L’équipe développe de nouveaux modèles et méthodes statistiques pour l’épidémiologie et les essais cliniques, avec un fort accent sur l’analyse de données de cohortes.
Objectifs
L’équipe Biostatistique développe des méthodes statistiques pour l’analyse de données épidémiologiques ou issues d’essais cliniques. L’axe de recherche majeur porte sur les modèles dynamiques c’est à dire l’ensemble des modèles visant à tenir compte de la dimension temporelle des événements et processus. Certains travaux comportent une forte dimension théorique mais ils sont tous motivés par des applications concernant l’histoire naturelle, les facteurs de risque, le diagnostic ou le pronostique de maladies chroniques telles que la maladie d’Alzheimer, le SIDA, le cancer ou la maladie rénale chronique ainsi que l’évaluation de l’impact de ces maladies pour la Santé Publique. Des logiciels implémentant ces méthodes sont régulièrement mis à la disposition de la communauté scientifique via internet. Pour soutenir ses activités des recrutements sont prévus.
Coordonnées
Centre de recherche INSERM U1219
Université de Bordeaux – ISPED
146 rue Léo-Saignat
33076 BORDEAUX cedex
Tél : +33 (0)5 57 57 13 93
Tél : +33 (0)5 57 57 95 68
Fax : +33 (0)5 56 24 00 81
Informations
Axes
Modèles multivariés pour données dépendant du temps
- Modèles conjoints pour marqueurs longitudinaux et événements multiples
- Modèles à processus latent
- Modélisation de l’exposition prolongée dans les études cas-témoins
- Évaluation de modèles et capacités prédictives
Approches par modélisation pour l’estimation d’indicateurs de Santé Publique
- Projection de la charge de la démence et évaluation de l’ impact d’intervention
- Estimation de l’infection à VIH combinant différentes sources de données
Téléchargements
Retrouvez ici nos fichiers ..
- FRAILTYPACK: R package for general frailty models
- CPMTL: Programme de calcul de la P_value pour une série de plusieurs codages d’une variable explicative dans un modèle logistique
- CENSAD: Programme pour l’estimation des paramètres de modèles linéaires mixtes pour données longitudinales gaussiennes censurées à gauche
- AEFNC-P: Correction asymptotique exacte de la P-value pour un nombre fini de tests
- ScreenDEM: Feuille de calcul de la probabilité de démence
- PHMPL: Programme de calcul d’une fonction de risque et d’une fonction de survie lisses par une méthode non-paramétrique basée sur la maximisation d’une vraisemblance pénalisée
- ORDINAL: SAS macro for the estimation of mixed models with ordinal data (proportional odds mixed model and cumulated probit mixed model)
- R code for sparse conditional logistic regression
- PSPMCM: Macro SAS pour l’estimation de modèles de survie de mélange avec une fraction non à risque (Mixture Cure Models)
- HETMIXLIN Program for estimating linear mixed models with a mixture of distribution for the random effects.
- NLMULTIMIX: Program for estimating a non linear mixed model for multivariate longitudinal quantitative non Gaussian data.
- MKVPCI : Programme pour l’estimation des modèles de Markov avec intensités de transition constantes par morceaux et covariables.
- NIMROD : Programme d’inférence en modèles mécanistes (ODE) avec effets aléatoires.
- HETMIXSURV : program for the analysis of multivariate curvilinear possibly heterogeneous longitudinal outcomes and a time-to-event using a latent process approach
- LCMM : A R package for the estimation of latent class mixed models, joint latent class models and mixed models for curvilinear outcomes
- SmoothHazard: A R package for the estimation of illness-death models for interval-censored data
- Projection with Semi-Markov Model
Carrière
Si vous êtes intéressé(e) par la recherche en biostatistique et plus généralement les statistiques appliquées à la santé, envoyez une candidature motivée à sandrine.darmigny@u-bordeaux.fr. Notre équipe de biostatistique accueille chaque année des stagiaires, doctorants et postdoctorants en biostatistique.
Publications principales
- Commenges D and Jacqmin-Gadda H. Dynamical Biostatistical Models. 2015. Ed : CRC Press
- Commenges D and Jacqmin-Gadda H. Modèles Biostatistiques pour l’Epidémiologie. 2015. Ed : De Boeck
- Blanche P, Proust-Lima C, Loubère L, Dartigues JF, Jacqmin-Gadda H. Qantifying and comparing dynamic predictive accuracy of joint models for longitudinal marker and time-to-event in presence of censoring and competing risk events, Biometrics 2015, 71,102-113
- Joly P,Touraine C, Georget A, Dartigues JF, Commenges D, Jacqmin-Gadda H. Prevalence projections of chronic diseases and impact of public health intervention, Biometrics, 2013;69: 109–117.
- Rondeau, V., Mazroui, Y., & Gonzalez, J. R. (2012). frailtypack: an R package for the analysis of correlated survival data with frailty models using penalized likelihood estimation or parametrical estimation. Journal of Statistical Software, 47(4), 1-28.
Membres
- Ahmadou Alioum
- Marta Avalos
- Sebastien Branchoux
- Daniel Commenges
- Sandrine Darmigny
- Loic Ferrer
- Florian Guillet
- Helene Jacqmin-Gadda
- Pierre Joly
- Agnieszka Krol
- Karen Leffondre
- Emilie Leveque
- Viviane Philipps
- Cécile Proust-Lima
- Virginie Rondeau
- Anaïs Rouanet
- Denis Rustand
- Camille Sabathé
- Corentin Segalas
- Casimir Ledoux Sofeu
- Bachirou Taddé
- Maude Wagner
- Mathilde Wanneveich
