Modèles statistiques pour des données de survie corrélées

Tristan Lorino (1)

1 OMIP

Most of the statistical models and methods for failure time data were implicitely developped under the assumption that the observations from subjetcs are statistically independant of each other. While sensible in many applications, this assumption is obviously violated in other situations which are not as uncommon as originally thought. For example, in veterinary science, such correlation between data occurs, specially when individuals recording single outcomes are grouped into clusters.
We study the two broad classes of models for correlated survival data: frailty (or conditional) models and marginal models. We propose a wide comparison of these two approaches; this comparison is realized through veterinary data set and simulations.
Our goal is to assess the sensitivity of such models, and more particulary to appreciate their dependance on several parameters (for example the clusters size).

Les méthodes et modèles statistiques destinés aux données de survie furent, dans leur grande majorité, développés sous l'hypothèse implicite d'indépendance statistique des observations individuelles. Bien que l'imposition d'une telle hypothèse soit raisonnable pour un grand nombre d'applications, il s'avère évident que dans bon nombre d'autres -- et non des moins courantes --, cette hypothèse est violée. Par exemple, en science vétérinaire, de telles données corrélées apparaissent lorsque les observations individuelles sont regroupées au sein d'élevages.
Nous étudions les deux principales classes de modèles pour données de survie corrélées : les modèles de fragilité (ou conditionnels) et les modèles marginaux. Nous nous proposons une large comparaison de ces deux approches, d'une part au travers d'une étude de données vétérinaires, d'autre part au moyen de simulations.
Notre objectif est d'évaluer la sensibilité de tels modèles vis-à-vis de la structure des jeux de données qu'ils sont appelés à traiter -- et plus particulièrement vis-à-vis de la taille des groupes.

Keywords: biostatistique; survie; corrélation; épidémiologie

Domains: Life Sciences [q-bio]

Tristan Lorino. Modèles statistiques pour des données de survie corrélées. Sciences du Vivant [q-bio]. Institut national agronomique paris-grignon - INA P-G, 2002. Français. ⟨NNT : ⟩. ⟨tel-00003672⟩