Colloque CRM-ISM-GERAD, UQAM, 10 octobre

le 8 octobre 2008 à 14:45
Jean-Francois Plante

CONFERENCIER(S) :
Pierre-Jérôme Bergeron (Université d’Ottawa)

TITRE :
Studying the natural history of diseases through prevalent cases: can one exploit untapped features of length-biased data?

LIEU : UQAM, Pavillon Président-Kennedy, 201, ave Président Kennedy, Salle PK-5115

DATE : Le vendredi 10 octobre 2008

HEURE : 15 h 30

RÉSUMÉ :
Dans la plupart des analyses de régression, bien que l’échantillonnage se fasse à partir de la loi jointe de la variable d’intérêt et des covariables, l’analyse est effectué en conditionnant sur les valeurs des covariables, parce que la loi marginale des covariables ne contient aucune information sur les paramètres étudiés lorsque l’échantillonnage se fait sans biais. Lorsqu’il y a échantillonnage avec biais de longueur, comme ce peut être le cas en analyse de durées de vie sur des données provenant d’une cohorte prévalente, les covariables souffrent également d’un biais et leur distribution dépend des paramètres de régression. La question se pose: est-il possible d’extraire l’information sur ces paramètres contenue dans la loi marginale des covariables de l’échantillon? En utilisant des méthodes basées sur la vraisemblance pour des données tronquées à gauche et censurées à droite, on démontre que l’on peut obtenir des estimateurs de moindre variance par l’approche jointe (tenant compte des covariables) en comparaison à l’approche conditionnelle. Les résultats sont illustrés avec des données sur la démence provenant de l’Étude canadienne sur la santé et le vieillissement. Les répercussions possibles de ces idées vers d’autre formes d’échantillonnage biaisé et sur l’étude d’évènement récurrents seront discutées si l’horaire le permet.

FacebookTwitterGoogle+LinkedIn