Les modèles uplift (levier en français) traitent de l'inférence de cause à effet pour un facteur spécifique, comme une intervention de marketing. En pratique, ces modèles sont construits sur des données individuelles issues d'expériences randomisées. Un groupe traitement comprend des individus qui font l'objet d'une action; un groupe témoin sert de comparaison. La modélisation uplift est utilisée pour ordonner les individus par rapport à la valeur d'un effet causal, par exemple, positif, neutre ou négatif. Dans un premier temps, nous proposons une nouvelle façon d'effectuer la sélection de modèles pour la régression uplift. Notre méthodologie est basée sur la maximisation du coefficient Qini. Étant donné que la sélection du modèle correspond à la sélection des variables, la tâche est difficile si elle est effectuée de manière directe lorsque le nombre de variables à prendre en compte est grand. Pour rechercher de manière réaliste un bon modèle, nous avons conçu une méthode de recherche basée sur une exploration efficace de l'espace des coefficients de régression combinée à une pénalisation de type lasso de la log-vraisemblance. Il n'y a pas d'expression analytique explicite pour la surface Qini, donc la dévoiler n'est pas facile. Notre idée est de découvrir progressivement la surface Qini comparable à l'optimisation sans dérivée. Le but est de trouver un maximum local raisonnable du Qini en explorant la surface près des valeurs optimales des coefficients pénalisés. Nous partageons ouvertement nos codes à travers la librairie R tools4uplift. Bien qu'il existe des méthodes de calcul disponibles pour la modélisation uplift, la plupart d'entre elles excluent les modèles de régression statistique. Notre librairie entend combler cette lacune. Cette librairie comprend des outils pour: i) la discrétisation, ii) la visualisation, iii) la sélection de variables, iv) l'estimation des paramètres et v) la validation du modèle. Cette librairie permet aux praticiens d'utiliser nos méthodes avec aise et de se référer aux articles méthodologiques afin de lire les détails. L'uplift est un cas particulier d'inférence causale. L'inférence causale essaie de répondre à des questions telle que « Quel serait le résultat si nous donnions à ce patient un traitement A au lieu du traitement B? ». La réponse à cette question est ensuite utilisée comme prédiction pour un nouveau patient. Dans la deuxième partie de la thèse, c’est sur la prédiction que nous avons davantage insisté. La plupart des approches existantes sont des adaptations de forêts aléatoires pour le cas de l'uplift. Plusieurs critères de segmentation ont été proposés dans la littérature, tous reposant sur la maximisation de l'hétérogénéité. Cependant, dans la pratique, ces approches sont sujettes au sur-ajustement. Nous apportons une nouvelle vision pour améliorer la prédiction de l'uplift. Nous proposons une nouvelle fonction de perte définie en tirant parti d'un lien avec l'interprétation bayésienne du risque relatif. Notre solution est développée pour une architecture de réseau de neurones jumeaux spécifique permettant d'optimiser conjointement les probabilités marginales de succès pour les individus traités et non-traités. Nous montrons que ce modèle est une généralisation du modèle d'interaction logistique de l'uplift. Nous modifions également l'algorithme de descente de gradient stochastique pour permettre des solutions parcimonieuses structurées. Cela aide dans une large mesure à ajuster nos modèles uplift. Nous partageons ouvertement nos codes Python pour les praticiens désireux d'utiliser nos algorithmes. Nous avons eu la rare opportunité de collaborer avec l'industrie afin d'avoir accès à des données provenant de campagnes de marketing à grande échelle favorables à l'application de nos méthodes. Nous montrons empiriquement que nos méthodes sont compétitives avec l'état de l'art sur les données réelles ainsi qu'à travers plusieurs scénarios de simulations. / Uplift models deal with cause-and-effect inference for a specific factor, such as a marketing intervention. In practice, these models are built on individual data from randomized experiments. A targeted group contains individuals who are subject to an action; a control group serves for comparison. Uplift modeling is used to order the individuals with respect to the value of a causal effect, e.g., positive, neutral, or negative. First, we propose a new way to perform model selection in uplift regression models. Our methodology is based on the maximization of the Qini coefficient. Because model selection corresponds to variable selection, the task