Dans cette recherche, un modèle de propagation d’ondes de choc sur grandes distances sur un environnement urbain est construit et validé. L’approche consiste à utiliser l’Equation Parabolique Nonlinéaire (NPE) comme base. Ce modèle est ensuite étendu afin de prendre en compte d’autres effets relatifs à la propagation du son en milieu extérieur (surfaces non planes, couches poreuses, etc.). La NPE est résolue en utilisant la méthode des différences finies et donne des résultats en accord avec d’autres méthodes numériques. Ce modèle déterministe est ensuite utilisé comme base pour la construction d’un modèle stochastique de propagation sur environnements urbains. La Théorie de l’Information et le Principe du Maximum d’Entropie permettent la construction d’un modèle probabiliste d’incertitudes intégrant la variabilité du système dans la NPE. Des résultats de référence sont obtenus grâce à une méthode exacte et permettent ainsi de valider les développements théoriques et l’approche utilisée / This research aims at developing and validating a numerical model for the study of blast wave propagation over large distances and over urban environments. The approach consists in using the Nonlinear Parabolic Equation (NPE) model as a basis. The model is then extended to handle various features of sound propagation outdoors (non-flat ground topographies, porous ground layers, etc.). The NPE is solved using the finite-difference method and is proved to be in good agreement with other numerical methods. This deterministic model is then used as a basis for the construction of a stochastic model for sound propagation over urban environments. Information Theory and the Maximum Entropy Principle enable the construction of a probabilistic model of uncertainties, which takes into account the variability of the urban environment within the NPE model. Reference results are obtained with an exact numerical method and allow us to validate the theoretical developments and the approach used

Le volume des données disponibles permettant de décrire l’environnement, en particulier l’atmosphère et les océans, s’est accru à un rythme exponentiel. Ces données regroupent des observations et des sorties de modèles numériques. Les observations (satellite, in situ, etc.) sont généralement précises mais sujettes à des erreurs de mesure et disponibles avec un échantillonnage spatio-temporel irrégulier qui rend leur exploitation directe difficile. L’amélioration de la compréhension des processus physiques associée à la plus grande capacité des ordinateurs ont permis des avancées importantes dans la qualité des modèles numériques. Les solutions obtenues ne sont cependant pas encore de qualité suffisante pour certaines applications et ces méthodes demeurent lourdes à mettre en œuvre. Filtrage et lissage (les méthodes d’assimilation de données séquentielles en pratique) sont développés pour abonder ces problèmes. Ils sont généralement formalisées sous la forme d’un modèle espace-état, dans lequel on distingue le modèle dynamique qui décrit l’évolution du processus physique (état), et le modèle d’observation qui décrit le lien entre le processus physique et les observations disponibles. Dans cette thèse, nous abordons trois problèmes liés à l’inférence statistique pour les modèles espace-états: reconstruction de l’état, estimation des paramètres et remplacement du modèle dynamique par un émulateur construit à partir de données. Pour le premier problème, nous introduirons tout d’abord un algorithme de lissage original qui combine les algorithmes Conditional Particle Filter (CPF) et Backward Simulation (BS). Cet algorithme CPF-BS permet une exploration efficace de l’état de la variable physique, en raffinant séquentiellement l’exploration autour des trajectoires qui respectent le mieux les contraintes du modèle dynamique et des observations. Nous montrerons sur plusieurs modèles jouets que, à temps de calcul égal, l’algorithme CPF-BS donne de meilleurs résultats que les autres CPF et l’algorithme EnKS stochastique qui est couramment utilisé dans les applications opérationnelles. Nous aborderons ensuite le problème de l’estimation des paramètres inconnus dans les modèles espace-état. L’algorithme le plus usuel en statistique pour estimer les paramètres d’un modèle espace-état est l’algorithme EM qui permet de