En recherche médicale, les cohortes permettent de mieux comprendre l'évolution d'une pathologie et d'améliorer la prise en charge des patients. La mise en évidence de liens de causalité entre certains facteurs de risque et l'évolution de l'état de santé des patients est possible grâce à des études étiologiques. L'analyse de cohortes permet aussi d'identifier des marqueurs pronostiques de l'évolution d'un état de santé. Cependant, les facteurs de confusion constituent souvent une source de biais importante dans l'interprétation des résultats des études étiologiques ou pronostiques. Dans ce manuscrit, nous présentons deux travaux de recherche en Biostatistique dans la thématique des scores de propension. Dans le premier travail, nous comparons les performances de différents modèles permettant d'évaluer la causalité d'une exposition sur l'incidence d'un événement en présence de données censurées à droite. Dans le second travail, nous proposons un estimateur de courbes ROC dépendantes du temps standardisées et pondérées permettant d'estimer la capacité prédictive d'un marqueur en prenant en compte les facteurs de confusion potentiels.En cohérence avec l'objectif de fournir des outils statistiques adaptés, nous présentons également dans ce manuscrit une application nommée Plug-Stat®. En lien direct avec la base de données, elle permet de réaliser des analyses statistiques adaptées à la pathologie afin de faciliter la recherche épidémiologique et de mieux valoriser les données de cohortes observationnelles. / In medical research, cohorts help to better understandthe evolution of a pathology and improve the care ofpatients. Causal associations between risk factors andoutcomes are regularly studied through etiological studies. Cohorts analysis also allow the identification of new markers for the prediction of the patient evolution.However, confounding factors are often source of bias in the interpretation of the results of etiologic or prognostic studies.In this manuscript, we presented two research works in Biostatistics, the common topic being propensity scores.In the first work, we compared the performances of different models allowing to evaluate the causality of an exposure on an outcome in the presence of rightc ensored data. In the second work, we proposed anestimator of standardized and weighted time-dependentROC curves. This estimator provides a measure of theprognostic capacities of a marker by taking into accountthe possible confounding factors. Consistent with our objective to provide adapted statistical tools, we also present in this manuscript an application, so-calledPlug-Stat®. Directly linked with the database, it allows toperform statistical analyses adapted to the pathology in order to facilitate epidemiological studies and improve the valorization of data from observational cohorts.

Nous présentons des méthodes statistiques reposant sur des problèmes de factorisation matricielle. Une première méthode permet l'inférence rapide de la structure de populations à partir de données génétiques en incluant l'information de proximité géographique. Une deuxième méthode permet de corriger les études d'association pour les facteurs de confusion. Nous présentons dans ce manuscrit les modèles, ainsi que les aspects théoriques des algorithmes d'inférence. De plus, à l'aide de simulations numériques, nous comparons les performances de nos méthodes à celles des méthodes existantes. Enfin, nous utilisons nos méthodes sur des données biologiques réelles. Nos méthodes ont été implémentées et distribuées sous la forme de packages R : tess3r et lfmm. / We present statistical methods based on matrix factorization problems. A first method allows efficient inference of population structure from genetic data and including geographic proximity information. A second method corrects the association studies for confounding factors. We present in this manuscript the models, as well as the theoretical aspects of the inference algorithms. Moreover, using numerical simulations, we compare the performance of our methods with those of existing methods. Finally, we use our methods on real biological data. Our methods have been implemented and distributed as R packages: tess3r and lfmm.

Les réglementations conduisent à multiplier les évaluations du risque écologique lié au rejet des substances chimiques dans les milieux aquatiques avec pour objectif de protéger les populations naturelles. Cependant, ce niveau de protection visé ne peut être utilisé facilement pour établir un lien direct entre une contamination et ses effets. Pour palier cette difficulté, les approches multi-échelles basées sur l'étude des effets des contaminations sur des marqueurs individuels puis sur l'extrapolation de ces effets au niveau des poipulations à partir de modèles de dynamique de population représentent des démarches prometteuses et commencent à être bien acceptées dans les démarches prédictives.Cependant, leur utilisation pour le diagnostic de la qualité des milieux aquatiques reste pour le moment très rare, d'une part en raison de la forte variabilité des réponses des marqueurs individuels in situ liée à l'influence de divers facteurs environnementaux confondants pour l'évaluation de la toxicité, et d'autre part à cause du manque de pertinence environnementale des modèles actuellement proposés. Centré sur l'utilisation de deux espèces couramment observées dans les cours d'eau européens et présentant des caractéristiques écologiques et phylogéniques contrastées : le crustacé Gammarus fossarum et le mollusque Potamopyrgus antipodarum, ce travail doctoral a permis : 1- de proposer une méthodologie pour prendre en compte l'influence des facteurs de confusion dans le but d'améliorer la lecture des bioessais in situ basés sur la mesure des marqueurs individuels sur des organismes encagés et 2- de développer des modèles de dynamique de population écologiquemnt pertinents. / The regulatory framework lead to increase the assessments of the ecological risk linked to the dischaarge of chemical substances in aquatic environment with the aim to protect natural populations. However, this target level of protection cannot be used so easily to etablish a direcet link between a contamination and its effects. In order to overcome this difficulty, the multi-scale approaches based on the study of the effects of the contaminations on individual markers and then on the extrapolation of these effects at the population level with population dynamic models reprensent promising tools and start to bewell accepted in predictive processes. Yet, their use for the diagnosis of water quality remainsrare for the moment, on the one hand, because of the important varaibility of answers of individual makers in situ linked to the influence of diverse confounding environmental factors for the assessments of toxicity and, on the other hand, because pf the lack of environmental relevance of models currently proposed. Focused on the use of 2 species widely observed in European rivers and presenting contrastingecological and phylogenetic characteristics : the Grammar fossarum crutacean and the Potamopyrgus antipodarum mollusc, this doctoral degree first propose a methodology to consider the influenceof confounding factors in order to improve the reading of biological in situ tests based on the measurment of individual markers on caged organisms and second, to develop ecologically relevant population models. Thus, this work allowed to underline the importance of the consideration of confounding factors (i.e. temperature), in different in situ tests based on the measurment of individul markers on caged organisms. Moreover, population models for both species have been defined in order to test the influence of life histories and seasonal variations on demographic sensitivity of populations.