Semi-parametric bayesian model, applications in dose finding studies

Résumé : Les Phases I sont un domaine des essais cliniques dans lequel les statisticiens ont encore beaucoup à apporter. Depuis trente ans, ce secteur bénéficie d'un intérêt croissant et de nombreuses méthodes ont été proposées pour gérer l'allocation séquentielle des doses aux patients intégrés à l'étude. Durant cette Phase, il s'agit d'évaluer la toxicité, et s'adressant à des patients gravement atteints, il s'agit de maximiser les effets curatifs du traitement dont les retours toxiques sont une conséquence. Parmi une gamme de doses, on cherche à déterminer celle dont la probabilité de toxicité est la plus proche d'un seuil souhaité et fixé par les praticiens cliniques. Cette dose est appelée la MTD (maximum tolerated dose). La situation canonique dans laquelle sont introduites la plupart des méthodes consiste en une gamme de doses finie et ordonnée par probabilité de toxicité croissante. Dans cette thèse, on introduit une modélisation très générale du problème, la SPM (semi-parametric methods), qui recouvre une large classe de méthodes. Cela permet d'aborder des questions transversales aux Phases I. Quels sont les différents comportements asymptotiques souhaitables? La MTD peut-elle être localisée? Comment et dans quelles circonstances? Différentes paramétrisations de la SPM sont proposées et testées par simulations. Les performances obtenues sont comparables, voir supérieures à celles des méthodes les plus éprouvées. Les résultats théoriques sont étendus au cas spécifique de l'ordre partiel. La modélisation de la SPM repose sur un traitement hiérarchique inférentiel de modèles satisfaisant des contraintes linéaires de paramètres inconnus. Les aspects théoriques de cette structure sont décrits dans le cas de lois à supports discrets. Dans cette circonstance, de vastes ensembles de lois peuvent aisément être considérés, cela permettant d'éviter les cas de mauvaises spécifications.
Type de document :
Thèse
Statistics [math.ST]. Université Pierre et Marie Curie - Paris VI, 2016. English. 〈NNT : 2016PA066230〉
Liste complète des métadonnées

Littérature citée [31 références]  Voir  Masquer  Télécharger

https://tel.archives-ouvertes.fr/tel-01822162
Contributeur : Abes Star <>
Soumis le : dimanche 24 juin 2018 - 01:01:11
Dernière modification le : mercredi 5 décembre 2018 - 01:26:18
Document(s) archivé(s) le : mercredi 26 septembre 2018 - 01:49:29

Fichier

2016PA066230.pdf
Version validée par le jury (STAR)

Identifiants

  • HAL Id : tel-01822162, version 1

Citation

Matthieu Clertant. Semi-parametric bayesian model, applications in dose finding studies. Statistics [math.ST]. Université Pierre et Marie Curie - Paris VI, 2016. English. 〈NNT : 2016PA066230〉. 〈tel-01822162〉

Partager

Métriques

Consultations de la notice

152

Téléchargements de fichiers

64