calculer itérativement une approximation numérique des estimateurs du maximum de vraisemblance. Nous montrerons que les algorithmes EM et CPF-BS peuvent être combinés efficacement pour estimer les paramètres d’un modèle jouet. Pour certaines applications, le modèle dynamique est inconnu ou très coûteux à résoudre numériquement mais des observations ou des simulations sont disponibles. Il est alors possible de reconstruire l’état conditionnellement aux observations en utilisant des algorithmes de filtrage/lissage dans lesquels le modèle dynamique est remplacé par un émulateur statistique construit à partir des observations. Nous montrerons que les algorithmes EM et CPF-BS peuvent être adaptés dans ce cadre et permettent d’estimer de manière non-paramétrique le modèle dynamique de l’état à partir d'observations bruitées. Pour certaines applications, le modèle dynamique est inconnu ou très coûteux à résoudre numériquement mais des observations ou des simulations sont disponibles. Il est alors possible de reconstruire l’état conditionnellement aux observations en utilisant des algorithmes de filtrage/lissage dans lesquels le modèle dynamique est remplacé par un émulateur statistique construit à partir des observations. Nous montrerons que les algorithmes EM et CPF-BS peuvent être adaptés dans ce cadre et permettent d’estimer de manière non-paramétrique le modèle dynamique de l’état à partir d'observations bruitées. Enfin, les algorithmes proposés sont appliqués pour imputer les données de vent (produit par Météo France). / The amount of both observational and model-simulated data within the environmental, climate and ocean sciences has grown at an accelerating rate. Observational (e.g. satellite, in-situ...) data are generally accurate but still subject to observational errors and available with a complicated spatio-temporal sampling. Increasing computer power and understandings of physical processes have permitted to advance in models accuracy and resolution but purely model driven solutions may still not be accurate enough. Filtering and smoothing (or sequential data assimilation methods) have developed to tackle the issues. Their contexts are usually formalized under the form of a space-state model including the dynamical model which describes the evolution of the physical process (state), and the observation model which describes the link between the physical process and the available observations. In this thesis, we tackle three problems related to statistical inference for nonlinear state-space models: state reconstruction, parameter estimation and replacement of the dynamic model by an emulator constructed from data. For the first problem, we will introduce an original smoothing algorithm which combines the Conditional Particle Filter (CPF) and Backward Simulation (BS) algorithms. This CPF-BS algorithm allows for efficient exploration of the state of the physical variable, sequentially refining exploration around trajectories which best meet the constraints of the dynamic model and observations. We will show on several toy models that, at the same computation time, the CPF-BS algorithm gives better results than the other CPF algorithms and the stochastic EnKS algorithm which is commonly used in real applications. We will then discuss the problem of estimating unknown parameters in state-space models. The most common statistical algorithm for estimating the parameters of a space-state model is based on EM algorithm, which makes it possible to iteratively compute a numerical approximation of the maximum likelihood estimators. We will show that the EM and CPF-BS algorithms can be combined to effectively estimate the parameters in toy models. In some applications, the dynamical model is unknown or very expensive to solve numerically but observations or simulations are available. It is thence possible to reconstruct the state conditionally to the observations by using filtering/smoothing algorithms in which the dynamical model is replaced by a statistical emulator constructed from the observations. We will show that the EM and CPF-BS algorithms can be adapted in this framework and allow to provide non-parametric estimation of the dynamic model of the state from noisy observations. Finally the proposed algorithms are applied to impute wind data (produced by Méteo France).

