La survie nette est un indicateur très utilisé en épidémiologie des cancers. Il s'agit de la survie que l'on observerait si la seule cause de mortalité était le cancer ; il est le seul indicateur épidémiologique utilisable à des fins de comparaisons de survie (entre périodes/pays) car il s'affranchit des éventuelles différences de mortalité dues aux autres causes que le cancer. Le premier objectif de notre travail était d'analyser les performances des différentes méthodes d'estimation de la survie nette sur données simulées ainsi que sur données réelles afin que les méthodes non biaisées soient reconnues scientifiquement et soient les seules à être utilisées par la suite. Nous avons ainsi démontré que deux approches étaient capables d'estimer sans biais la survie nette : l'approche non paramétrique de Pohar-Perme et l'approche reposant sur une modélisation multivariée du taux de mortalité en excès dû au cancer. Cette dernière approche impose une stratégie de construction difficile à mettre en place. Le deuxième objectif était de développer une boîte à outils composée de différents tests permettant de vérifier les différentes hypothèses faites lors de la construction d'un modèle de régression du taux de mortalité en excès. Ces hypothèses concernent habituellement la proportionnalité ou non de l'effet des covariables, leur forme fonctionnelle, ainsi que la fonction de lien utilisée. Le troisième objectif était une application épidémiologique qui visait à étudier l'impact des facteurs pronostiques, tel que le stade au diagnostic, sur la survie nette conditionnelle, en d'autres termes sur la dynamique du taux de mortalité en excès, après la survenue d'un cancer du côlon / Net survival is one of the most important indicators in cancer epidemiology. It is defined as the survival that would be observed if cancer were the only cause of death. This is the only one indicator allowing comparisons of cancer impact between countries or time periods because it is not influenced by death because of other causes. The first objective of this work was to compare the performance of several estimators of the net survival in a simulation study and then on real data in order to promote unbiased methods. Those methods are the non-parametric Pohar-Perme method and the parametric multivariable excess rate model. The latest one needs a model building strategy. The use of diagnostic procedures for model checking is an essential part of the modeling process. The second objective was to develop a tool box composed of diagnostic tools allowing to check hypothesis usually considered when constructing an excess mortality rate model, that is, the proportionality or not of the effect of covariates, their functional form and the link function. The third objective deals with the study of the impact of prognostic variables, such as stage at diagnosis, on conditional net survival, that is, on the dynamic of the excess hazard mortality after the diagnosis of colon cancer

L’étude du temps de survenue d’un événement représente un champ très important des statistiques. Lorsque l’événement étudié est le décès, on cherche à décrire la survie des individus ainsi que leur taux de mortalité, c’est-à-dire la « force de mortalité » qui s’applique à un instant donné. Les patients atteints d’une maladie chronique présentent en général un excès de mortalité par rapport à une population ne présentant pas la maladie en question. En épidémiologie, l’étude du taux de mortalité en excès des patients, et notamment de l’impact des facteurs pronostiques sur celui-ci, représente donc un enjeu majeur de santé publique. D’un point de vue statistique, la modélisation du taux de mortalité (en excès) implique de prendre en compte les effets potentiellement non-linéaires et dépendants du temps des facteurs pronostiques ainsi que les interactions. Les splines de régression, polynômes par morceaux paramétriques et flexibles, sont des outils particulièrement bien adaptés pour modéliser des effets d’une telle complexité. Toutefois, la flexibilité des splines de régression comporte un risque de sur-ajustement. Pour éviter ce risque, les splines de régression pénalisées ont été proposées dans le cadre des modèles additifs généralisés. Leur principe est le suivant : à chaque spline peuvent être associés un ou plusieurs termes de pénalité contrôlés par des paramètres de lissage. Les paramètres de lissage représentent les degrés de pénalisation souhaités. En pratique, ils sont inconnus et doivent être estimés tout comme les paramètres de régression. Dans le cadre de cette thèse, nous avons développé une méthode permettant de modéliser le taux de mortalité (en excès) à l’aide de splines de régression multidimensionnelles pénalisées. Des splines cubiques restreintes ont été utilisées comme splines unidimensionnelles ou bien comme bases marginales afin de former des splines multidimensionnelles par produits tensoriels. Le processus d’optimisation s’appuie sur deux algorithmes de Newton-Raphson emboîtés. L’estimation des paramètres de lissage est effectuée en optimisant un critère de validation croisée ou bien la vraisemblance marginale des paramètres de lissage par un algorithme de Newton-Raphson dit externe. A paramètres de lissage fixés, les paramètres de régression sont estimés par maximisation de la vraisemblance pénalisée par un algorithme de Newton-Raphson dit interne.Les bonnes propriétés de cette approche en termes de performances statistiques et de stabilité numérique ont ensuite été démontrées par simulation. La méthode a ensuite été implémentée au sein du package R survPen. Enfin, la méthode a été appliquée sur des données réelles afin de répondre aux deux questions épidémiologiques suivantes : l’impact de la défavorisation sociale sur la mortalité en excès des patients atteints d’un cancer du col de l’utérus et l’impact de l’âge courant sur la mortalité en excès des patients atteints