is haunting and intractable if done in a straightforward manner when the number of variables to consider is large. To realistically search for a good model, we conceived a searching method based on an efficient exploration of the regression coefficients space combined with a lasso penalization of the log-likelihood. There is no explicit analytical expression for the Qini surface, so unveiling it is not easy. Our idea is to gradually uncover the Qini surface in a manner inspired by surface response designs. The goal is to find a reasonable local maximum of the Qini by exploring the surface near optimal values of the penalized coefficients. We openly share our codes through the R Package tools4uplift. Though there are some computational methods available for uplift modeling, most of them exclude statistical regression models. Our package intends to fill this gap. This package comprises tools for: i) quantization, ii) visualization, iii) variable selection, iv) parameters estimation and v) model validation. This library allows practitioners to use our methods with ease and to refer to methodological papers in order to read the details. Uplift is a particular case of causal inference. Causal inference tries to answer questions such as ``What would be the result if we gave this patient treatment A instead of treatment B?" . The answer to this question is then used as a prediction for a new patient. In the second part of the thesis, it is on the prediction that we have placed more emphasis. Most existing approaches are adaptations of random forests for the uplift case. Several split criteria have been proposed in the literature, all relying on maximizing heterogeneity. However, in practice, these approaches are prone to overfitting. In this work, we bring a new vision to uplift modeling. We propose a new loss function defined by leveraging a connection with the Bayesian interpretation of the relative risk. Our solution is developed for a specific twin neural network architecture allowing to jointly optimize the marginal probabilities of success for treated and control individuals. We show that this model is a generalization of the uplift logistic interaction model. We modify the stochastic gradient descent algorithm to allow for structured sparse solutions. This helps fitting our uplift models to a great extent. We openly share our Python codes for practitioners wishing to use our algorithms. We had the rare opportunity to collaborate with industry to get access to data from large-scale marketing campaigns favorable to the application of our methods. We show empirically that our methods are competitive with the state of the art on real data and through several simulation setting scenarios.

La fibrillation auriculaire (FA), l’arythmie cardiaque la plus courante est un facteur de risque majeur pour le développement de l’accident vasculaire cérébral ischémique (AVC). Les anticoagulants oraux directs (AOD) ont largement remplacé la warfarine en usage clinique pour la prévention des AVC dans la FA. Cette recherche a examiné deux défis méthodologiques importants qui peuvent survenir dans les études observationnelles sur l’efficacité et l’innocuité comparatives des AOD et de la warfarine. Premièrement : un biais d’information résultant d’une classification erronée de l’exposition au traitement à la warfarine suite aux ajustements de doses fréquentes qui ne sont pas adéquatement consignés dans les données de dispensations pharmacologiques. Deuxièmement : un biais de sélection, en raison de la censure informative, généré par des mécanismes de censure différentiels, chez les patients exposés aux AOD, ou à la warfarine. À l’aide des données administratives du Québec, j’ai mené trois études de cohortes rétrospectives qui ont portées sur toutes les personnes ayant initié un anticoagulant oral de 2010 à 2016. Ces études étaient restreintes aux résidents du Québec couverts par le régime public d'assurance médicaments (environ 40% de la population au Québec), c’est-à-dire : des personnes âgées de 65 ans et plus; des bénéficiaires de l’aide sociale; des personnes qui n’ont pas accès à une assurance-maladie privée; et les personnes à leur charge. Dans la première étude, nous avons émis l'hypothèse que les données sur les réclamations en pharmacie ne reflètent pas correctement la durée de la dispensation de la warfarine. Les écarts entre les renouvellements consécutifs étaient plus grands pour la warfarine que les AOD. Dans cette étude, on a trouvé que l'écart moyen pour les usagers de la warfarine était de 9.3 jours (avec un intervalle de confiance de 95% [IC]: 