La vaccination est une des meilleures procédures de prévention coût-efficaces. Des couvertures vaccinales non adéquates présentent des problèmes de Santé publique considérables. Réduire ou éliminer les occasions manquées de vaccination (OMV) dans les régions les plus vulnérables permettrait d’y augmenter la couverture vaccinale. L’Inde a un des plus grands programmes de vaccination dans le monde, cependant il y existe d’importants gradients de couvertures vaccinales d’une région à l’autre. Objectifs : Cette étude visait à estimer la prévalence des OMV chez des jeunes enfants en zone rurale de Hardoi en Inde et identifier les potentiels déterminants et facteurs prédictifs des OMV. Méthodes : Les données secondaires d’une étude pré-post ont été utilisées pour mener une étude transversale. Les OMV ont été définies selon la définition de l’Organisation mondiale de la santé. Deux sources d’information sur le statut vaccinal ont été considérées : mémoire des mère ou carnet de vaccination (M/C) pour les analyses principales; et carnet de vaccination seulement (CS) en analyse de sensibilité. La prévalence des OMV dans la première année de vie (OMV-1AV) chez les enfants de 12 à moins de 24 mois et celle des OMV pendant la période optimale de vaccination (OMV-PO) chez les 0 à moins de 24 mois ont été calculées par sexe et bloc administratif. Les potentiels déterminants des OMV ont été identifiés à l’aide de modèles hiérarchiques. Des modèles prédictifs ont été construits pour identifier les facteurs qui permettraient de mieux cibler les enfants plus à risque d’OMV: leur pouvoir prédictif a été évalué avec la statistique c. Résultats : La prévalence des OMV-1AV selon la source M/C est de 19,3% ; celle selon CS est de 76,0%. La prévalence des OMV-PO selon M/C est de 14,6% alors qu’elle est de 65,7% selon CS. Pour les OMV-1AV et les OMV-PO, la prévalence variait d’un vaccin à l’autre mais seulement selon CS. Les déterminants des OMV varient selon la source d’information sur le statut vaccinal. Les principaux potentiels déterminants selon M/C sont: problèmes logistiques (OMV-1AV Rapport de cotes (RC) = 3,38; OMV-PO RC = 2,59); malaise ressenti chez l’enfant (OMV-1AV RC = 0,37; OMV-PO RC = 0,52); refus des vaccinateurs de vacciner sans avoir le carnet de vaccination (OMV-1AV RC = 5,66; OMV-1AV RC = 5,23); effets secondaires (OMV RC = 8,24; OMV-PO RC = 5,62); et le fait qu’un membre de la famille s’oppose à la vaccination de l’enfant; (OMV-1AV RC = 4,03; OMV-PO RC = 4,61). Des modèles prédictifs efficaces ont été construits et présentaient des statistiques c variant entre 0,72 et 0,79. Certains facteurs permettaient d’améliorer le pouvoir prédictif des modèles sans être nécessairement des potentiels déterminant des OMV tel que le temps de déplacement à pied entre le ménage et le centre de vaccination. Retombées : Les résultats suggèrent que la situation des OMV est complexe que ce soit du point de vue de la source d’information sur le statut vaccinal, de l’identification de leurs potentiels déterminants ou sur la capacité à cibler les individus les plus à risque. Les divergences au niveau des estimations de la prévalence selon la source d’information soulignent l’importance d’assurer un meilleur contrôle de la validité des sources d’information afin de maximiser l’exactitude des informations fournies. / Introduction: Missed opportunities for vaccination (MOV) affect vaccination coverages and contribute to create considerable vaccination gradient between and within regions. In India, despite major vaccination accomplishments, important vaccination gradients persist. MOV have been reported but the situation is not well known in many parts of the country. Aim: Quantify MOV in children in rural Hardoi district and identify potential determinants and predictive factors. Methods: We defined MOV using the definition of the World Health Organization. Our outcomes were missed opportunities for vaccination in first year of life (MOV-FYL) and missed opportunities for on-time vaccination (MO-OTV). We used a cross-sectional design. Vaccination status was verified according to two sources: by mothers’ recalls OR children vaccination card for the main analysis; and by vaccination card only for sensitivity analysis. We calculated the prevalence of both outcomes in a clustered population of 0 to under 24month-old children recruited in a census-like