Abstract Translations REGULAR ARTICLES

• Published in: Biometrics Vol. 63; no. 2; p. 632
• Format: Journal Article
• Language: English
• Published: Washington Blackwell Publishing Ltd 01.06.2007
• ISSN: 0006-341X; 1541-0420
• DOI: 10.1111/j.1541-0420.2007.00796_2.x

J. S. Schildcrout and P. J. Heagerty 322 Marginalized Models for Moderate to Long Series of Longitudinal Binary Response Data Les modèles marginalisés (Heagerty, 1999) permettent l'inférence basée sur la vraisemblance lorsqu'on s'intéresse à des modèles marginaux de régression pour des données longitudinales binaires. Deux modèles de ce type sont le modèle de transition marginalisée, et le modèle à variable latente marginalisée. Le premier reflète la dépendance sérielle intra-sujet au sein des mesures répétées avec des termes de transition dans le modèle, tandis que le deuxième suppose l'échangeabilité ou la non-décroissance de la dépendance de la réponse avec des intercepts aléatoires. Dans cet article, nous étendons la classe des modèles marginalisés en proposant un modèle simple unifié décrivant à la fois la dépendance sérielle et la dépendance au long terme. Ce modèle est particulièrement utile dans des analyses longitudinales avec un nombre de mesures répétées par sujet modéré ou large, où aussi bien les formes sérielles et échangeables de la corrélation de la réponse peuvent être identifiées. Nous décrivons des approches bayésiennes et au maximum de vraisemblance pour l'estimation des paramètres et pour l'inférence, et nous étudions les caractéristiques opérationnelles pour de grands échantillons, sous deux types de mauvaise spécification du modèle de dépendance. On analyse les données de l'étude longitudinale de schizophrénie de Madras (Thara, 1994). Y. Zheng and P. J. Heagerty 332 Prospective Accuracy for Longitudinal Markers Nous nous intéressons dans cet article aux méthodes statistiques permettant de caractériser la valeur pronostique d'un marqueur clinique longitudinal. Il est souvent facile d'obtenir des mesures répétées d'un même marqueur. Quand chacune a la capacité de révéler une modification en cours de l'état clinique, le marqueur peut guider la prise de décisions médicales importantes. Heagerty et al. (2000) ont proposé de caractériser la qualité diagnostique d'un marqueur mesuréà l'entrée dans l'étude en calculant des courbes ROC pour les cas incidents cumulés de la maladie ou les décès. Ils considéraient l'état de santé comme une fonction du temps, D (t ) = 1(T ≤t ) oùT est le délai de survenue de l'événement clinique étudié. Dans cet article, nous cherchons à caractériser la capacité d'un marqueur mesuré au temps s (s ≥ 0 après l'entrée) à identifier les sujets qui vont présenter l'événement dans l'intervalle [s , t ]. Nous supposons que l'état de santé est déterminé par l'observation d'un événement à l'instant t et nous nous intéressons donc aux sujets qui passent de l'état sain à l'état malade. Nous voulons des méthodes compatibles avec l'inclusion de covariables pronostiques afin que les règles d'aide à la décision soient spécifiques au sujet dont on veut prédire un éventuel changement de l'état de santé. Nous proposons de représenter la distribution bivariée de la date de l'événement et de la valeur du marqueur à un instant quelconque s à l'aide d'un modèle semiparamétrique très souple. Nous illustrons ces méthodes en analysant un jeu de données sur le SIDA recueillies dans l'enquête MACS (Multicenter AIDS Cohort Study). W. Liu and L. Wu 342 Simultaneous Inference for Semiparametric Nonlinear Mixed-Effects Models with Covariate Measurement Errors and Missing Responses Les modèles semi-paramétriques mixtes non linéaires (NLME, «NonLinear Mixed-Effects») offrent une grande souplesse dans l'étude de données longitudinales avec des structures complexes. Les covariables sont habituellement introduites dans ces modèles afin d'expliquer une partie des variations inter-individuelles. Toutefois certaines covariables sont mesurées avec des erreurs conséquentes. Par ailleurs les réponses peuvent être manquantes avec une censure informative. Nous proposons deux méthodes basées sur la vraisemblance pour des modèles semi-paramétriques NLME en présence d'erreurs de mesures sur des covariables et des données manquantes de type «non ignorables». Les méthodes sont illustrées à partir d'un jeu réel de données. Les résultats obtenus par simulation mettent en évidence de bonnes performances des deux méthodes, bien meilleures que la méthode «naïve» communément utilisée. D. Zhang, X. Lin, and M. Sowers 351 Two-Stage Functional Mixed Models for Evaluating the Effect of Longitudinal Covariate Profiles on a Scalar Outcome L'étude Hormone Journalière, une sous-étude de l'étude nationale de santé de la femme (SWAN) constituée de plus de 600 femmes pré et péri ménopausiques, inclue une mesure scalaire de la densité minérale osseuse de la hanche totale (BMD) conjointement à des mesures répétées de l'hormone de stimulation folliculaire (FSH) ajustées sur la créatinine obtenues à partir d'échantillons journaliers d'urine collectés sur un cycle menstruel. Il est d'un intérêt