20161128_2737_Offre de stage M2 Biostatistique
publicité
Offre de stage M2 Biostatistique Début : Janvier/avril 2017 - 6 mois EVALUATION DE L ’IMPACT DES DONNEES MANQUANTES SUR LES METHODES DE DETECTION DU RESPONSE SHIFT IMPACT OF MISSING DATA ON RESPONSE SHIFT DETECTION Contexte Mieux appréhender le vécu et le ressenti des patients atteints de maladies chroniques est nécessaire dans de nombreuses pathologies où l'évaluation des mesure de santé perçue ou Patient Reported Outcomes (PRO, par exemple : qualité de vie, bien-être, fatigue, anxiété) est une étape indispensable pour évaluer les conséquences des traitements et des prises en charges. A cette fin, des données longitudinales sont souvent collectées grâce à des questionnaires, pour permettre l'analyse de l'évolution des données PRO des patients au fil du temps. Toutefois, les données longitudinales issues de PRO peuvent être difficiles à analyser. Cette analyse présuppose que la perception de l’instrument de mesure des PRO par le patient (le questionnaire) ne varie pas au cours de l’étude. En effet, au fil du temps et face à l’expérience de la maladie, les patients peuvent modifier leur interprétation des questions qui leur sont posées, un phénomène connu sous le terme de « response shift » qui peut être lié à la façon dont les patients s’adaptent à leur maladie chronique. En présence de response shift, les évolutions observées des mesures de type PRO peuvent ne pas refléter uniquement les véritables changements ressentis par les patients. L’évaluation appropriée des effets d’une intervention ou d’une prise en charge peut alors être compromise et conduire à des conclusions erronées en matière de traitement et de prise en charge. On peut aussi souligner l’intérêt clinique que peut représenter l’étude du phénomène de response shift afin de mieux comprendre la manière dont les patients s’adaptent à la maladie et à ses conséquences. De plus, l’évaluation du véritable changement ressenti par le patient et du response shift peut être baisée en cas de données manquantes, souvent rencontrées dans les études longitudinales. Les données manquantes constituent un réel défi encore non résolu, dans le cadre de l'évaluation des données longitudinales de type PRO en présence de response shift. Objectif L'une des principales approches statistiques actuellement utilisées pour l'analyse du response shift est la modélisation par équations structurelles (SEM). Comme la plupart des modèles statistiques, les méthodes basées sur les SEM supposent que les données manquent au hasard (MAR) ou complètement au hasard (MCAR). Cependant, il est très probable que les données issues de PRO ne manquent pas au hasard (MNAR) et que la probabilité d'absence de données dépende de données non observables. Ce type de données est problématique et peut conduire à des estimations biaisées du response shift et du véritable changement ressenti par les patients. Les méthodes issues de la théorie de réponse aux items (IRT) pourraient être une alternative intéressante grâce à leurs propriétés permettant de gérer des données manquantes de type MNAR. L'objectif du stage est d'évaluer les performances de l'IRT pour la détection et l'estimation du RS ainsi que l’estimation du véritable changement, dans le cas de données manquantes, aléatoirement ou non. Missions L’étudiant devra mettre en place une étude de simulation permettant d’évaluer l’impact des données manquantes sur la détection du response shift. Différentes situations seront envisagées pour évaluer les performances de la méthode basée sur l’IRT, selon : la taille des échantillons, le nombre d’items, l’importance du RS, la quantité et le type de données manquantes (MCAR ou MNAR). Les résultats seront comparés avec les premiers résultats du projet ayant évaluer les performances de la méthode basée sur l’IRT dans le cadre de données complètes et pourront donner lieu à une publication dans une revue internationale. Profil attendu Le candidat devra être étudiant en Master 2 Biostatistique ou équivalent. Il devra avoir une bonne connaissance des modèles linéaires généralisés à effets aléatoires. Il devra être à l’aise avec les langages de programmation de logiciels statistiques (Stata ou SAS) et avoir une appétence pour la programmation. Des connaissances en psychométrie (mesure de concepts subjectifs tels que la qualité de vie et les Patient Reported Outcomes) ou en analyse des données manquantes seraient appréciées. Structure d’accueil : U1246 SPHERE (ancienne EA 4275) « methodS in Patient-centered outcomes and HEalth REsearch » http://www.sphere-nantes.fr/ L’unité Inserm U1246 SPHERE est une équipe de recherche des Universités de Nantes et de Tours. Cette équipe de recherche pluridisciplinaire centre ses travaux sur la perception des patients de leur état de santé et de leur implication dans la démarche thérapeutique. L’étudiant stagiaire collaborera avec les membres de l’équipe particulièrement concernés par l’axe « Mesure de la perception et de l’expérience du patient », qui ont tous une expérience de recherche sur la problématique de la détection de l’effet du response shift et sont principalement localisés à l’IRS 2 de Nantes. Lieu de stage : Institut de Recherche en Santé 2 (IRS2) - 22, Boulevard Bénoni-Goullin, 44200 Nantes Encadrants : Myriam Blanchin, Ingénieur de recherche et Véronique Sébille, PU-PH Rémunération : Selon le minimum légal en vigueur au moment de la période du stage Durée souhaitée : 6 mois à partir de janvier/avril 2017 Merci d’adresser votre CV et lettre de motivation à Myriam Blanchin [email protected]