manner from rural area in Hardoi, India. We used multilevel binary logistic regression to identify potential determinants of MOV and multivariable logistic regression to built prediction models. Results: The prevalence was 19.30% and 14.39% for MOV-FYL and MO-OTV respectively. There were little variations across child sex and vaccines. However, among vaccination cardholders, the prevalence was 75.99% and 65.73% for MOV-FYL and MO-OTV respectively and varied across vaccines. Marked potential determinants using the main source of information about vaccination status were: logistics problems (MOV-FYL Odds Ratio (OR) = 3.38; MO-OTV OR = 2.59); child feeling unwell (MOV-FYL OR = 0.37; MO-OTV OR = 0.52); the refusal of health provider to vaccinate without the vaccination card (MOV-FYL OR = 5.66; MO-OTV OR = 5.23); side effects (MOV-FYL OR = 8.24; MO-OTV OR = 5.62); and family member not allowing vaccination (MOV-FYL OR = 4.03; MO-OTV OR = 4.61). Predictive models for MOV-FYL and MO-OTV yielded c statistics around 0.72 and 0.79 respectively and had the best sensitivity/specificity balance when used in a population with 15%-20% probability of MOV. Conclusion: Our study revealed that quantifying the prevalence of MOV is rather complexed. The source of information about vaccination status is key to obtain the best estimates, hence the knowledge on the reliability of the information from the card or obtained from recalls is a must. Many potential modifiable determinants should be explored and there is potential for predictability: interventions should be developed to reduce risks of MOV in targeted individuals, increase vaccination coverage and reduce vaccination gradients.

La banque de données IMIS (Integrated Management Information System) de l’agence américaine OSHA (Occupational Safety and Health Administration) contient l’ensemble des mesures de l’exposition effectuées par les inspecteurs d’OSHA chargés de vérifier la conformité aux valeurs limites d’exposition. Les résultats analytiques correspondant aux prélèvements effectués par les inspecteurs sont également disponibles dans la banque CEHD (Chemical Exposure Health Data). Ces deux banques représentent une source d’information potentielle majeure sur les conditions d’exposition aux substances chimiques en Amérique du Nord. Cependant, leur représentativité par rapport à la distribution réelle des niveaux d’exposition retrouvés dans les milieux de travail est largement inconnue. L’objectif de cette thèse est d’établir dans quelle mesure les données de contamination de l'air recueillies par l’agence fédérale américaine OSHA peuvent être utilisées pour l’estimation des expositions professionnelles en Amérique du Nord. Les analyses ont porté sur 511 047 et 588 818 mesures d’exposition contenues dans les banques IMIS et CEHD respectivement, pour la période 1979-2011. Premièrement, des modèles additifs généralisés ont été utilisés pour étudier l’association entre les variables reflétant les caractéristiques des établissements visités et des inspections et les niveaux d’exposition pour 77 agents chimiques (90% du contenu d’IMIS). Dans un second temps, une approche de régression de Poisson modifiée a été utilisée pour étudier les facteurs déterminants l’enregistrement ou non des échantillons de CEHD dans la banque IMIS en jumelant les deux banques pour 78 agents chimiques. Finalement, des modèles CART (Classification And Regression Tree) ont été développés permettant de prédire, parmi les résultats non détectés de la banque IMIS, lesquels correspondent à des mesures courte durée ou des moyennes pondérées sur 8 heures (VEMP-8h) en se basant sur les variables communes aux banques IMIS et CEHD. Dans la première analyse, les modèles statistiques ont montré que les niveaux d’exposition étaient plus susceptibles de dépasser la TLV (threshold limit value) pour les mesures effectuées sous un régime OSHA fédéral par rapport au régime OSHA d’État (rapport de cote (RC) de 1,22 à travers les agents). La probabilité de dépasser la TLV augmentait avec le nombre total des amendes reçues par un établissement, indépendamment de la nature des infractions (RC de 1,54 à travers les agents entre les catégories « élevée » et « aucune »). Elle était également plus élevée pour les visites de suivi que pour les visites planifiées (RC de 1,61). Dans la deuxième analyse, la comparaison des banques IMIS et CEHD a montré un taux d’enregistrement global de 38% des données CEHD dans IMIS. Les résultats non détectés (particulièrement ceux mesurés sur un panel d’agents – p. ex. panel de métaux) étaient moins susceptibles d’être enregistrés dans IMIS (risque relatif ~0,6). Finalement, les modèles CART ont prédit plus précisément le type de prélèvement (courte durée, VEMP-8h) pour les résultats non détectés dans IMIS que des méthodes simples d’attribution (p. ex. attribution du type le plus fréquent parmi les résultats détectés) pour les agents les plus pertinents (c.