Approches causales pour l'analyse de données observationnelles - application aux données longitudinales avec traitements multiples

Causal inference for longitudinal observationnal data - application to multinomial longitudinal data

• Auteur / Autrice : François Bettega
• Direction : Sébastien Bailly
• Type : Thèse de doctorat
• Discipline(s) : Modèles, méthodes et algorithmes en biologie, santé et environnement
• Date : Soutenance le 12/12/2023
• Etablissement(s) : Université Grenoble Alpes
• Ecole(s) doctorale(s) : École doctorale ingénierie pour la santé, la cognition, l'environnement (Grenoble ; 1995-....)
• Partenaire(s) de recherche : Laboratoire : Hypoxie : physiopathologie cardiovasculaire et respiratoire (Grenoble)
• Jury : Président / Présidente : Delphine Maucort-Boulch
• Jury : Examinateurs / Examinatrices : Sébastien Bailly, Emilie Devijver, Guillaume Dumas
• Jury : Rapporteurs / Rapporteuses : Matthieu Resche-Rigon, David Hajage

Mots clés

Mots clés contrôlés

Modèles mathématiques

Syndromes des apnées du sommeil

Inférence

Mots clés libres

Modèles structurels marginaux

Score de propension

Inférence causale

Données longitudinal

Données observationnelles

Longitudinal data

Marginal structural models

Observational data

Causal inference

Propensity score

Résumé

Le syndrome d'apnées obstructives du sommeil (SAOS) est une pathologie chronique qui a des conséquences sur plusieurs organes et entraîne des coûts économiques et sociaux importants. On estime que plus d'un milliard d'adultes âgés de 30 à 69 ans (hommes et femmes) dans le monde souffrent d'un SAOS modéré à sévère. Le SAOS s'accompagne souvent de comorbidités et a un impact majeur sur la qualité de vie. La pression positive continue (PPC), traitement de première intention du SAOS, est très efficace en termes d'amélioration des symptômes, mais aucun essai clinique randomisé n’a démontré d’effet clair sur le pronostic cardiovasculaire à long terme.Pour démontrer un effet causal d’un traitement sur le pronostic des patients ayant un SAOS, la méthode de référence est l’essai contrôlé randomisé (ECR) malgré leurs limites. Aussi, pour compenser les limites des ECR, les bases de données observationnelles issues de cohortes prospectives ou de bases médico-administratives apportent une source alternative d’information pour étudier la causalité. Cependant, ces données observationnelles présentent elles-mêmes des limites, à commencer par le fait que, à l’inverse d’un ECR, l’assignation des patients à un groupe de traitement n’est pas aléatoire. Cette limite induit un biais de sélection qui rend l’évaluation de l’effet du traitement dépendant des caractéristiques des patients : les facteurs de confusion.Les méthodes basées sur les scores de propension sont des méthodes d’inférence causale sur données observationnelles de plus en plus utilisées, et reconnues par les autorités sanitaires, pour valoriser les bases de données observationnelles en corrigeant ces limitations, permettant ainsi de tirer des conclusions causales à partir de ce type de données. Ces méthodes se basent sur un plan d’étude rigoureux et des hypothèses : « consistency », non-interférence, échangeabilité conditionnelle et positivité qui doivent être respectées de manière à se rapprocher au maximum des conditions d’un ECR.Plusieurs méthodes existent pour calculer les scores de propension, telles que la régression ou à les algorithmes de « machine learning », comme les Generalized Boosted Models et peuvent être employés pour des traitements binaires ou multi-niveaux. Cependant, dans la majorité des cas, l’application de ces méthodes est limitée à un facteur d’exposition (ou un traitement) à deux modalités, alors que les situations cliniques nécessiteraient de considérer une approche multiniveau. Toutefois, on constate dans la littérature un manque de connaissance et d’applications des approches causales sur données observationnelles pour traitement multiniveau.L’objectif de ce travail de thèse est de proposer une exploration systématique de l’usage des méthodes d'inférence causale avec traitement multi-niveaux dans la littérature médicale afin d'évaluer les spécialités médicales dans lesquelles ces méthodes sont les plus appliquées, ainsi que la qualité du reporting de ces méthodes. Proposer des applications des méthodes basées sur les scores de propension appliqués aux traitements multi-niveaux, afin de sensibiliser à l'usage de ces méthodes et les autres hypothèses dont elles dépendent. Évaluer l'efficacité et les limites de modèles de machine learning pour l'estimation des scores de propension dans le cas des traitements multi-niveaux.

Obstructive Sleep Apnoea Syndrome (OSA) is a chronic condition with multi-organ consequences and significant economic and social costs. It is estimated that more than one billion adults aged between 30 and 69 (men and women) worldwide suffer from moderate to severe OSA. OSA is often accompanied by co-morbidities and has a major impact on quality of life. Continuous positive airway pressure (CPAP), the first-line treatment for OSA, is highly effective in improving symptoms, but no randomised clinical trial has demonstrated a clear effect on long-term cardiovascular prognosis.To demonstrate a causal effect of a treatment on the prognosis of patients with OSA, the reference method is the randomised controlled trial (RCT), despite their limitations. To compensate for the limitations of RCTs, observational databases derived from prospective cohorts or medico-administrative databases provide an alternative source of information for studying causality. However, these observational data also have their limitations, starting with the fact that, unlike an RCT, patients are not assigned to a treatment group at random. This limitation induces a selection bias which makes the evaluation of the effect of the treatment dependent on the characteristics of the patients: the confounding factors.Methods based on propensity scores are increasingly used for causal inference on observational data, and are recognised by the health authorities, to enhance the value of observational databases by correcting these limitations, thus enabling causal conclusions to be drawn from this type of data. These methods are based on a rigorous study design and assumptions: consistency, non-interference, conditional exchangeability and positivity, which must be respected in order to come as close as possible to the conditions of an RCT.Several methods exist for calculating propensity scores, such as regression or machine learning algorithms like Generalized Boosted Models, and can be used for binary or multi-level treatments. However, in the majority of cases, the application of these methods is limited to a two-modality exposure factor (or treatment), whereas clinical situations would require consideration of a multi-level approach. However, in the literature there is a lack of knowledge and applications of causal approaches on observational data for multilevel treatment.The aim of this thesis is to propose a systematic exploration of the use of causal inference methods with multilevel treatment in the medical literature in order to assess the medical specialities in which these methods are most widely applied, as well as the quality of the reporting of these methods. Propose applications of methods based on propensity scores applied to multi-level treatments, in order to raise awareness of the use of these methods and the other assumptions on which they depend. Evaluate the effectiveness and limitations of machine learning models for estimating propensity scores in the case of multi-level treatments.