de sclérose en plaques / Time-to-event analysis is a very important field in statistics. When the event under study is death, the analysis focuses on the probability of survival of the subjects as well as on their mortality hazard, that is, on the "force of mortality" that applies at any given moment. Patients with a chronic disease usually have an excess mortality compared to a population that does not have the disease. Studying the excess mortality hazard associated with a disease and investigating the impact of prognostic factors on this hazard are important public health issues in epidemiology. From a statistical point of view, modelling the (excess) mortality hazard involves taking into account potentially non-linear and time-dependent effects of prognostic factors as well as their interactions. Regression splines (i.e., parametric and flexible piecewise polynomials) are ideal for dealing with such a complexity. They make it possible to build easily nonlinear effects and, regarding interactions between continuous variables, make it easy to form a multidimensional spline from two or more marginal one-dimensional splines. However, the flexibility of regression splines presents a risk of overfitting. To avoid this risk, penalized regression splines have been proposed as part of generalized additive models. Their principle is to associate each spline with one or more penalty terms controlled by smoothing parameters. The smoothing parameters represent the desired degrees of penalization. In practice, these parameters are unknown and have to be estimated just like the regression parameters. This thesis describes the development of a method to model the (excess) hazard using multidimensional penalized regression splines. Restricted cubic splines were used as one-dimensional splines or marginal bases to form multidimensional splines by tensor products. The optimization process relies on two nested Newton-Raphson algorithms. Smoothing parameter estimation is performed by optimizing a cross-validation criterion or the marginal likelihood of the smoothing parameters with an outer Newton-Raphson algorithm. At fixed smoothing parameters, the regression parameters are estimated by maximizing the penalized likelihood by an inner Newton-Raphson algorithm.The good properties of this approach in terms of statistical performance and numerical stability were then demonstrated through simulation. The described method was then implemented within the R package survPen. Finally, the method was applied to real data to investigate two epidemiological issues: the impact of social deprivation on the excess mortality in cervical cancer patients and the impact of the current age on the excess mortality in multiple sclerosis patients

La survie nette est un indicateur incontournable pour juger du control du cancer. Par définition, elle correspond à la survie que l’on observerait dans un monde hypothétique où le cancer étudié serait la seule cause possible de décès. L’objectif principal de cette thèse était de montrer l’intérêt de cet indicateur dans le cadre de la recherche clinique en prenant en compte quelques défis méthodologiques qui peuvent être rencontrés dans ce contexte. Nous avons présenté d’abord le concept de survie nette et ses méthodes d’estimation. Par la suite nous nous sommes intéressés à quelques problématiques rencontrées dans les essais cliniques à long terme lorsque l’on s’intéresse à l’estimation de la survie nette. Nous avons étudié également l’impact de l’utilisation de l’approche classique d’estimation de la survie nette dans les essais cliniques, i.e. la méthode cause-spécifique dans différentes configurations d’erreurs de classifications de la cause de décès. La deuxième problématique de cette thèse a porté sur la prise en compte du biais de sélection en termes de mortalité autres causes des patients. Nous avons proposé un modèle de mortalité en excès prenant en compte ce type de biais de sélection. Une troisième problématique qui est complémentaire à la deuxième est de prendre en compte inter-centres en même temps que le biais de sélection. Ce travail propose ainsi de nouveaux outils pouvant aider les spécialistes de la recherche clinique à évaluer de nouvelles stratégies thérapeutiques dans les essais cliniques en cancérologie, mais aussi dans d’autres domaines cliniques d’applications. / Net survival is a key indicator for measuring cancer control. By definition, it corresponds to the survival that would be observed in a hypothetical world where the cancer studied is the only possible cause of death. The main objective of this thesis was to show the interest of this indicator in the context of clinical research taking into account some methodological challenges that can be encountered. In this work, we have first presented the concept of net survival and its estimation methods. Subsequently, we were interested in some of the problems encountered in long-term clinical trials when the interest is in estimating net survival. We studied the impact of using the classic approach when estimating net survival in clinical trials, i.e. the cause-specific method in different configurations of misclassifications of the cause of death. The second objective of this thesis was to take into account the selection bias in terms of other causes mortality in the modeling of excess mortality, because of the noncomparability between patients from general population and those of clinical trials. We proposed an excess hazard model that corrects this type of selection bias. A third problem which is complementary to the second is to take into account the heterogeneity of patients in the different recruitment centers at the same time as the selection bias. This work proposes new tools which can help clinical research specialists to evaluate new therapeutic strategies in cancer clinical trials, but also in other areas of clinical application.