8.97-9.59), l'apixaban de 3.08 jours (IC de 95%: 2.96--3.20), et de 3.15 jours pour le rivaroxaban (IC de 95%: 3.03-3.27). Les écarts entre les renouvellements consécutifs présentaient une plus grande variabilité chez les personnes qui prenaient de la warfarine comparativement à celles qui prenaient des AOD. Cette variation peut refléter les changements de posologie de la warfarine lorsque la dose quotidienne est ajustée par le professionnel de la santé en fonction des résultats du rapport normalisé international (INR). L’ajustement de la dose peut prolonger (ou raccourcir) la période couverte par le nombre de comprimés délivrés. Dans la deuxième étude, nous avons émis l'hypothèse que la définition de la durée d'exposition basée sur la variable des « jours fournis », disponible dans la base de données, et le délai de grâce fixe, entraîneront une erreur de classification différentielle de l’exposition à la warfarine par rapport aux AOD. Dans cette étude, on a utilisé deux approches pour définir la durée des dispensations : la variable des « jours fournis » disponible dans la base de données ainsi qu’une approche axée sur les données pour la définition de la durée de dispensation qui tient compte des antécédents de distribution précédents. La deuxième étude a révélé qu'en utilisant la variable des « jours fournis », la durée moyenne (et l'écart type) des durées des dispensations pour le dabigatran, le rivaroxaban, et la warfarine étaient de 19 (15), 19 (14), et de 13 (12) jours, respectivement. En utilisant l’approche fondée sur des données, les durées étaient de 20 (16), 19 (15), et de 15 (16) jours, respectivement. Ainsi, l'approche fondée sur les données s’est rapprochée de la variable des « jours fournis » pour les thérapies à dose standard telles que le dabigatran et le rivaroxaban. Une approche axée sur les données pour la définition de la durée de dispensation, qui tient compte des antécédents de distribution précédents, permet de mieux saisir la variabilité de la durée de dispensation de la warfarine par rapport à la méthode basée sur la variable des « jours fournis ». Toutefois, cela n’a pas eu d’impact sur les estimations du rapport de risque sur la sécurité comparative des AOD par rapport à la warfarine. Dans la troisième étude, nous avons émis l'hypothèse que lors de l'évaluation de l’effet d’un traitement continu avec des anticoagulants oraux (l'analyse per-protocole), la censure élimine les patients les plus malades du groupe des AOD et des patients en meilleure santé du groupe de warfarine. Cela peut baisser l'estimation de l'efficacité et de l'innocuité comparative en faveur des AOD. L’étude a démontré que les mécanismes de censure chez les initiateurs d’AOD et de warfarine étaient différents. Ainsi, certaines covariables pronostiquement significatives, telles que l’insuffisance rénale chronique et l’insuffisance cardiaque congestive, étaient associées avec une augmentation de la probabilité de censure chez les initiateurs d’AOD, et une diminution de la probabilité de censure chez les initiateurs de warfarine. Pour corriger le biais de sélection introduit par la censure, nous avons appliqué la méthode de pondération par la probabilité inverse de censure. Deux stratégies de spécification du modèle pour l’estimation des poids de censure ont été explorées : le modèle non stratifié, et le modèle stratifié en fonction de l’exposition. L’étude a démontré que lorsque les poids de censure sont générés sans tenir compte des dynamiques de censure spécifiques, les estimés ponctuels sont biaisés de 15% en faveur des AOD par rapport à l'ajustement des estimés ponctuels avec des poids de censure stratifiée selon l’exposition (rapport de risque: 1.41; IC de 95%: 1.34, 1.48 et rapport de risque: 1.26; IC de 95%: 1.20, 1.33, respectivement). Dans l’ensemble, les résultats de cette thèse ont d’importantes implications méthodologiques pour les futures études pharmacoépidémiologiques. À la lumière de ceux-ci, les résultats des études observationnelles précédentes peuvent être revus et une certaine hétérogénéité peut être expliquée. Les résultats pourraient également être extrapolés à d’autres questions cliniques. / Atrial fibrillation (AF), the most common cardiac arrhythmia is a major risk factor for the development of ischemic stroke. Direct oral anticoagulants (DOACs) replaced warfarin in clinical use for stroke prevention in AF. This research investigated two important methodological challenges that may arise in observational studies on the comparative effectiveness and safety of DOACs and warfarin. First, an information bias resulting from