Doctorante : Kanella Panagiotopoulou
Titre : Modélisation des écarts par rapport à la normalité dans le network meta-analysis
Encadrante : Anna Chaimani
Ecole doctorale : ED 393 Epidémiologie et Sciences de l’Information Biomédicale, Université Paris Cité
Sujet de thèse :
Dans la grande majorité des méta-analyses, on suppose que les effets aléatoires suivent une distribution normale. Les principales raisons de ce choix sont probablement la commodité et la simplicité du modèle, la tradition et la disponibilité des logiciels. Cependant, dans certaines conditions, cette hypothèse de normalité peut être plutôt improbable et peut potentiellement menacer la validité des résultats.
L’objectif du premier projet de cette thèse est de réaliser une grande étude de simulation évaluant les performances des méthodes existantes utilisant des distributions non normales pour les effets aléatoires dans le contexte de la méta-analyse par paires. En fonction des résultats de l’étude de simulation, j’étendrai l’approche(s) ayant les meilleures performances au network meta-analysis. Les résultats préliminaires suggèrent que les modèles de mélange utilisant des familles de distributions peuvent être prometteurs pour synthétiser des données hétérogènes. L’objectif final est de développer un package R convivial facilitant l’utilisation des nouvelles approches de NMA et d’illustrer ses fonctionnalités en appliquant les nouvelles méthodes de NMA à un exemple clinique réel. Des données appropriées pour le NMA peuvent être trouvées dans la base de données COVID-NMA, qui est une revue systématique en constante évolution des traitements et des vaccins contre la COVID-19.
