Submitted by Karlla Delalibera Chagas null (karlladelalibera@gmail.com) on 2018-05-14T12:25:13Z No. of bitstreams: 1 dissertação - Karlla Delalibera.pdf: 2936984 bytes, checksum: 3d99ddd54b4c7d3230e5de9070915594 (MD5) / Approved for entry into archive by Claudia Adriana Spindola null (claudia@fct.unesp.br) on 2018-05-14T12:53:09Z (GMT) No. of bitstreams: 1 chagas_kd_me_prud.pdf: 2936984 bytes, checksum: 3d99ddd54b4c7d3230e5de9070915594 (MD5) / Made available in DSpace on 2018-05-14T12:53:09Z (GMT). No. of bitstreams: 1 chagas_kd_me_prud.pdf: 2936984 bytes, checksum: 3d99ddd54b4c7d3230e5de9070915594 (MD5) Previous issue date: 2018-04-16 / Pró-Reitoria de Pós-Graduação (PROPG UNESP) / Neste trabalho iremos realizar uma abordagem sobre a modelagem de dados que advém de um teste acelerado. Consideraremos o caso em que a carga de estresse aplicada foi do tipo "step-stress". Para a modelagem, utilizaremos os modelos step-stress simples e múltiplo sob censura tipo II e censura progressiva tipo II, e iremos supor que os tempos de vida dos itens em teste seguem uma distribuição Gama. Além disso, também será utilizado o modelo step-stress simples sob censura tipo II considerando a presença de riscos competitivos. Será realizada uma abordagem clássica, por meio do método de máxima verossimilhança e uma abordagem Bayesiana usando prioris não-informativas, para estimar os parâmetros dos modelos. Temos como objetivo realizar a comparação dessas duas abordagens por meio de simulações para diferentes tamanhos amostrais e utilizando diferentes funções de perda (Erro Quadrático, Linex, Entropia), e através de estatísticas verificaremos qual desses métodos se aproxima mais dos verdadeiros valores dos parâmetros. / In this work, we will perform an approach to data modeling that comes from an accelerated test. We will consider the case where the stress load applied was of the step-stress type. For the modeling, we will use the simple and multiple step-stress models under censorship type II and progressive censorship type II, and we will assume that the lifetimes of the items under test follow a Gamma distribution. In addition, the simple step-stress model under censorship type II will also be used considering the presence of competitive risks. A classical approach will be performed, using the maximum likelihood method and a Bayesian approach using non-informative prioris, to estimate the parameters of the models. We aim to compare these two approaches by simulations for different sample sizes and using different loss functions (Quadratic Error, Linex, Entropy), and through statistics, we will check which of these approaches is closer to the true values of the parameters.

Le terme analyse de survie fait référence aux méthodes utilisées pour modéliser le temps d'apparition d'un ou plusieurs événements en tenant compte de la censure. L'événement d’intérêt peut être l'apparition, la récidive d'une maladie, ou le décès. Les causes de décès peuvent présenter des valeurs absentes, une situation qui peut être modélisée par des méthodes d’imputation. Dans la première partie de cette thèse nous avons passer en revue les méthodes de gestion des données manquantes. Puis nous avons détaillé les procédures qui permettent une imputation multiple des causes de décès. Nous avons développé ces méthodes dans une cohorte issue d’une étude européenne, l’ERSPC (European Randomized Study of Screening for Prostate Cancer), qui étudiait le dépistage et la mortalité par cancer de la prostate. Nous avons proposé une formulation théorique des règles de Rubin après transformation log-log complémentaire afin de combiner les estimations de survie. De plus, nous mettons à disposition le code R afférent. Dans la deuxième partie, nous présentons les méthodes d'analyse de survie, en proposant une écriture unifiée basée sur les définitions des survies brute et nette, que l’on s'intéresse à toutes les causes de décès ou à une seule cause. Cela implique la prise en compte de la censure qui peut alors être informative. Nous avons considéré les méthodes dites classiques (Kaplan-Meier, Nelson-Aalen, Cox et paramétriques), les méthodes des risques compétitifs (en considérant un modèle multi-états ou un modèle de temps latents), les méthodes dites spécifiques avec correction IPCW (Inverse Ponderation Censoring Weighting) et les méthodes de survie relative. Les méthodes dites classiques reposent sur l'hypothèse de censure non informative. Quand on s'intéresse aux décès de toutes causes, cette hypothèse est souvent valide. En revanche, pour un décès de cause particulière, les décès d'autres causes sont considérés comme une censure, et cette censure par décès d'autres causes est en général informative. Nous introduisons une approche basée sur la méthode IPCW afin de corriger cette censure informative, et nous fournissons une fonction R qui permet d’appliquer cette approche directement. Toutes les méthodes présentées dans ce chapitre sont appliquées aux bases de données complétées par imputation multiple.Enfin, dans une dernière partie nous avons cherché à déterminer le pourcentage de décès expliqué par une ou plusieurs variables en utilisant les fractions attribuables. Nous présentons les formulations théoriques des fractions attribuables, indépendantes du temps puis dépendantes du temps qui s’expriment sous la forme de survie. Nous illustrons ces concepts en utilisant toutes les méthodes de survie de la partie précédente et comparons les résultats. Les estimations obtenues avec les différentes méthodes sont très proches. / The term survival analysis refers to methods used for modeling the time of occurrence of one or more events taking censoring into account. The event of interest may be either the onset or the recurrence of a disease, or death. The causes of death may have missing values, a status that may be modeled by imputation methods.