-à-d. ceux ayant une proportion substantielle de mesures ND, courte durée et VEMP-8h). Nos résultats ont montré la présence de plusieurs mécanismes de sélection dans le processus conduisant à l’enregistrement d’une mesure d’exposition dans IMIS, ce qui suggère l’existence de différences systématiques entre les niveaux rapportés dans les banques OSHA et les niveaux moyens d’exposition dans la population de travailleurs. La prise en compte des informations contextuelles aux mesures et l’emploi de méthodes prédictives peuvent aider à pallier partiellement ces biais et ainsi raffiner les portraits d’exposition établis à partir des données d’OSHA. / The Integrated Management Information System (IMIS) contains exposure measurements taken by the U.S. Occupational Safety and Health Administration (OSHA) inspectors to verify compliance with permissible exposure limits. Supplementary data containing analytical results of the field samples are available in the Chemical Exposure Health Database (CEHD). These databanks represent a major potential source of information on exposure conditions in North American workplaces. However, the degree to which they represent the actual distribution of the exposure levels found in the workplace is largely unknown.The objective of this thesis is to examine the extent to which exposure data collected by OSHA can be used for estimating occupational exposure in North America. Analyses focused on 511 047 and 588 818 exposure measurements in IMIS and CEHD respectively, for the period 1979-2011. First, generalized additive models were used to explore associations between exposure levels in IMIS and ancillary variables reflecting characteristics of establishments and inspections for 77 chemical agents (90% of IMIS content). Second, modified Poisson regression was used to identify determinants of recording or not of CEHD samples in IMIS by linking both databanks for 78 agents. Finally, Classification And Regression Tree (CART) models were applied to predict which non-detected (ND) results stored in IMIS are 8-hour time-weighted average (TWA) or short-term samples, based on common variables available in IMIS and CEHD databanks. In the first analysis, statistical modelling showed that measurements collected under federal OSHA plans were more likely to have a sample result exceed the TLV compared to measurements collected under state OSHA plans (odds ratio (OR) of 1,22 across agents). An increase in the total amount of penalty assessed to a company was associated with higher odds of having a sample result exceed the TLV (OR of 1,54 across agents for « high » vs. « none »). Follow-up inspections were more likely to have a sample result exceed the TLV compared to planned inspections (OR of 1,61 across agents). In the second analysis, linkage between CEHD and IMIS showed a 38% overall proportion of CEHD samples recorded into IMIS. Non-detects (especially ND records corresponding to analytical panels – e.g. panel of metals) were less likely to be recorded in IMIS (relative risk ~0,6). Finally, CART models predicted more accurately which IMIS ND results were TWA or short-term samples compared to simple methods of assignment (e.g. assignment of the most frequent category from detected values) for the most relevant agents (i.e. with high proportions of ND, short-term, and TWA results). Our findings showed the presence of several selection mechanisms in the process leading up to the recording of a sample in IMIS, which suggest systematic differences exist between OSHA measurements and actual occupational exposures in the general U.S. working population. These biases can be partially controlled by using ancillary information on exposure measurements together with predictive methods, thus helping to draw more accurate portraits of exposure levels from OSHA data.

