Les bioresorbable stents (BRS), en français intitulés tuteurs coronariens biorésorbables, sont constitués d’un polymère biorésorbable, plutôt que de métal, et ne créent pas d’artéfacts métalliques significatifs en tomodensitométrie (TDM). Cela permet une meilleure évaluation de la plaque coronarienne sous ces tuteurs en TDM qu’avec les anciens tuteurs qui sont en métal. OBJECTIF: Évaluer l’évolution de la composition de la plaque, sa fraction lipidique (FL)— marqueur de vulnérabilité de la plaque, dans les 3 zones pré-tuteur (bord proximal), intra-tuteur et post-tuteur (bord distal), et le volume de la plaque entre 1 et 12 mois post-implantation de BRS. MÉTHODOLOGIE: Il s’agit d’une étude observationnelle longitudinale réalisée chez 27 patients consécutifs (âge moyen 59,7 +/- 8,6 ans) et recrutés prospectivement pour une imagerie par TDM 256-coupes à 1 et 12 mois post-implantation de BRS (35 tuteurs total). Les objectifs primaires sont: volume de plaque totale et de FL (mm3) comparés entre 1 et 12 mois. Afin de tenir compte de la corrélation intra-patient, des analyses de variance des modèles linéaires mixtes avec ou sans spline sont utilisés avec deux facteurs répétés temps et zone/bloc (1 bloc= 5 mm en axe longitudinal). La valeur % FL= volume absolu du FL/ volume total de la plaque. RÉSULTATS: Notre analyse par bloc ou par spline n’a pas démontré une différence significative dans les volumes de plaque ou des FL dans les zones pre- intra- and post-tuteur entre 1 et 12 mois. CONCLUSION: Notre étude a réussi à démontrer la faisabilité d’une analyse non-invasive quantitative répétée de la plaque coronarienne et de la lumière intra-tuteur avec l’utilisation de TDM 256 coupes. Cette étude pilote n’a pas démontré de différence significative dans les volumes des plaques et atténuation entre 1- et 12- mois de follow-up post-implantation de BRS. Notre méthode pourrait être appliquée à l’évaluation des différents structures ou profils pharmacologiques de ces tuteurs. / Coronary bioresorbable stents (BRS) are made of a bioresorbable polymer rather than metal. Unlike metallic stents, BRS do not produce significant artifacts in computed tomography (CT) and are radiolucent in CT, making it possible to evaluate coronary plaque beneath an implanted stent. PURPOSE: The purpose of our study was to evaluate the volumes of plaque and low attenuation plaque components (LAP —a marker of plaque vulnerability) of pre-, intra- and post-stent plaque location between 1 and 12 months post-implantation. METHODS: In our prospective longitudinal study, we recruited 27 consecutive patients (mean age 59.7 +/- 8.6 years) with bioresorbable stents (n=35) for a 256-slice ECG-synchronized CT evaluation at 1 month and at 12 months post stent implantation. Total plaque volume (mm3) as well as absolute and relative (%) LAP volume per block in the pre-, intra- and post-stent zones were analyzed; comparison of 1 and 12 months post BRS implantation. Changes in these variables were assessed using mixed effects models with and without spline, which also accounted for correlation between repeated measurements with factors such as time and zone/block (1 block = 5 mm in longitudinal axis). The value % LAP= LAP absolute volume/ total plaque volume. RESULTS: Our block or spline model analysis showed no significant difference in plaque or LAP volumes in pre-, intra- and post-stent zones measured at 1 month and at 12 months. CONCLUSION: Our study demonstrates the feasibility of repeated non-invasive quantitative analysis of intrastent coronary plaque and in-stent lumen using a 256-channel CT scan. This pilot study did not show significant differences in plaque volume and attenuation between 1- and 12-month follow-up from stent implantation. The method we used could be applied to the evaluation of different stent structures or different pharmacological profiles of bioresorbable stents.