In the first section of this thesis we made a review of the methods used to deal with these missing data. Then, we detailed the procedures that enable multiple imputation of causes of death. We have developed these methods in a subset of the ERSPC (European Randomized Study of Screening for Prostate Cancer), which studied screening and mortality for prostate cancer. We proposed a theoretical formulation of Rubin rules after a complementary log-log transformation to combine estimates of survival. In addition, we provided the related R code.
In a second section, we presented the survival analysis methods, by proposing a unified writing based on the definitions of crude and net survival, while considering either all-cause or specific cause of death. This involves consideration of censoring which can then be informative. We considered the so-called traditional methods (Kaplan-Meier, Nelson-Aalen, Cox and parametric) methods of competing risks (considering a multistate model or a latent failure time model), methods called specific that are corrected using IPCW (Inverse Ponderation Censoring Weighting) and relative survival methods. The classical methods are based on a non-informative censoring assumption. When we are interested in deaths from all causes, this assumption is often valid. However, for a particular cause of death, other causes of death are considered as a censoring. In this case, censoring by other causes of death is generally considered informative. We introduced an approach based on the IPCW method to correct this informative censoring, and we provided an R function to apply this approach directly. All methods presented in this chapter were applied to datasets completed by multiple imputation.
Finally, in a last part we sought to determine the percentage of deaths explained by one or more variables using attributable fractions. We presented the theoretical formulations of attributable fractions, time-independent and time-dependent that are expressed as survival. We illustrated these concepts using all the survival methods presented in section 2, and compared the results. Estimates obtained with the different methods were very similar.

Afin de mieux connaitre puis d'optimiser les trajectoires suivies par les patients arrivés au stade terminal de leur insuffisance rénale chronique, il a été nécessaire de mettre au point des outils permettant de modéliser ces trajectoires complexes. Les différentes modalités de traitement n'ont pas été comparées une à une mais une approche globale a été privilégiée tenant compte d'une vision intégrée où les modalités de traitement sont considérées comme complémentaires et non concurrentielles. Ce travail de modélisation a utilisé des modèles à compartiments avec prise en compte de risque concurrents et un modèle de mélange pour données de survie avec fraction non à risque. Les paramètres des modèles ont été estimés à partir des données du registre du Réseau Épidémiologie et Information en Néphrologie (REIN). L'outil de prédiction développé a également pu être alimenté par les données de remboursement de l'assurance maladie (SNIIRAM) sur l'année 2009. Cette première version de l'outil a permis d'évaluer les conséquences en termes d'espérance de vie restreinte à 15 ans et de coût moyen par mois de différentes stratégies simulées de prise en charge des patients en IRCT dans le cadre d'une analyse médico-économique, en partenariat avec la Haute Autorité de Santé. L'objectif final de ce travail sera de proposer des outils d'aide à la décision reposant sur des stratégies de prise en charge les mieux adaptées aux besoins des patients. A terme, les outils développés lors de ce travail pourraient également servir de base à une plateforme de simulation afin d'accompagner les décideurs publics lors de la réflexion sur les schémas d'organisation sanitaire / In order to better understand and then optimize the trajectories followed by end-stage renal disease patients, it was necessary to develop tools to model these complex trajectories. The different treatment modalities were not compared but a comprehensive approach was preferred taking into account an integrated vision where treatment modalities are considered complementary and non-competitive. We used compartments models which took into account competitive risk and a mixture model for survival with fraction not at risk. The model parameters were estimated from the data from the Renal Epidemiology and Information Network registry. Reimbursement data from the national health insurance (SNIIRAM) were also used. The prediction tool developed was used to evaluate the consequences in terms of expected 15- years restricted lifetime and average cost per month for different strategies in a medicoeconomic analysis, in partnership with the Haute Autorité de Santé. The final aim of this work is to offer decision support tools based on strategies best adapted to patients’ needs. The tools developed in this work could also serve as a basis for a simulation platform to accompany public decision-makers in their reflection on health organization