La collaboration est une compétence essentielle que les futurs médecins doivent développer. La détermination des niveaux de compétence est cruciale dans la planification de cet apprentissage. Les échelles descriptives suscitent un intérêt croissant, car elles décrivent en termes qualitatifs les performances attendues. Nous inspirant de la méthodologie mixte de Blais, Laurier, & Rousseau (2009), nous avons construit en cinq étapes une échelle de niveau de compétence de collaboration: 1) formulation d’une liste d’indicateurs situés à quatre niveaux de la formation médicale (préclinique, externat, résidence junior et sénior) par les chercheurs (n= 3) et un groupe d’éducateurs (n=7), leaders pédagogiques possédant une expertise pour la compétence de collaboration; 2) sondage en ligne comprenant quatre questionnaires portant sur les niveaux de 118 indicateurs, auprès d’enseignants cliniciens représentant les différentes spécialités (n=277); 3) analyse, avec le modèle partial credit de Rasch, des réponses aux questionnaires appariés par calibration concurrente; 4) détermination des niveaux des indicateurs par les éducateurs et les chercheurs; et 5) rédaction de l’échelle à partir des indicateurs de chaque niveau. L’analyse itérative des réponses montre une adéquation au modèle de Rasch et répartit les indicateurs sur l’échelle linéaire aux quatre niveaux. Les éducateurs déterminent le niveau des 111 indicateurs retenus en tenant compte des résultats du sondage et de la cohérence avec le curriculum. L’échelle comporte un paragraphe descriptif par niveau, selon trois capacités : 1) participer au fonctionnement d’une équipe; 2) prévenir et gérer les conflits; et 3) planifier, coordonner et dispenser les soins en équipe. Cette échelle rend explicites les comportements collaboratifs attendus à la fin de chaque niveau et est utile à la planification de l’apprentissage et de l’évaluation de cette compétence. La discordance entre les niveaux choisis par les éducateurs et ceux issus de l’analyse des réponses des enseignants cliniciens est principalement due au faible choix de réponse du niveau préclinique par les enseignants et aux problèmes d’adéquation pour les indicateurs décrivant la gestion des conflits. Cette recherche marque une avan- cée dans la compréhension de la compétence de collaboration et démontre l’efficacité de la méthodologie de Blais (2009) dans un contexte de compétence transversale, en sciences de la santé. Cette méthodologie pourrait aider à approfondir les trajectoires de développement d’autres compétences. / Being able to collaborate is a key competence that physicians need to learn. Determining competence levels is crucial to planning the learning process. By defining performance levels in qualitative terms, descriptive scales are a promising avenue. We developed a five-stage competence-level scale based on Blais, Laurier & Rousseau (2009) mixed methodology: 1) having researchers (n= 3) and a group of educators (n= 7), pedagogical leaders with expertise in the field of collaboration, list indicators that apply to the four training levels (preclinical, clerkship, junior and senior residencies); 2) conducting with clinician teachers, representative of various specialties (n= 277), an online survey that includes four questionnaires on the 118 indicator levels; 3) performing an analysis using the Rasch partial credit model on responses to questionnaires linked through concurrent calibration; 4) having educators and researchers determine the indicator levels; 5) creating a scale based on indicators at each level. The iterative analysis of the responses shows that it fits the Rasch model and distributes indicators on the linear scale on the four levels. The educators were responsible for determining the level of 111 selected indicators by taking into account the results of the survey and coherence with the curriculum. The scale includes a descriptive paragraph for each level as it applies to the 3 abilities : 1) taking part in running the team; 2) preventing and managing conflicts; 3) planning, coordinating and providing care as a team. The scale explains the collaborative behaviors expected at the end of each level and can be used to plan learning and evaluate competence. The source of disagreement between the levels set by the educators and those resulting from the analysis of clinician teacher responses are mostly explained by the low response by teachers at the preclinical level and misfit issues for the indicators describing conflict management. The research provided a broader understanding of collaboration competency and demonstrated the effectiveness of the Blais et al.1 methodology within the context of cross-curricular competency in health sciences. The methodology could be useful to go deaper into other competencies development path.

Ce mémoire d'Habilitation à Diriger des Recherches est organisé en deux tomes. Le Tome I a pour but de présenter les travaux de recherche effectués durant ma carrière d'enseignant-chercheur (quatorze articles publiés dans des revues internationales avec comité de lecture). Les textes intégraux de ces articles sont réunis dans le Tome II.