scientifique d'étudier l'effet du profil temporel de FSH durant un cycle menstruel sur la BMD de la hanche totale en ajustant sur l'âge et l'index de masse corporelle. L'analyse statistique est rendue difficile par plusieurs caractéristiques des données: (1) La covariable FSH est mesurée longitudinalement et son effet sur le niveau de BMD peut être complexe; (2) Du fait des longueurs variables de cycle menstruel, les sujets ont des mesures longitudinales de FSH non équilibrées; (3) Les mesures longitudinales de FSH sont sujettes à des variations en inter et intra-sujets considérables et des erreurs de mesure. Nous proposons un modèle linéaire fonctionnel partiel avec erreurs de mesure, où les mesures répétées de FSH sont modélisées en utilisant un modèle fonctionnel à effets mixtes et l'effet du profil temporel de FSH sur BMD est modélisé en utilisant un modèle fonctionnel linéaire partiel en traitant le vrai profil temporel de FSH sujet-spécifique non observé comme une covariable fonctionnelle. Nous développons une méthode de calibration par régression non paramétrique en utilisant des splines lissants périodiques. En utilisant la connexion entre les splines lissants et les modèles mixtes, nous montrons qu'une caractéristique clé de notre approche est que l'estimation aux deux étapes peut être ramenée de façon pratique au cadre d'un modèle mixte unifié. Une procédure simple de test de l'effet constant d'une covariable fonctionnelle est aussi proposée. Les méthodes proposées sont évaluées en utilisant des études de simulation et appliquées aux données SWAN. M. Liu and Z. Ying 363 Joint Analysis of Longitudinal Data with Informative Right Censoring On parle de données longitudinales quand les sujets sont suivis sur une période de temps. Une complication fréquemment rencontrée dans l'analyse de telles données est la variable durée de suivie due aux censures à droite. Ceci peut être amplifié par la possible dépendance entre le temps de censure et les mesures longitudinales. Cet article propose l'association d'un modèle de transformation semi-paramétrique pour les temps de censure et d'un modèle linéaire à effets mixtes pour les mesures longitudinales. La dépendance est prise en compte via des variables latentes qui sont évidemment intégrées. Nous montrons que la fonction de vraisemblance a une forme explicite et nous développons une procédure d'estimation à deux étapes pour éviter une maximisation directe sur un espace de paramètre à grande dimension. Les estimateurs obtenus sont consistants et asymptotiquement normaux, avec une matrice de variance-covariance qui peut être utilisée pour obtenir un estimateur «plug-in». Les propriétés de la méthode proposée sont étudiées par de nombreuses simulations. La méthode est appliquée aux données de maladie rénale. M. G. Hudgens, M. H. Maathuis, and P. B. Gilbert 372 Nonparametric Estimation of the Joint Distribution of a Survival Time Subject to Interval Censoring and a Continuous Mark Variable Cet article considère trois estimateurs non-paramétriques de la fonction de distribution conjointe d'un temps de survie et d'une variable marqueuse continue lorsque le temps de survie est censuré par intervalles et que la variable marqueuse peut être manquante pour des observations censurées. Les propriétés finies et asymptotiques sont décrites pour l'estimateur non-paramétrique du maximum de vraisemblance (NPMLE) ainsi que pour l'estimateur reposant sur l'imputation au milieu (MIDMLE) et l'estimateur reposant sur la discrétisation de la variable marqueuse (CMLE). Ces estimateurs sont comparés sur des données simulées et sur les données d'un essai récent d'efficacité d'un vaccin VIH où le temps de survie était le temps écoulé entre l'inclusion et l'infection et la variable marqueuse la distance génétique entre la séquence du VIH infectant et la séquence du VIH du vaccin. Des preuves théoriques et empiriques indiquant la non-convergence de NPMLE et de MIDMLE sont présentées. En revanche, l'estimateur CMLE est généralement convergent et, donc, préféré. A. H. Herring and J. Yang 381 Bayesian Modeling of Multiple Episode Occurrence and Severity with a Terminating Event L'état de santé d'un individu peut agir sur la fréquence et l'intensité d'épisodes se produisant de façon répétée. Ces épisodes peuvent eux-mêmes être prédictifs de la survenue d'un événement plus important, qui constitue une variable d'intérêt. Ainsi, des épisodes de saignements pendant la grossesse peuvent révéler des problèmes prédictifs d'accouchement prématuré. C'est du reste cet exemple qui nous a conduits à proposer une modélisation conjointe de l'occurrence des épisodes répétées et du temps de survenue de l'événement final. La fréquence des épisodes et leur sévérité sont caractérisées à l'aide d'un modèle à variables latentes, où l'intensité des épisodes d'un individu peut varier dans le temps, de façon dynamique. Cette intensité latente des épisodes est ensuite introduite, en tant que facteur prédictif, dans un modèle à temps discret de l'événement final. Des coefficients dépendant du temps permettent de distinguer, parmi les effets estimés, ceux