long short-term memory
    Clément Benoist (Université de Limoges/CHU de Limoges)
    17/11/2023 10:30

    Introduction : Le suivi de la fonction rénale est indispensable pour assurer le succès de la transplantation rénale et éviter la perte du greffon. Le débit de filtration glomérulaire (DFG) est la mesure biologique classiquement utilisée pour évaluer la fonction rénale; celle-ci est usuellement estimée à partir de la créatninine sérique. Prédire le DFG en avance permettrait de détecter les...

    Aller à la page de la contribution
  14. 5. Données RNA-seq semi-synthétiques : pourquoi normaliser alors qu’on peut générer des faux positifs ?
    Boris Hejblum (Inserm U1219)
    17/11/2023 10:55

    En revisitant les analyses de données RNA-seq semi-synthétiques simulées par Li et al. (Genome Biology 2022), nous soulignons l'importance de la prise en compte de la taille de librairie et de l'utilisation d'une normalisation adéquate avant d'envisager toute manipulation des observations supposant leur échangeabilité. Après avoir proposé une nouvelle stratégie de simulation corrigée, nous...

    Aller à la page de la contribution
  15. 4. Analyse des trajectoires de soin, clustering et survie auprès des patients souffrant d'insuffisance cardiaque
    Tristan Amadei (ENSAE Paris – IP Paris), Tristan Kirscher (ENSAE Paris – IP Paris), Antoine Klein (ENSAE Paris – IP Paris)
    17/11/2023 11:20

    L'insuffisance cardiaque (IC) entraîne environ 200 000 hospitalisations par an en France et est associée à une surmortalité élevée. Alors que les patients IC sont de plus en plus âgés, la compréhension des causes de décès en milieu hospitalier est une problématique de santé publique majeure. Dans ce travail, nous proposons une méthodologie innovante visant à identifier les trajectoires de soin...

    Aller à la page de la contribution
  16. 12. High-dimension Mechanistic Model Building using LASSO Approaches : Application to Ebola Vaccination
    Auriane Gabaut (Université de Bordeaux, Inria, Inserm, Bordeaux Population Health Research Center, SISTM Team ; Vaccine Research Institute, Créteil, France)
    17/11/2023 11:45

    Constructing non-linear mixed-effects models (NLMEM) deepens our comprehension of biological processes. Specifically, NLMEM facilitates the incorporation of inter-individual variability by parameterizing models at the individual level within a population framework. To do so, parameters combine fixed effects, capturing population-level relationships with covariates, and random effects,...

    Aller à la page de la contribution
  17. 41. Risk ratio, odds ratio, risk difference... Which causal measure is easier to generalize?
    Julie Josse (INRIA)
    17/11/2023 13:15
  18. 18. Modélisation des expériences de préférence de place conditionnée
    M. David Tseitline (ENSAI)
    17/11/2023 14:00

    Parmi les protocoles expérimentaux permettant d’évaluer le pouvoir addictogène d’une substance et le risque de rechute après un sevrage, la préférence de place conditionnée joue un rôle important. Son principe repose sur un dispositif à au moins deux compartiments : dans l’un, l’animal cobaye (le plus souvent, une souris ou un rat) a reçoit le produit étudié, alors que dans l’autre il reçoit...

    Aller à la page de la contribution
  19. 11. Puissance conditionnelle lors de l’analyse intermédiaire en essai clinique
    Mlle Maud MEGRET (ENSAI)
    17/11/2023 14:55

    Introduction – L’analyse intermédiaire (AI) lors d’un essai clinique peut permettre d’évaluer le critère de jugement principal avant le recrutement ou la fin de suivi de l’ensemble des patients. Cela mène à l’arrêt précoce ou à la poursuite de l’essai. Cette étape inclut notamment l’évaluation de la puissance conditionnelle (PC, probabilité d’obtenir un résultat significatif à la fin de...

    Aller à la page de la contribution
  20. 9. Comparison between different randomization methods for treatment allocation with a continuous factor as stratification criterion
    Aymeric Molinard (INSA Rennes)
    17/11/2023 15:20

    Randomization is a key step in clinical trials to ensure a valid estimation of treatment effect. Most popular randomization method is stratification with blocks. This method can cause serious imbalances which makes this method unworkable in case of small sample size trials or incorporation of several prognostic factors. Minimization can overcome these problems, by accounting for many factors...

    Aller à la page de la contribution
  21. 8. Instrumental Variables: state of the art and practical recommandations
    Remi Khellaf (INRIA)
    17/11/2023 15:45

    In this work, we provide a comprehensive theoretical and empirical exploration of the integration of instrumental variables (IV) in causal analysis. Specifically, we focus on the estimation of the Average Treatment Effect (ATE) when confronted with the challenge of unmeasured confounding variables.

    We begin by introducing the conceptual foundations and methodological underpinnings of the IV...

    Aller à la page de la contribution
  22. 10. Statistical properties of minimal sufficient balance randomization approach in a stratification context, a simulation study
    M. Hugo CANNAFARINA (ENSAI)

    Introduction – Randomization is a crucial step in clinical trials and ensures balance across treatment groups. Several approaches exist (e.g. stratified permuted blocks or covariate adaptive minimization). Some of them were introduced recently such as Zhao et al Minimum Sufficient Balance (MSB) in 2015. The aim of this work is to assess the performance of MSB to grasp a better...

    Aller à la page de la contribution