Équations différentielles contrôlées pour l'analyse causale de données longitudinales
Auteur / Autrice : | Linus Bleistein |
Direction : | Agathe Guilloux, Anne-Sophie Jannot |
Type : | Projet de thèse |
Discipline(s) : | Mathématiques appliquées |
Date : | Inscription en doctorat le 01/09/2021 |
Etablissement(s) : | université Paris-Saclay |
Ecole(s) doctorale(s) : | École doctorale de mathématiques Hadamard |
Partenaire(s) de recherche : | Laboratoire : LaMME - Laboratoire de Mathématiques et Modélisation d'Evry |
Equipe de recherche : Statistique pour la Génomique et la Génétique | |
référent : Université d'Évry-Val-d'Essonne (1991-....) |
Mots clés
Résumé
L'analyse de survie consiste à prédire, à partir de données observées sur un individu, son temps de survie, défini comme le temps de survenue d'un événement (décès, rechute, faillite, etc.) éventuellement censuré. Depuis les travaux fondateurs de Cox dans les années 1970, cette méthode a connu de nombreux développements pour s'adapter, entre autres, au cadre de la grande dimension (beaucoup de covariables et peu d'individus), très fréquent dans les cas d'applications aux données médicales, aux données hétérogènes, aux risques concurrents ainsi qu'au cadre de l'analyse de l'effet causal d'un traitement sur le temps de survie. Cependant, de nombreux problèmes demeurent ouverts dans le cas de l'application à des données longitudinales et lorsque le traitement étudié dans le cadre de l'analyse causale n'est plus binaire mais peut varier au cours du temps. Cette thèse s'emploiera à développer de nouvelles méthodes d'analyse de ces données longitudinales inspirées par l'analyse stochastique et les récents développements prometteurs de la théorie des chemins rugueux et à les croiser avec des méthodes d'inférence causale adaptées.