Estimation de l'effet causal des groupes de trajectoires d'un traitement sur une issue

Autor:	Diop, Awa
Jazyk:	francouzština
Rok vydání:	2023
Předmět:	Appareil cardiovasculaire Maladies Traitement Méthodes statistiques. Statines. Évaluation des résultats (Soins médicaux)
Druh dokumentu:	Texte::Thèse::Thèse de doctorat
Popis:	Titre de l'écran-titre (visionné le 3 juillet 2023) Le travail réalisé dans cette thèse s'inscrit dans un projet à trois volets qui vise à étudier l'intérêt, en situation réelle, de prescrire des statines pour la prévention primaire des maladies cardiovasculaires (MCV). Les MCV sont en effet la première cause de décès dans le monde et la seconde au Canada. Un traitement assez répandu pour réduire les risques de MCV sont les statines, un traitement prescrit pour réduire le taux de cholestérol dans les vaisseaux sanguins. Il y a très peu d'évidence sur l'intérêt d'utiliser les statines chez les aînés pour la prévention primaire. Par ailleurs, il est connu que l'adhésion aux traitements en situation réelle est souvent inférieure à celle observée dans les essais contrôlés. Cependant, une faible adhésion aux statines peut induire un risque accru de MCV comparativement à une adhésion élevée. Ainsi, il est pertinent d'investiguer comment les différents profils d'adhésion aux statines observés en pratique affectent les risques d'événements cardiovasculaires. Dans cette optique, nous avons développé deux méthodologies qui combinent les méthodes d'analyses de trajectoires aux méthodes d'inférence causale. La première méthode est le LCGA-MSM pour latent class growth analysis et marginal structural model. Le LCGA-MSM est une approche à deux étapes. En premier, le LCGA permet de réduire le nombre de profils uniques d'adhésion au traitement en quelques groupes homogènes. Ensuite, les groupes sont liés à la réponse grâce au MSM. La deuxième méthode proposée est le LCGA-HRMSM où le HRMSM signifie history-restricted MSM. Cette approche est une extension du LCGA-MSM à une issue qui varie dans le temps. Pour l'estimation des paramètres d'intérêt, nous avons introduit trois approches : l'inverse de la probabilité, le calcul-g et l'estimation ciblée par le maximum de la vraisemblance longitudinale. Tant pour le LCGA-MSM que pour le LCGA-HRMSM, en plus de fournir un cadre théorique, nous avons mené des études de simulation avancées qui ont permis de démontrer la performance de nos approches. Nous avons aussi développé un package R trajMSM et écrit un tutoriel pour faciliter l'application des approches proposées. Nous avons appliqué les méthodes proposées à une population d'aînés québécois âgés de plus de 65 ans, nouveaux utilisateurs de statines. Les données utilisées sont longitudinales sur 5 ans et l'issue considérée est composite : évènement cardiovasculaire et décès toutes causes confondues. Dans les deux applications réalisées, les résultats suggèrent qu'une adhésion aux statines, même intermittente, favorise la réduction des risques d'évènement cardiovasculaire. This thesis is part of a wider project that aims to study the effectiveness of statins for the primary prevention of cardiovascular disease (CVD), in real-life settings. CVD is the leading cause of death worldwide and the second in Canada. A common treatment to reduce the risk of CVD is statins, a treatment prescribed to reduce cholesterol levels in the blood vessels. There is very little evidence on the value of using statins among older adults for primary prevention. In addition, it is known that real-world adherence to treatment is often lower than that observed in randomized controlled trials. Yet, low adherence to statins may induce an increased risk of CVD compared with high adherence. It is therefore relevant to study how the different patterns of statin adherence observed in practice affect the risk of cardiovascular events. To this end, we have developed two methodologies that combine trajectory analysis with causal inference methods. The first method is LCGA-MSM for latent class growth analysis and marginal structural model. LCGA-MSM is a two-step approach. First, LCGA reduces the number of unique treatment adherence profiles into a few homogeneous groups. Then, in a second step, the clusters are related to the response using MSM. The second proposed method is LCGA-HRMSM, where HRMSM stands for history-restricted MSM. This approach is an extension of LCGA-MSM to a time-varying outcome. For estimating the parameters of interest, we introduced three approaches: inverse of probability, g-formula and longitudinal targeted maximum likelihood estimation, for both LCGA-MSM and LCGA-HRMSM. In addition of providing a theoretical framework, we conducted advanced simulation studies that demonstrated the performance of our approaches. We also developed an R package trajMSM and wrote a tutorial to facilitate the application of the proposed approaches. We applied our methods to a population of older Quebecers aged more than 65 years old and who were statin initiators. The data used are longitudinal over 5 years and the outcome considered is composite: cardiovascular event and death from all causes. In both applications, the results suggest that statin adherence, even intermittent, favors the reduction of the risk of cardiovascular event.
Databáze:	Networked Digital Library of Theses & Dissertations
Externí odkaz:	https://hdl.handle.net/20.500.11794/120603 Zobrazit plný text záznamu