The raw data related to the second study of this thesis (Chapter 3) is available online in the section of supporting information at https://journals.plos.org/plosone/article?id=10.1371/journal.pone.0232677. These files present the following data: S1 File. The pattern of foot orthosis depression/reformation for healthy subjects during walking with sport versus regular foot orthosis. S2 File. Raw data for the training session of sport foot orthosis. This Excel file consists three sheets in which the position of triad markers, the orientation of triad markers and the position of markers on plantar surface of foot orthosis are provided respectively. S3 File. Raw data for walking with sport foot orthosis. This Excel file consists two sheets in which the position of triad markers and the orientation of triad markers are provided respectively for subject 1. S4 File. The results of each participant during walking with sport foot orthosis. This .mat file includes “DispEachPoint” and “DispEachPointMean” which shows the displacement of each predicted marker on foot orthosis plantar surface during stance phase of walking relative to its corresponding position in static non weight-bearing for each trial and the average of trials respectively. In addition, “loc_stance” and “loc_meanstance” show the location of each predicted marker during stance phase of walking. “peaks” and “peaksMean” represent the minimum (depression) and maximum (reformation) value of displacement during walking S5 File. The results of each participant during walking with regular foot orthosis. This .mat file includes “DispEachPoint” and “DispEachPointMean” which shows the displacement of each predicted marker on foot orthosis plantar surface during stance phase of walking relative to its corresponding position in static non weight-bearing for each trial and the average of trials respectively. In addition, “loc_stance” and “loc_meanstance” show the location of each predicted marker during stance phase of walking. “peaks” and “peaksMean” represent the minimum (depression) and maximum (reformation) value of displacement during walking / Les orthèses plantaires (OP) sont des dispositifs médicaux fréquemment utilisés pour réduire les douleurs et blessures de surutilisation, notamment chez les personnes ayant les pieds plats. Le port d'OP permettrait de corriger les altérations biomécaniques attribuées à la déformation du pied plat, que sont la perte de l’arche longitudinale médiale et la pronation excessive du pied. Cependant, le manque de compréhension de la fonction des OP entraine une grande variabilité des OP prescrites en milieu clinique. L'objectif de cette thèse est d'approfondir les connaissances sur l’effet des OP sur la biomécanique, de quantifier les déformations des OP à la marche et de mettre en relation ces déformations avec la biomécanique du pied. La première étude a évalué la manière dont les différentes conceptions d'OP imposent des modifications dans le mouvement et le chargement appliqué sur le pied. Cet objectif a été atteint grâce à une revue systématique traitant des effets des OP sur la cinématique et la cinétique du membre inférieur pendant la marche chez des personnes ayant des pieds normaux. Les critères d'inclusion ont réduit les études à celles qui ont fait état des résultats pour les géométries les plus fréquentes des OP, à savoir les biseaux, les supports d’arche et les stabilisateurs de talon. La revue a mis en évidence que les orthèses avec un biseau médial peuvent réduire le moment d'éversion de la cheville. Aucune évidence significative n'a été trouvée dans notre méta-analyse sur l'efficacité des orthèses incluant des supports d’arche ou des stabilisateurs de talon. Les différents procédés et matériaux utilisés dans la conception des OP ainsi que les caractéristiques des pieds des participants pourraient expliquer la variabilité retrouvée au regard des effets des OP sur la biomécanique. La deuxième étude a apporté des informations précieuses et inédites sur le comportement dynamique des OP à la marche. La cinématique du contour des OP a été utilisée pour prédire la déformation de leur surface plantaire pendant la marche chez 13 individus ayant des pieds normaux en utilisant un réseau de neurones artificiels. Une erreur moyenne inférieure à 0,6 mm a été obtenue pour nos prédictions. En plus de la précision des prédictions, le modèle a été capable de différencier le patron de déformations pour deux OP de rigidités différentes et entre les participants inclus dans l’étude. Enfin, dans une troisième étude, nous avons identifié la relation entre la déformation des OP personnalisées et la biomécanique du pied à la marche chez 17 personnes avec des pieds plats. L'utilisation de modèles linéaires mixtes a permis d’exprimer les variations de la déformation des OP dans différentes régions en fonction des variables cinématiques du pied et de pressions plantaires. Cette étude a montré que l'interaction pied-OP varie selon les différentes régions de l’OP et les différentes phases du cycle de marche. Ainsi, des lignes directrices préliminaires ont été fournies afin de standardiser et optimiser la conception des OP. Dans l'ensemble, les résultats de cette thèse justifient l'importance d’'intégrer des caractéristiques dynamiques du pied de chaque individu dans la conception d'OP personnalisées. Des études futures pourraient étendre les modèles de prédiction de l'interaction pied-OP