Développement et validation d’un outil multivarié de prédiction dynamique d’un échec de greffe rénale

Development and validation of a multivariate dynamic prediction tool for kidney graft failure

• Auteur / Autrice : Lucas Chabeau
• Direction : Etienne Dantan, Magali Giral
• Type : Thèse de doctorat
• Discipline(s) : Epidémiologie, Analyse de Risque, Recherche Clinique
• Date : Soutenance le 10/12/2024
• Etablissement(s) : Nantes Université
• Ecole(s) doctorale(s) : École doctorale Biologie Santé
• Partenaire(s) de recherche : Laboratoire : SPHERE (Nantes ; Tours)
• Jury : Président / Présidente : Aurélien Latouche
• Jury : Examinateurs / Examinatrices : Sophie Caillard
• Jury : Rapporteur / Rapporteuse : Aurélien Latouche, Hélène Jacqmin-Gadda

Mots clés

Mots clés contrôlés

Théorie de la prévision

Rein -- Transplantation

Mots clés libres

Prédiction dynamique

Modélisation conjointe

Risques compétitifs

Transplantation rénale

Dynaic prediction

Joint modeling

Competing risks

Kidney transplant

Résumé

Pour de nombreuses pathologies chroniques, la prédiction dynamique d’un événement clinique d’intérêt peut être utile dans une démarche de médecine personnalisée. Dans un tel contexte, les pronostics peuvent être mis à jour tout au long du suivi du patient, à chaque nouvelle information relevée. Ce travail de thèse CIFRE en collaboration avec Sêmeia, consiste à développer et valider un outil de prédiction dynamique de l’échec de greffe rénale. L’outil proposé prédit l’échec de greffe rénale, en compétition avec le décès avec greffon fonctionnel à un horizon de cinq ans. La prédiction est estimée à partir d’informations disponibles à l’inclusion du patient et de trois marqueurs biologiques collectés au cours de son suivi (créatininémie, protéinurie et anticorps antidonneur de type II) permettant d’actualiser le pronostic. Cet outil a été validé pour des temps de prédictions compris entre 1 an et 6 ans posttransplantation. Cette thèse a fait l’objet de trois travaux originaux. Un premier travail, a consisté à développer une procédure d’inférence pour estimer un modèle conjoint pour données longitudinales et données de survie compatible avec l’outil de prédiction. Nous avons mené dans un second travail, une réflexion autours de l’hétérogénéité de la définition de l’horizon de prédiction dans la littérature relative aux prédictions dynamiques. Enfin, nous présentons la construction et la validation du modèle de prédiction dynamique de l’échec de greffe rénale. Le modèle a présenté de bonnes capacités de discrimination et de calibration.

For many chronic diseases, dynamic prediction of a clinical event of interest can be useful in personalised medicine. In this context, prognoses can be updated throughout the patient's follow-up, as new information becomes available. This CIFRE doctoral thesis, in collaboration with Sêmeia, involves developing and validating a dynamic prediction tool for kidney graft failure. The proposed tool predicts kidney graft failure, in competition with death with a functional graft, over a five-year time horizon. The prediction is based on information available at patient inclusion and three biological markers collected during follow-up (serum creatinine, proteinuria and type II donor-specific antibodies). allowing to update the prognosis. This tool has been validated for prediction times of between 1 and 6 years post-transplant. This doctoral thesis was the subject of three original projects. The first involved developing an inference procedure to estimate a joint model for longitudinal and survival data compatible with the prediction tool. Secondly, we examined the heterogeneity in the definition of prediction horizon in the dynamic prediction literature. Finally, we present the construction and validation of a dynamic prediction model for renal transplant failure. The model showed good discrimination and calibration.