misclassification of exposure to dose-varying warfarin therapy when using days supplied value recorded in pharmacy claims data. Second, a selection bias due to informative censoring with differential censoring mechanisms in the DOACs- and the warfarin exposure groups. Using the Québec administrative databases, I conducted three retrospective cohort studies that included patients initiating an oral anticoagulant between 2010 and 2016. The studies were restricted to Québec residents covered by the public drug insurance plan (about 40% of Québec’s population), including those aged 65 years and older, welfare recipients, those not covered by private medical insurance, and their dependents. In the first study, we hypothesized that pharmacy claims data inadequately captured the duration of the dispensation of warfarin. Gaps between subsequent dispensations (refill gaps) and their variation are larger for warfarin than for DOACs. In this study, we found that the average refill gap for the users of warfarin was 9.3 days (95% confidence interval [CI]:8.97-9.59), apixaban 3.08 days (95%CI: 2.96--3.20), dabigatran 3.70 days (95%CI: 3.56-3.84) and rivaroxaban 3.15 days (95%CI: 3.03-3.27). The variance of refill gaps was greater among warfarin users than among DOAC users. This variation may reflect the changes in warfarin posology when the daily dose is adjusted by a physician or a pharmacist based on previously observed international normalized ratio (INR) results. The dose adjustment may lead to a prolongation of the period covered by the number of dispensed pills. In the second study, we hypothesized that the definition of duration of dispensation based on the days supplied value and a fixed grace period will lead to differential misclassification of exposure to warfarin and DOACs. This may bias the estimate of comparative safety in favor of DOACs. In this study, we used two approaches to define the duration of dispensations: the recorded days supplied value, and the longitudinal coverage approximation (data-driven) that may account for individual variation in drug usage patterns. The second study found that using the days supplied, the mean (and standard deviation) dispensation durations for dabigatran, rivaroxaban, and warfarin were 19 (15), 19 (14), and 13 (12) days, respectively. Using the data-driven approach, the durations were 20 (16), 19 (15), and 15 (16) days, respectively. Thus, the data-driven approach closely approximated the recorded days supplied value for the standard dose therapies such as dabigatran and rivaroxaban. For warfarin, the data-driven approach captured more variability in the duration of dispensations compared to the days supplied value, which may better reflect the true drug-taking behavior of warfarin. However, this did not impact the hazard ratio estimates on the comparative safety of DOACs vs. warfarin. In the third study, we hypothesized that when assessing the effect of continuous treatment with oral anticoagulants (per-protocol effect), censoring removes sicker patients from the DOACs group and healthier patients from the warfarin group. This may bias the estimate of comparative effectiveness and safety in favor of DOACs. The study showed that the mechanisms of censoring in the DOAC and the warfarin exposure groups were different. Thus, prognostically meaningful covariates, such as chronic renal failure and congestive heart failure, had an opposite direction of association with the probability of censoring in the DOACs and warfarin groups. To correct the selection bias introduced by censoring, we applied the inverse probability of censoring weights. Two strategies for the specification of the model for the estimation of censoring weights were explored: exposure-unstratified and exposure-stratified. The study found that exposure-unstratified censoring weights did not account for the differential mechanism of censoring across the treatment group and failed to eliminate the selection bias. The hazard ratio associated with continuous treatment with warfarin versus DOACs adjusted with exposure unstratified censoring weights was 15% biased in favor of DOACs compared to the hazard ratio adjusted with exposure-stratified censoring weights (hazard ratio: 1.41; 95% CI: 1.34, 1.48 and hazard ratio: 1.26; 95%CI: 1.20, 1.33, respectively). Overall, the findings of this thesis have important methodological implications for future pharmacoepidemiologic studies. Moreover, the results of the previous observational studies can be reappraised, and some heterogeneity can be explained. The findings can be extrapolated to other clinical questions.

