Docteur : Emmanuel Caruana
Titre : Développement d’une nouvelle mesure d’équilibre pour l’aide à la sélection des variables dans un modèle de score de propension
Encadrants : Sylvie Chevret, Romain Pirrachio
Ecole doctorale : ED 393 Epidémiologie et Sciences de l’Information Biomédicale, Université Paris Cité
Date de soutenance : 03/2017
Jury : Romain Pirracchio, Sylvie Chevret, Gilles Potel, Yohann Foucher, Denis Frasca, Enrique Casalino, Didier Journois.
Résumé :
Le score de propension s’est progressivement imposé comme l’une des méthodes de référence dans l’analyse des données observationnelles afin de prendre en compte le biais potentiel lié à l’existence de facteurs de confusion dans l’estimation de l’effet du traitement sur le critère de jugement. Parmi les recommandations de bonnes pratiques d’utilisation, le processus de sélection des variables à inclure dans le score final utilisé est essentiel, ainsi que l’évaluation de l’équilibre obtenu sur les covariables après appariement ou pondération sur ce score. Dans l’objectif de prioriser l’inclusion et l’équilibre des variables ayant une relation avec le critère de jugement une nouvelle mesure d’équilibre est proposée dans ce travail de thèse. Une première partie de ce travail a eu pour objectif de développer une mesure globale pondérée permettant d’évaluer l’équilibre global des covariables obtenu après appariement et ainsi d’aider à la sélection d’un modèle de propension le plus parcimonieux possible, en éliminant notamment les variables instrumentales. En effet ces variables ne doivent pas être introduites dans le modèle de score de propension au risque de majorer le biais final d’estimation. Lors des étapes d’évaluation de l’équilibre final obtenu, les différentes mesures d’équilibres disponibles ne prennent le plus souvent pas en compte cette information et concluent souvent à l’intérêt d’inclure une telle variable afin de réduire au maximum le déséquilibre entre les groupes. L’évaluation des performances de cette mesure a dans un premier temps fait appel à des simulations de type Monte Carlo. Dans une seconde partie, une mise en application sur des données réelles issues de la médecine d’urgence a permis de préciser la pratique d’utilisation d’une telle mesure.
