La pneumonie nosocomiale est l'infection la plus fréquente et la plus grave rencontrée en réanimation, notamment chez les patients sous ventilation mécanique invasive. L'objectif de ces travaux de thèse est d'élaborer des outils d'optimisation de la prévention des Pneumonies nosocomiales Acquises sous Ventilation Mécanique (PAVM) en utilisant les informations de la base de donnée OUCOMEREA. Ainsi, un score de PAVM a été construit à partir d'une régression logistique hiérarchique mixte à effet aléatoire permettant de comparer les structures de soin. Le modèle de régression logistique présentant quelques insuffisances, nos travaux ont été orientés vers les modèles multi-états. En particulier, nous avons étudié le modèle Progressive Disability à partir duquel la mortalité attribuable à la PAVM a été évaluée efficacement et les groupes de patients ayant une mortalité imputable très élevée ont été identifié. Ce modèle a été simplifié en modèle Disability. Par la suite, les covariables sont incluses via l'estimateur de Breslow et la mortalité imputable est ré-estimée. A partir du modèle Disability, une prédiction globale et individualisée de la PAVM dans les trois jours qui suivent l'instant d'observation est construite. La performance de la prédiction est évaluée par une fonction de perte pondérée par la fréquence des évènements au cours du temps.