<p dir="ltr">In the dynamic realm of Artificial Intelligence (AI), this study explores the multifaceted landscape of Trustworthy AI with a dedicated focus on achieving both explainability and acceptance. The research addresses the evolving dynamics of AI, emphasizing the essential role of human involvement in shaping its trajectory.</p><p dir="ltr">A primary contribution of this work is the introduction of a novel "Trustworthy Explainability Acceptance Metric", tailored for the evaluation of AI-based systems by field experts. Grounded in a versatile distance acceptance approach, this metric provides a reliable measure of acceptance value. Practical applications of this metric are illustrated, particularly in a critical domain like medical diagnostics. Another significant contribution is the proposal of a trust-based security framework for 5G social networks. This framework enhances security and reliability by incorporating community insights and leveraging trust mechanisms, presenting a valuable advancement in social network security.</p><p dir="ltr">The study also introduces an artificial conscience-control module model, innovating with the concept of "Artificial Feeling." This model is designed to enhance AI system adaptability based on user preferences, ensuring controllability, safety, reliability, and trustworthiness in AI decision-making. This innovation contributes to fostering increased societal acceptance of AI technologies. Additionally, the research conducts a comprehensive survey of foundational requirements for establishing trustworthiness in AI. Emphasizing fairness, accountability, privacy, acceptance, and verification/validation, this survey lays the groundwork for understanding and addressing ethical considerations in AI applications. The study concludes with exploring quantum alternatives, offering fresh perspectives on algorithmic approaches in trustworthy AI systems. This exploration broadens the horizons of AI research, pushing the boundaries of traditional algorithms.</p><p dir="ltr">In summary, this work significantly contributes to the discourse on Trustworthy AI, ensuring both explainability and acceptance in the intricate interplay between humans and AI systems. Through its diverse contributions, the research offers valuable insights and practical frameworks for the responsible and ethical deployment of AI in various applications.</p>

Contexte : Le diabète de type 1 et de type 2 apporte un fardeau considérable sur la santé et la qualité de vie de l’enfant, étant associé à des complications microvasculaires et cardiovasculaires et à une mortalité précoce à l’âge adulte. Il est essentiel de prévenir le diabète et les complications associées chez les enfants à risque. Néanmoins, on détient encore peu de connaissances sur comment le diabète de type 2 se développe ainsi que sur la présence de maladie cardiovasculaire chez les jeunes avec diabète de type 1. De plus, en comprenant mieux le rôle des habitudes de vie, comme l’activité physique et les comportements sédentaires sur le développement du diabète de type 2 et de la maladie cardiovasculaire dans le diabète de type 1, nous pourrons identifier des nouvelles stratégies préventives chez les enfants à risque. Objectifs : 1) Investiguer l’histoire naturelle du diabète de type 2 de l’enfance jusqu’à la fin de l’adolescence et identifier les déterminants sociodémographiques, biologiques et reliés aux habitudes de vie durant l’enfance qui sont associés au développement du diabète de type 2. 2) Estimer l’effet de l’activité physique et les comportements sédentaires sur la sensibilité à l’insuline, la sécrétion d’insuline et la glycémie de l’enfance à la fin de l’adolescence. 3) Comparer des marqueurs de maladie cardiovasculaire précoce en rapport à la structure et fonction vasculaire et du myocarde entre des adolescents avec diabète de type 1 et des adolescents sans diabète. 