La survie nette, indicateur clé de l'efficacité des systèmes de soin dans la lutte contre le cancer, est un concept théorique représentant la survie que l'on observerait dans un monde hypothétique où le cancer étudié serait la seule cause de décès. En s'affranchissant de la mortalité due aux causes autres que ce cancer, elle permet des comparaisons entre populations. Dans cette thèse, après présentation du concept et des méthodes d'estimation de la survie nette quand la cause de décès est inconnue, nous étudions trois problématiques. La première porte sur les tables de mortalité utilisées pour estimer la survie nette. En France, ces tables sont stratifiées sur âge, sexe, année et département. Il serait intéressant d'utiliser des tables stratifiées sur d'autres facteurs impactant la mortalité. Nous étudions l'impact du manque de stratification sur les estimations des effets des facteurs pronostiques sur la mortalité en excès (celle due au cancer en l'absence des autres causes de décès) par des études de simulations et sur données réelles. La deuxième problématique porte sur la construction d'un test de type log-rank pour comparer des distributions de survie nette estimées par l'estimateur Pohar-Perme, estimateur non paramétrique consistant de la survie nette. Notre troisième problématique est de déterminer dans une aire géographique des zones différentes en termes de survie nette. Nous adaptons une méthode de détection de clusters à la survie nette en utilisant le test précédemment développé comme critère de découpage. Ce travail propose ainsi des développements et outils nouveaux pour étudier et améliorer la qualité de la prise en charge des patients atteints d'un cancer. / In cancer research, net survival is a key indicator of health care efficiency. This theoretical concept is the survival that would be observed in an hypothetical world where the disease under study would be the only possible cause of death. In population-based studies, where cause of death is unknown, net survival allows to compare net cancer survival between different groups by removing the effect of death from causes other than cancer. In this work, after presenting the concept and the estimation methods of net survival, we focus on three complementary issues. The first one is about the life tables used in the estimates of net survival. In France, these tables are stratified by age, sex, year and département. Other prognostic factors impact on mortality. So it would be interesting to use life tables stratified by some of these factors. We study the impact of the lack of stratification in life tables on the estimates of the effects of prognostic factors on excess mortality by simulations and real data studies. In 2012, the Pohar-Perme estimator was proposed. It is a consistent non parametric estimator of net survival. The second issue involves the building of a log-rank type test to compare distributions of net survival (estimated by the Pohar-Perme estimator) between several groups. Our third issue is to propose a method providing potential spatial clusters which could contain patients with similar net cancer survival rates. We adapt a clustering method using the test we have built as a splitting criterion. This work proposes new developments and new tools to study and improve the quality of care for cancer patients. These methods are suitable to other chronic diseases.

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.

L'étude de la survie nette des patients atteints de cancer en population générale permet d'apprécier l'efficience globale du système de soin d'un pays. La survie nette se définit comme la survie qui serait observée si la seule cause de décès possible était le cancer. Ce concept est fondamental dans les comparaisons entre zones géographiques et/ou périodes de diagnostic dont l'intérêt est d'estimer les variations spécifiques de la mortalité due au cancer. Le concept de survie nette permet de prendre en compte les éventuelles différences de mortalité naturelle entre les groupes comparés. Actuellement, seuls deux outils estiment la survie nette sans biais : l'estimateur non paramétrique de Pohar-Perme et la modélisation paramétrique ajustée sur certaines covariables (essentiellement l'âge). Par ailleurs, les outils paramétriques s'étant perfectionnés, de nouveaux modèles flexibles permettent de modéliser les effets complexes des variables sur la mortalité. Ce travail repose sur la modélisation du taux de mortalité en excès à la suite d'un lymphome malin non hodgkinien, en se basant sur le modèle proposé par Remontet et al. et sur la nécessité de modéliser conjointement les effets complexes des covariables (telles que le temps de suivi, l'année de diagnostic et l'âge) sur la mortalité à l'aide d'une stratégie de modélisation adaptée. L'effet des variables est restitué sur la survie nette mais aussi sur le taux de mortalité en excès ce qui représente un élément nouveau dans les études de survie. Deux applications ont été menées sur des bases de données collaboratives de population : d'une part sur les données françaises du réseau FRANCIM à la suite d'un diagnostic de lymphome folliculaire entre 1995 et 2010 et, d'autre part, sur les données européennes d'EUROCARE-5 après un lymphome