Méthodes statistiques innovantes pour identifier des biomarqueurs dans les essais cliniques en oncologie
Auteur / Autrice : | Shaima Belhechmi |
Direction : | Stefan Michiels, Frederico Rotolo |
Type : | Thèse de doctorat |
Discipline(s) : | Santé publique - biostatistiques |
Date : | Soutenance le 12/07/2021 |
Etablissement(s) : | université Paris-Saclay |
Ecole(s) doctorale(s) : | École doctorale Santé Publique |
Partenaire(s) de recherche : | Laboratoire : Centre de recherche en épidémiologie et santé des populations (Villejuif, Val-de-Marne ; 2010-....) |
référent : Université Paris-Saclay. Faculté de médecine (Le Kremlin-Bicêtre, Val-de-Marne ; 2020-....) | |
Jury : | Président / Présidente : Pascale Tubert-Bitter |
Examinateurs / Examinatrices : Delphine Maucort-Boulch, Thomas Filleron, Catherine Legrand, Boris Hejblum | |
Rapporteurs / Rapporteuses : Delphine Maucort-Boulch, Thomas Filleron |
Mots clés
Mots clés contrôlés
Résumé
Les biomarqueurs ont un rôle de plus en plus important dans la recherche clinique en oncologie en raison de leur grande utilité. Ils ont le potentiel de remplacer un critère de substitution, de prédire le pronostic des patients, de guider les décisions thérapeutiques ou de sélectionner les patients éligibles pour un traitement. D'autre part, les exigences statistiques pour la validation d'un critère de substitution et la sélection de biomarqueurs pronostiques et prédictifs soulèvent de nombreux défis méthodologiques. L'objectif de cette thèse est de proposer de nouvelles approches pour l'identification de ces différentes classes de biomarqueurs.Des mesures de distance basées sur l'erreur de prédiction ont été proposées pour la validation d'un critère de substitution de type survie au niveau de l'étude. Elles permettent de mesurer la force de la corrélation entre les deux critères de jugement en termes d'erreur de prédiction.Afin de prendre en compte l’appartenance des biomarqueurs pronostiques à des groupes préspécifiés, diverses stratégies de pondération ont été proposées pour la méthode lasso adaptatif. Ces pondérations sont basées sur le coefficient de régression de Cox univariée et la statistique de Wald univariée et elles cherchent à effectuer la sélection à deux niveaux : des groupes les plus pronostiques et des biomarqueurs pertinents au sein des groupes sélectionnés tout en éliminant les faux positifs.Pour les biomarqueurs prédictifs, des pondérations pour le lasso adaptatif basées sur le test de rapport de vraisemblance partielle ont été développées en vue de favoriser la contrainte hiérarchique de l’interaction entre les biomarqueurs et le traitement.Des études de simulations impliquant plusieurs scénarios ont été menées pour évaluer les différentes approches présentées. Ces méthodes ont également été illustrées sur à travers des données réelles sur le cancer digestif avancé et le cancer du sein précoce.