4) Évaluer l’association entre l’activité physique, les comportements sédentaires et les marqueurs de maladie cardiovasculaire précoce chez les adolescents avec diabète de type 1 et les adolescents sans diabète. Méthodes : Les données des visites aux âges de 8-10, 10-12 et 15-17 ans de 630 enfants québécois avec histoire parentale d’obésité de la cohorte QUALITY ont été utilisées pour répondre aux 2 premiers objectifs. À chaque cycle d’évaluation, les enfants faisaient un test d’hyperglycémie orale provoquée avec prélèvements à 0, 30, 60, 90 et 120 minutes, à partir duquel les niveaux de glucose et d’insuline ont été mesurés. Les données transversales de l’étude CARDEA incluant 100 adolescents avec diabète de type 1 et 97 adolescents sans diabète âgés entre 14 et 18 ans ont été utilisées pour répondre aux objectifs 3 et 4. La rigidité artérielle a été mesurée avec le test de la vitesse d’onde de pouls et la fonction endothéliale par le test de dilatation médié par le flux sanguin de l’artère brachiale. La structure et fonction du myocarde était évaluée par imagerie par résonance magnétique. Dans les études QUALITY et CARDEA, l’activité physique et le temps sédentaire ont été mesuré avec le port d’accéléromètre pendant sept jours. Aussi dans les deux études, la diète était mesurée par rappels alimentaires de 24 heures, le temps d’écran et les facteurs sociodémographiques par questionnaire et le pourcentage de masse adipeuse par dual energy x-ray absorptiometry. Pour l’objectif 1, nous avons utilisé des modèles généralisés additifs à effets mixtes pour modéliser les variations de sensibilité et sécrétion d’insuline durant l’enfance et l’adolescence et une analyse par moyennage de modèle pour identifier les déterminants à l’enfance. Des modèles structuraux marginaux longitudinaux ont été utilisés pour répondre à l’objectif 2. Pour les objectifs 3 et 4, nous avons estimé des modèles de régression linéaire multivariable et les analyses pour l’objectif 4 ont été stratifiées selon le statut de diabète. Résultats : Nous avons observé que 21% des enfants avec histoire parentale d’obésité développent une dysglycémie (basé sur les critères de prédiabète ou diabète de type 2 pour la glycémie) persistante durant l’enfance et l’adolescence. De plus, la glycémie à jeun et 2-h étaient les deux seuls déterminants à l’enfance associés au risque de dysglycémie à l’adolescence. Néanmoins, nous avons observé qu’un niveau d’activité physique plus élevé, moins de temps sédentaire total et moins de temps d’écran améliorait la sensibilité à l’insuline et diminuait les besoins en sécrétion d’insuline durant l’enfance et l’adolescence. De plus, nous avons constaté que les adolescents avec diabète de type 1 avaient une moins bonne fonction endothéliale et une masse du ventricule gauche plus petite que les adolescents sans diabète. Enfin, l’activité physique est associée positivement à la masse du ventricule gauche chez les adolescents sans diabète. Le temps sédentaire est associé à une moins bonne fonction endothéliale, ainsi qu’à une masse du ventricule gauche et une épaisseur du mur du ventricule gauche plus petites chez les jeunes sans diabète seulement. Conclusion : Plusieurs enfants avec histoire parentale d’obésité développent un prédiabète. L’activité physique et les comportements sédentaires durant l’enfance et l’adolescence constituent des cibles pertinentes pour la prévention du diabète de type 2 chez le jeune via leur action sur la sensibilité et la sécrétion d’insuline. Une dysfonction endothéliale et des différences dans la structure du myocarde sont perceptibles dès l’adolescence chez les jeunes avec diabète de type 1. Davantage d’activité physique et moins de comportements sédentaires pourraient ralentir l’apparition des premiers signes de maladie cardiovasculaire à l’adolescence, mais leur contribution reste à être confirmée. / Background: Type 1 and type 2 diabetes represent a considerable burden on children's health and quality of life, being associated with microvascular and cardiovascular complications and early mortality in adulthood. Focusing on the prevention of diabetes and associated complications in children at risk is essential. Nevertheless, little is known about how type 2 diabetes develops in children and on the presence of early cardiovascular disease in youth with type 1 diabetes. Furthermore, by better understanding the role of lifestyle factors, such as physical activity and sedentary behaviors, on the development of type 2 diabetes and cardiovascular disease in type 1 diabetes, we will be able to identify new preventive strategies in children at risk. Objectives: 1) Investigate the natural history of type 2 diabetes from childhood to late adolescence and identify the sociodemographic, biological and lifestyle determinants in childhood associated with the development of type 2 diabetes. 