en incluant d'autres paramètres biomécaniques tels que les moments articulaires, les activations musculaires et la morphologie du pied. De tels modèles pourraient être utilisés pour développer des fonctions coût pour l'optimisation de la conception des OP par une approche itérative utilisant la simulation par les éléments finis. / Foot orthoses (FOs) are frequently used medical devices to manage overuse injuries and pain in flatfoot individuals. Wearing FOs can result in improving the biomechanical alterations attributed to flatfoot deformity such as the loss of medial longitudinal arch and excessive foot pronation. However, a lack of a clear understanding of the function of FOs contributes to the highly variable FOs prescribed in clinical practice. The objective of this thesis was to deepen the knowledge about the biomechanical outcomes of FOs and to formulate the dynamic behaviour of FOs as a function of foot biomechanics during gait. The primary study investigated how different designs of FOs impose alterations in foot motion and loading. This objective was achieved through a systematic review of all literature reporting the kinematics and kinetics of the lower body during walking with FOs in healthy individuals. The inclusion criteria narrowed the studies to the ones which reported the outcomes for common designs of FOs, namely posting, arch support, and heel support. The review identified some evidence that FOs with medial posting can decrease ankle eversion moment. No significant evidence was found in our meta-analysis for the efficiency of arch supported and heel supported FOs. The findings of this study revealed that differences in FO design and material as well as foot characteristics of participants could explain the variations in biomechanical outcomes of FOs. The second study provided valuable information on the dynamic behaviour of customized FOs. The kinematics of FO contour was used to predict the deformation of FO plantar surface in 13 healthy individuals during walking using an artificial intelligence approach. An average error below 0.6 mm was achieved for our predictions. In addition to the prediction accuracy, the model was capable to differentiate between different rigidities of FOs and between included participants in terms of range and pattern of deformation. Finally, the third study identified the relationship between the deformation of customized FOs and foot biomechanics in 17 flatfoot individuals during walking. The use of linear mixed models made it possible to identify the variables of foot kinematics and region-dependent plantar pressure that could explain the variations in FO deformation. This study showed that the foot-FO interaction changes over different regions of FO and different phases of gait cycle. In addition, some preliminary guidelines were provided to standardize and optimize the design of FOs. Overall, the results of this thesis justify the importance of incorporating the dynamic characteristics of each individual’s foot into the design of customized FOs. Future studies can extend the predictive models for foot-FO interactions by including other determinants of foot biomechanics such as joint moments, muscle activation, and foot morphology. Based on such extended models, the cost functions could be devised for optimizing the designs of customized 3D printed FOs through an iterative approach using finite element modeling.

Les données manquantes sont fréquentes dans les études médicales. Dans les modèles de régression, les réponses manquantes limitent notre capacité à faire des inférences sur les effets des covariables décrivant la distribution de la totalité des réponses prévues sur laquelle porte l'intérêt médical. Outre la perte de précision, toute inférence statistique requière qu'une hypothèse sur le mécanisme de manquement soit vérifiée. Rubin (1976, Biometrika, 63:581-592) a appelé le mécanisme de manquement MAR (pour les sigles en anglais de « manquant au hasard ») si la probabilité qu'une réponse soit manquante ne dépend pas des réponses manquantes conditionnellement aux données observées, et MNAR (pour les sigles en anglais de « manquant non au hasard ») autrement. Cette distinction a des implications importantes pour la modélisation, mais en général il n'est pas possible de déterminer si le mécanisme de manquement est MAR ou MNAR à partir des données disponibles. Par conséquent, il est indispensable d'effectuer des analyses de sensibilité pour évaluer la robustesse des inférences aux hypothèses de manquement.Pour les données multivariées incomplètes, c'est-à-dire, lorsque l'intérêt porte sur un vecteur de réponses dont certaines composantes peuvent être manquantes, plusieurs méthodes de modélisation sous l'hypothèse MAR et, dans une moindre mesure, sous l'hypothèse MNAR ont été proposées. En revanche, le développement de méthodes pour effectuer des analyses de sensibilité est un domaine actif de recherche. Le premier objectif de cette thèse était de développer une méthode d'analyse de sensibilité pour les données longitudinales continues avec des sorties d'étude, c'est-à-dire, pour les réponses continues, ordonnées dans le temps, qui sont complètement observées pour chaque individu jusqu'à la fin de l'étude ou jusqu'à ce qu'il sorte définitivement de l'étude. Dans l'approche proposée, on évalue les inférences obtenues à partir d'une famille de modèles MNAR dits « de mélange de profils », indexés par un