En tant qu'associé de recherche postdoctoral au sein de l'équipe CRESS METHODS, mon intérêt principal est axé sur l'avancement des méthodes statistiques pour la méta-analyse de réseau (NMA). Plus précisément, mon travail implique le développement de techniques NMA innovantes pour classer plusieurs traitements et analyser des données éparses, entre autres domaines de recherche statistique. En plus de mes contributions théoriques, je suis activement impliqué dans divers projets appliqués, avec un accent particulier sur la recherche COVID-19. Je suis un membre clé du projet COVID-NMA depuis 2020, où j'ai apporté mon expertise en tant que statisticien.
Au-delà de mes contributions à la recherche, je suis également profondément engagé dans le développement de logiciels qui peuvent permettre une application plus large des méthodes statistiques dans la recherche médicale.
Intérêts de recherche
- Méthodes statistiques pour les méta-analyses en réseau et les méta-analyses par paires
- Gestion des données rares
- Méthodes de classement pour plusieurs traitements
Publications clés
- Evrenoglou, T, White, IR, Afach, S, Mavridis, D, Chaimani, A. Network meta-analysis of rare events using penalized likelihood regression. Statistics in Medicine. 2022.
Voir la publication - Evrenoglou, T., Boutron, I., Seitidis, G., Ghosn, L. and Chaimani, A. (2023), metaCOVID: A web-application for living meta-analyses of COVID-19 trials. Res Syn Meth.
Voir la publication - Evrenoglou, T., Metelli, S., Thomas, J. S., Siafis, S., Turner, R. M., Leucht, S., & Chaimani, A. (2023). Sharing information across patient subgroups to draw conclusions from sparse treatment networks.
Voir la publication
Liens
Thèses
Gestion des données éparses dans les méta-analyses en réseau
Theodoros Evrenoglou
Promotion : 2019 - 2022
Encadrant.es : Anna Chaimani