La collaboration est une compétence essentielle que les futurs médecins doivent développer. La détermination des niveaux de compétence est cruciale dans la planification de cet apprentissage. Les échelles descriptives suscitent un intérêt croissant, car elles décrivent en termes qualitatifs les performances attendues. Nous inspirant de la méthodologie mixte de Blais, Laurier, & Rousseau (2009), nous avons construit en cinq étapes une échelle de niveau de compétence de collaboration: 1) formulation d’une liste d’indicateurs situés à quatre niveaux de la formation médicale (préclinique, externat, résidence junior et sénior) par les chercheurs (n= 3) et un groupe d’éducateurs (n=7), leaders pédagogiques possédant une expertise pour la compétence de collaboration; 2) sondage en ligne comprenant quatre questionnaires portant sur les niveaux de 118 indicateurs, auprès d’enseignants cliniciens représentant les différentes spécialités (n=277); 3) analyse, avec le modèle partial credit de Rasch, des réponses aux questionnaires appariés par calibration concurrente; 4) détermination des niveaux des indicateurs par les éducateurs et les chercheurs; et 5) rédaction de l’échelle à partir des indicateurs de chaque niveau. L’analyse itérative des réponses montre une adéquation au modèle de Rasch et répartit les indicateurs sur l’échelle linéaire aux quatre niveaux. Les éducateurs déterminent le niveau des 111 indicateurs retenus en tenant compte des résultats du sondage et de la cohérence avec le curriculum. L’échelle comporte un paragraphe descriptif par niveau, selon trois capacités : 1) participer au fonctionnement d’une équipe; 2) prévenir et gérer les conflits; et 3) planifier, coordonner et dispenser les soins en équipe. Cette échelle rend explicites les comportements collaboratifs attendus à la fin de chaque niveau et est utile à la planification de l’apprentissage et de l’évaluation de cette compétence. La discordance entre les niveaux choisis par les éducateurs et ceux issus de l’analyse des réponses des enseignants cliniciens est principalement due au faible choix de réponse du niveau préclinique par les enseignants et aux problèmes d’adéquation pour les indicateurs décrivant la gestion des conflits. Cette recherche marque une avan- cée dans la compréhension de la compétence de collaboration et démontre l’efficacité de la méthodologie de Blais (2009) dans un contexte de compétence transversale, en sciences de la santé. Cette méthodologie pourrait aider à approfondir les trajectoires de développement d’autres compétences. / Being able to collaborate is a key competence that physicians need to learn. Determining competence levels is crucial to planning the learning process. By defining performance levels in qualitative terms, descriptive scales are a promising avenue. We developed a five-stage competence-level scale based on Blais, Laurier & Rousseau (2009) mixed methodology: 1) having researchers (n= 3) and a group of educators (n= 7), pedagogical leaders with expertise in the field of collaboration, list indicators that apply to the four training levels (preclinical, clerkship, junior and senior residencies); 2) conducting with clinician teachers, representative of various specialties (n= 277), an online survey that includes four questionnaires on the 118 indicator levels; 3) performing an analysis using the Rasch partial credit model on responses to questionnaires linked through concurrent calibration; 4) having educators and researchers determine the indicator levels; 5) creating a scale based on indicators at each level. The iterative analysis of the responses shows that it fits the Rasch model and distributes indicators on the linear scale on the four levels. The educators were responsible for determining the level of 111 selected indicators by taking into account the results of the survey and coherence with the curriculum. The scale includes a descriptive paragraph for each level as it applies to the 3 abilities : 1) taking part in running the team; 2) preventing and managing conflicts; 3) planning, coordinating and providing care as a team. The scale explains the collaborative behaviors expected at the end of each level and can be used to plan learning and evaluate competence. The source of disagreement between the levels set by the educators and those resulting from the analysis of clinician teacher responses are mostly explained by the low response by teachers at the preclinical level and misfit issues for the indicators describing conflict management. The research provided a broader understanding of collaboration competency and demonstrated the effectiveness of the Blais et al.1 methodology within the context of cross-curricular competency in health sciences. The methodology could be useful to go deaper into other competencies development path.

