Pour de nombreuses pathologies chroniques,l’amélioration de la prise en charge des patients passe par une meilleure compréhension de la progression de la pathologie et par la capacité à pronostiquer précocement la survenue d’événements délétères.L’évolution de l’état de santé des patients peut être appréciée à travers des mesures répétées d’un marqueur longitudinal, comme la créatinine sérique en transplantation rénale.Ce travail de thèse en Epidémiologie et Biostatistique appliqué à la transplantation rénale s’intéresse aux modèles conjoints pour données longitudinales et de temps d’évènement. Ces derniers présentent de nombreux avantages mais ils restent encore peu utilisés en pratique. Dans une première partie du travail, nous proposons d’utiliser cette méthodologie afin d’étudier le rôle spécifique des déterminants de santé sur l’évolution du sérum de créatinine et/ou sur le risque d’échec de greffe. Cette modélisation apporte une vision épidémiologique très riche et met en évidence certains facteurs qui pourraient être intéressants à intégrer dans la prise en charge des patients puisqu’ils semblent associés au risque d’échec de greffe sans reflet préalable sur le marqueur de suivi, la créatinine sérique.Dans une seconde partie, nous nous sommes intéressés aux prédictions dynamiques. Calculables à partir d’un modèle conjoint, les prédictions sont dites dynamiques car elles se mettent à jour tout au long du suivi en fonction de l’information longitudinale récoltée jusqu’au temps de prédiction. L’utilité clinique de ce type de score dynamique doit être évaluée et repose en partie sur des performances adéquates en termes de calibration et de discrimination. Des outils d’évaluation,tels que le Brier Score ou la courbe ROC, ont déjà été développés. En complément de ces indicateurs, nous proposons le développement d’un indicateur de type R² afin de pallier certaines de leurs limites / For many chronic diseases, the monitoring of patients can be improved by a better understanding of disease growth and the ability to predict the occurrence of major events. Health status evolution can be measured by repeated measurements of a longitudinal marker, as serumcreatinine in renal transplantation.This thesis work in epidemiology and biostatistics applied to renal transplantation focuses on jointmodels for longitudinal and time-to-event data.These models have various benefits but their use is still uncommon in practice. In a first part, we use this methodology to identify the specific role of risk factors on serum creatinine evolution and/or graftfailure risk. We give a rich epidemiological overview and highlights some features which deserve additional attention as they seemassociated with graft failure risk without previousmodification of the longitudinal marker, the serumcreatinine. In a second part, we focus on dynamic predictions, which can be estimated from a jointmodel. They are called dynamic because of an update performed at each new measurement of the longitudinal marker. The clinical usefulness of this type of predictions has to be evaluated and should be based on good accuracy in terms of discrimination and calibration. To assess the prognostic capacities, the Brier Score or the ROCcurve have already been developed. To complete them, we propose an R² type indicator in order to complement some limitations of previous tools.
Identifer | oai:union.ndltd.org:theses.fr/2016NANT1004 |
Date | 10 October 2016 |
Creators | Fournier, Marie-Cecile |
Contributors | Nantes, Foucher, Yohann, Dantan, Etienne, Giral, Magali |
Source Sets | Dépôt national des thèses électroniques françaises |
Language | French |
Detected Language | French |
Type | Electronic Thesis or Dissertation, Text |
Page generated in 0.0096 seconds