paramètre qui quantifie le départ par rapport à l'hypothèse MAR. La méthode a été motivée par un essai clinique étudiant un traitement pour le trouble du maintien du sommeil, durant lequel 22% des individus sont sortis de l'étude avant la fin.Le second objectif était de développer des méthodes pour la modélisation de risques concurrents avec des causes d'évènement manquantes en s'appuyant sur la théorie existante pour les données multivariées incomplètes. Les risques concurrents apparaissent comme une extension du modèle standard de l'analyse de survie où l'on distingue le type d'évènement ou la cause l'ayant entrainé. Les méthodes pour modéliser le risque cause-spécifique et la fonction d'incidence cumulée supposent en général que la cause d'évènement est connue pour tous les individus, ce qui n'est pas toujours le cas. Certains auteurs ont proposé des méthodes de régression gérant les causes manquantes sous l'hypothèse MAR, notamment pour la modélisation semi-paramétrique du risque. Mais d'autres modèles n'ont pas été considérés, de même que la modélisation sous MNAR et les analyses de sensibilité. Nous proposons des estimateurs pondérés et une approche par imputation multiple pour la modélisation semi-paramétrique de l'incidence cumulée sous l'hypothèse MAR. En outre, nous étudions une approche par maximum de vraisemblance pour la modélisation paramétrique du risque et de l'incidence sous MAR. Enfin, nous considérons des modèles de mélange de profils dans le contexte des analyses de sensibilité. Un essai clinique étudiant un traitement pour le cancer du sein de stade II avec 23% des causes de décès manquantes sert à illustrer les méthodes proposées. / Missing data are a common occurrence in medical studies. In regression modeling, missing outcomes limit our capability to draw inferences about the covariate effects of medical interest, which are those describing the distribution of the entire set of planned outcomes. In addition to losing precision, the validity of any method used to draw inferences from the observed data will require that some assumption about the mechanism leading to missing outcomes holds. Rubin (1976, Biometrika, 63:581-592) called the missingness mechanism MAR (for “missing at random”) if the probability of an outcome being missing does not depend on missing outcomes when conditioning on the observed data, and MNAR (for “missing not at random”) otherwise. This distinction has important implications regarding the modeling requirements to draw valid inferences from the available data, but generally it is not possible to assess from these data whether the missingness mechanism is MAR or MNAR. Hence, sensitivity analyses should be routinely performed to assess the robustness of inferences to assumptions about the missingness mechanism. In the field of incomplete multivariate data, in which the outcomes are gathered in a vector for which some components may be missing, MAR methods are widely available and increasingly used, and several MNAR modeling strategies have also been proposed. On the other hand, although some sensitivity analysis methodology has been developed, this is still an active area of research. The first aim of this dissertation was to develop a sensitivity analysis approach for continuous longitudinal data with drop-outs, that is, continuous outcomes that are ordered in time and completely observed for each individual up to a certain time-point, at which the individual drops-out so that all the subsequent outcomes are missing. The proposed approach consists in assessing the inferences obtained across a family of MNAR pattern-mixture models indexed by a so-called sensitivity parameter that quantifies the departure from MAR. The approach was prompted by a randomized clinical trial investigating the benefits of a treatment for sleep-maintenance insomnia, from which 22% of the individuals had dropped-out before the study end. The second aim was to build on the existing theory for incomplete multivariate data to develop methods for competing risks data with missing causes of failure. The competing risks model is an extension of the standard survival analysis model in which failures from different causes are distinguished. Strategies for modeling competing risks functionals, such as the cause-specific hazards (CSH) and the cumulative incidence function (CIF), generally assume that the cause of failure is known for all patients, but this is not always the case. Some methods for regression with missing causes under the MAR assumption have already been proposed, especially for semi-parametric modeling of the CSH. But other useful models have received little attention, and MNAR modeling and sensitivity analysis approaches have never been considered in this setting. We propose a general framework for semi-parametric regression modeling of the CIF under MAR using inverse probability weighting and multiple imputation ideas. Also under MAR, we propose a direct likelihood approach for parametric regression modeling of the CSH and the CIF. Furthermore, we consider MNAR pattern-mixture models in the context of sensitivity analyses. In the competing risks literature, a starting point for methodological developments for handling missing causes was a stage II breast cancer randomized clinical trial in which 23% of the deceased women had missing cause of death. We use these data to illustrate the practical value of the proposed approaches.