folliculaire ou un lymphome B diffus à grandes cellules diagnostiqué entre 1996 et 2004. Les résultats montrent que la dynamique du taux de mortalité en excès au cours du temps de suivi varie en fonction du sous-type de lymphome, de l'âge et de la zone géographique. Les tendances de cette dynamique en fonction de l'année de diagnostic sont également différentes / The net survival of cancer patients in population studies is the most relevant indicator to assess the overall efficiency of the healthcare system of a country. Net survival is defined as the survival that would be observed if the sole cause of death were cancer. This concept is crucial in comparative studies (between geographical areas and/or periods of diagnosis) that estimate specific variations of cancer-related deaths. Net survival takes into account potential differences in mortality patterns between groups. Currently, two methods provide unbiased estimations of net survival: the non-parametric estimator of Pohar-Perme and the parametric model adjusted on specific covariates (mainly, the age at diagnosis). Moreover, new improved parametric tools, such as flexible models, can model the complex covariate effects on mortality. In this work, we modeled the excess mortality rate after a non Hodgkin lymphoma diagnosis, with a model developed by Remontet et al. In addition, we used an appropriate model-building-strategy to model jointly the complex effects of some covariates (such as the time elapsed since diagnosis, the year of diagnosis, and age) on the excess mortality. Finally, this approach allowed for the covariate effects on the net survival and on the excess mortality rate. We applied this method to two different collaborative databases: first on the French database FRANCIM (1995 to 2010) to study the excess mortality after diagnosis of follicular lymphoma, then on the European data of EUROCARE-5 (1996 to 2004) to study the excess mortality after diagnosis of follicular lymphoma and diffuse large B-cell lymphoma. According to the results, the dynamics of the excess mortality rate varies over the time elapsed since diagnosis according to the lymphoma subtype, the age, and the geographical area. The trends of these dynamics over the years of diagnosis are different too

En France, les hémopathies lymphoïdes, se situant au sixième rang des cancers les plus fréquents, sontun problème majeur de santé publique. Ce travail a pour objectif d’étudier l’impact de la prise en charge thérapeutiquesur la survie et sur la qualité de vie (QdV) des patients atteints de ce type d’hémopathies. Le premierobjectif de ce travail est un état des lieux de l’épidémiologie des hémopathies lymphoïdes avec l’étudede l’évolution de l’incidence et de la survie nette en Côte d’Or entre 1980 et 2009. L’incidence, en nette augmentationdepuis 1980, semble se stabiliser depuis les années 2000 pour certaines entités, notamment pourles lymphomes folliculaires (LF) et les lymphomes B diffus à grandes cellules (LBDGC). Nous observons globalementune amélioration de la survie nette avec, toutefois, un pronostic à court et à long terme qui restedéfavorable pour certaines entités. Les LF et les LBDGC sont les premiers lymphomes à bénéficier de l’introductiondes anticorps monoclonaux dans leur prise en charge thérapeutique. Notre deuxième étude a pourobjectif demesurer l’impact du rituximab sur la survie globale des patients atteints d’un LF ou d’un LBDGC enCôte d’Or en utilisant une méthodologie basée sur le score de propension. Nos résultats confirment le bénéficesignificatif du rituximab sur la survie globale en population générale, sans critère de sélection. En vue de cesrésultats, nous avons étudié la QdV de ces patients pendant et à la suite de la prise en charge thérapeutique. LaQdV évolue différemment au cours du suivi en fonction du type de lymphome. / In France, hematologic malignancies, which are the sixthmost common cancers, are amajor public healthproblem. This work aimed to study the impact of the therapeutic management on survival and healt-relatedquality of life (HRQoL) in patients with these hematologic malignancies. The first objective of this work is topresent an overview of the epidemiology of lymphoid malignancies with a study of changes in the incidenceand net survival in the Côte d’Or department between 1980 and 2009. The incidence, which has increased since1980, seems to have stabilized since the 2000s for some entities, including follicular lymphoma (FL) and diffuselarge B-cell lymphoma (DLBCL). Overall, we observed an improvement in net survival, with, however, a lessfavorable prognosis in the short and long-term for some entities. FL and DLBCL were the first lymphomas tobenefit from the introduction of monoclonal antibodies in their therapeutic management. Our second studyaimed to assess the impact of rituximab on overall survival in patients with FL or DLBCL in the Côte d’Or departmentusing a methodology based on the propensity score. Our results confirmed the significant benefit ofrituximab on overall survival in an unselected population of patients. In view of these results, we studied theHRQoL of these patients during and after treatment. HRQoL evolved differently during follow-up dependingon the type of lymphoma.