Dans cette thèse, nous présentons une méthode de segmentation d’images radiographiques des membres inférieurs en régions d’intérêt (ROIs), une méthode de recalage rigide tridimensionnel (3D) / bidimensionnel (2D) des prothèses du genou sur les deux images biplanaires radiographiques calibrées et une méthode de reconstruction 3D des membres inférieurs à partir de deux images biplanaires radiographiques calibrées. Le premier article présente une méthode de segmentation de rotule, astragale et bassin des images radiographiques en régions d’intérêt basée sur la fusion de multi-atlas et superpixels. Cette méthode utilise l’apprentissage d’une base de données d’images radiographiques de ces os segmentées manuellement et recalées entre elles pour estimer un ensemble de superpixels permettant de tenir compte de toute la variabilité locale et non linéaire existante dans la base, puis la propagation d’étiquettes basée sur le concept d’entropie pour raffiner la carte de segmentations en régions internes afin d’obtenir le résultat final. Le deuxième article présente une méthode de recalage rigide 3D / 2D des composants tibiaux et fémoraux de prothèse du genou sur deux images biplanaires radiographiques calibrées. Cette méthode utilise une mesure de similarité hybride basée sur les notions de contours et régions puis un algorithme d’optimisation stochastique pour estimer la position des composants. La similarité basée sur les régions est stable et robuste contre les bruits. Cependant, cette mesure n’est pas précise car le nombre de pixels aux contours est inférieur au celui à l’intérieur de la région. Au contraire, la similarité basée sur les contours est précise mais plus sensible au bruit ou à d’autres artefacts existant dans les images. C’est pourquoi la combinaison de ces deux similarités fournit une méthode de recalage robuste et précise. Le troisième article représente une méthode statistique biplanaire de reconstruction 3D de rotule, astragale et bassin. Cette méthode utilise un algorithme de réduction de dimensionnalité pour définir un modèle déformable paramétrique qui contient toutes les déformations statistiques admissibles apprises à partir d’une base de données des structures osseuses. Puis un algorithme d’optimisation stochastique est utilisé pour minimiser la différence entre la projection des contours / régions des modèles surfaciques osseux avec ceux segmentés sur les deux images radiographiques. / In this thesis, we present a segmentation method of lower limbs of X-ray images into regions of interest (ROIs), a three-dimensional (3D) / two-dimensional (2D) rigid registration method of knee implant components to biplanar X-ray images, and a 3D reconstruction method of the lower limbs using biplanar X-ray images. The first paper presents a superpixel and multi-atlas-based segmentation method of the patella, talus, and pelvis into regions of interest. This method uses a training dataset of pre-segmented and co-registered X-ray images of these bones to estimate a collection of superpixels allowing to take into account all the nonlinear and local variability existing in the dataset, then a propagation of label based on the entropy concept for refining the segmentation map into internal regions to the final result. The second paper presents a 3D / 2D rigid registration method of tibial and femoral components of knee implants to calibrated biplanar X-ray images. This method uses a hybrid edge- and region-based similarity measure then a stochastic optimization algorithm to estimate the component position. The region-based similarity is stable and robust to noise. However, this measure is not precise because the number of pixels in the border is fewer than the number of pixels inside the region. On the contrary, the edge-based similarity is accurate but more sensitive to noise or other artifacts existing in the images. That’s why the combination of these two similarity types provides a robust and accurate registration method. The third paper presents a statistical biplanar 3D reconstruction method of the patella, talus, and pelvis. This method uses a dimensionality reduction algorithm to define a deformable parametric model which contains all admissible statistical deformations learned from the bone structure dataset. Then a stochastic optimization algorithm is used to minimize the difference between the contour / region projection of bone models and the contours / regions in two segmented X-ray images.