Ce mémoire de thèse porte sur la statistique inférentielle des données spatiales et/ou fonctionnelles. En effet, nous nous sommes intéressés à l’estimation de paramètres inconnus de certains modèles à partir d’échantillons obtenus par un processus d’échantillonnage aléatoire ou non (stratifié), composés de variables indépendantes ou spatialement dépendantes.La spécificité des méthodes proposées réside dans le fait qu’elles tiennent compte de la nature de l’échantillon étudié (échantillon stratifié ou composé de données spatiales dépendantes).Tout d’abord, nous étudions des données à valeurs dans un espace de dimension infinie ou dites ”données fonctionnelles”. Dans un premier temps, nous étudions les modèles de choix binaires fonctionnels dans un contexte d’échantillonnage par stratification endogène (échantillonnage Cas-Témoin ou échantillonnage basé sur le choix). La spécificité de cette étude réside sur le fait que la méthode proposée prend en considération le schéma d’échantillonnage. Nous décrivons une fonction de vraisemblance conditionnelle sous l’échantillonnage considérée et une stratégie de réduction de dimension afin d’introduire une estimation du modèle par vraisemblance conditionnelle. Nous étudions les propriétés asymptotiques des estimateurs proposées ainsi que leurs applications à des données simulées et réelles. Nous nous sommes ensuite intéressés à un modèle linéaire fonctionnel spatial auto-régressif. La particularité du modèle réside dans la nature fonctionnelle de la variable explicative et la structure de la dépendance spatiale des variables de l’échantillon considéré. La procédure d’estimation que nous proposons consiste à réduire la dimension infinie de la variable explicative fonctionnelle et à maximiser une quasi-vraisemblance associée au modèle. Nous établissons la consistance, la normalité asymptotique et les performances numériques des estimateurs proposés.Dans la deuxième partie du mémoire, nous abordons des problèmes de régression et prédiction de variables dépendantes à valeurs réelles. Nous commençons par généraliser la méthode de k-plus proches voisins (k-nearest neighbors; k-NN) afin de prédire un processus spatial en des sites non-observés, en présence de co-variables spatiaux. La spécificité du prédicteur proposé est qu’il tient compte d’une hétérogénéité au niveau de la co-variable utilisée. Nous établissons la convergence presque complète avec vitesse du prédicteur et donnons des résultats numériques à l’aide de données simulées et environnementales.Nous généralisons ensuite le modèle probit partiellement linéaire pour données indépendantes à des données spatiales. Nous utilisons un processus spatial linéaire pour modéliser les perturbations du processus considéré, permettant ainsi plus de flexibilité et d’englober plusieurs types de dépendances spatiales. Nous proposons une approche d’estimation semi paramétrique basée sur une vraisemblance pondérée et la méthode des moments généralisées et en étudions les propriétés asymptotiques et performances numériques. Une étude sur la détection des facteurs de risque de cancer VADS (voies aéro-digestives supérieures)dans la région Nord de France à l’aide de modèles spatiaux à choix binaire termine notre contribution. / This thesis is about statistical inference for spatial and/or functional data. Indeed, weare interested in estimation of unknown parameters of some models from random or nonrandom(stratified) samples composed of independent or spatially dependent variables.The specificity of the proposed methods lies in the fact that they take into considerationthe considered sample nature (stratified or spatial sample).We begin by studying data valued in a space of infinite dimension or so-called ”functionaldata”. First, we study a functional binary choice model explored in a case-controlor choice-based sample design context. The specificity of this study is that the proposedmethod takes into account the sampling scheme. We describe a conditional likelihoodfunction under the sampling distribution and a reduction of dimension strategy to definea feasible conditional maximum likelihood estimator of the model. Asymptotic propertiesof the proposed estimates as well as their application to simulated and real data are given.Secondly, we explore a functional linear autoregressive spatial model whose particularityis on the functional nature of the explanatory variable and the structure of the spatialdependence. The estimation procedure consists of reducing the infinite dimension of thefunctional variable and maximizing a quasi-likelihood function. We establish the consistencyand asymptotic normality of the estimator. The usefulness of the methodology isillustrated via simulations and an application to some real data.In the second part of the thesis, we address some estimation and prediction problemsof real random spatial variables. We start by generalizing the k-nearest neighbors method,namely k-NN, to predict a spatial process at non-observed locations using some covariates.The specificity of the proposed k-NN predictor lies in the fact that it is flexible and allowsa number of heterogeneity in the covariate. We establish the almost complete convergencewith rates of the spatial predictor whose performance is ensured by an application oversimulated and environmental data. In addition, we generalize the partially linear probitmodel of independent data to the spatial case. We use a linear process for disturbancesallowing various spatial dependencies and propose a semiparametric estimation approachbased on weighted likelihood and generalized method of moments methods. We establishthe consistency and asymptotic distribution of the proposed estimators and investigate thefinite sample performance of the estimators on simulated data. We end by an applicationof spatial binary choice models to identify UADT (Upper aerodigestive tract) cancer riskfactors in the north region of France which displays the highest rates of such cancerincidence and mortality of the country.