2) Estimate the effect of physical activity and sedentary behaviors on insulin sensitivity, insulin secretion, and blood glucose levels from childhood to late adolescence. 3) Compare markers of early cardiovascular disease pertaining to vascular and myocardial structure and function between adolescents with type 1 diabetes and adolescents without diabetes. 4) Examine the association between physical activity, sedentary behaviors and markers of early cardiovascular disease in adolescents with type 1 diabetes and adolescents without diabetes. Methods: To address the first 2 objectives, data from ages 8-10, 10-12, and 15-17 years follow-up visits from the QUALITY cohort of 630 Quebec children with a parental history of obesity were used. At each research visit, children underwent an oral glucose tolerance test with samples taken at 0, 30, 60, 90 and 120 minutes, from which glucose and insulin levels were measured. For objectives 3 and 4, data stem from the cross-sectional CARDEA study of 100 adolescents with type 1 diabetes and 97 adolescents without diabetes aged 14 to 18 years. Arterial stiffness was measured with the pulse wave velocity test and endothelial function by the brachial artery flow-mediated dilatation test. Myocardial structure was assessed by cardiac magnetic resonance imaging. In both QUALITY and CARDEA studies, physical activity and sedentary time were measured with accelerometry over 7 days. Also in both studies, diet was measured by 24-hour dietary recalls, screen time and sociodemographic factors by questionnaire, and by dual energy x-ray absorptiometry. For Objective 1, we used additive generalized mixed models to study variations in insulin sensitivity and insulin secretion from childhood to late adolescence, and model averaging analysis to identify determinants in childhood. Longitudinal marginal structural models were used to address objective 2. For objectives 3 and 4, we estimated multivariable linear regression models, stratified by diabetes status for objective 4. Results: We found that among children with a parental history of obesity, 21% developed persistent dysglycemia (based on glycemia cut-points for prediabetes or type 2 diabetes) during childhood and adolescence, and that fasting and 2-h glycemia were the only two childhood determinants associated with risk of dysglycemia in adolescence. Nevertheless, we observed that higher levels of physical activity, less sedentary time (accelerometer-measured), and less screen time improved insulin sensitivity and decreased insulin secretion requirements during childhood and adolescence. In addition, we found that adolescents with type 1 diabetes had worse endothelial function and smaller left ventricular mass than adolescents without diabetes. Finally, physical activity was positively associated with left ventricular mass in adolescents without diabetes. Sedentary time was associated with poorer endothelial function and smaller left ventricular mass and left ventricular wall thickness in youth without diabetes only. Conclusions: Many children with a parental history of obesity develop prediabetes. Physical activity and sedentary behaviors during childhood and adolescence are relevant targets for the prevention of type 2 diabetes in youth through their action on insulin sensitivity and secretion. Endothelial dysfunction and differences in myocardial structure are noticeable as early as adolescence in young people with type 1 diabetes. More physical activity and less sedentary behavior could slow the onset of cardiovascular disease in adolescence, but their contribution remains to be confirmed.