Les études épidémiologiques évaluent fréquemment l’effet d’expositions complexes dont le statut et l’intensité varient avec le temps. L’analyse de ces études pose un défi particulier, celui de modéliser l’association entre ces expositions complexes et le risque, particulièrement lorsque la pertinence étiologique des expositions prises lors de différentes périodes de temps est incertaine. Je présenterai deux ensembles de routines en R qui sont particulièrement utiles pour les études longitudinales. Tout d’abord, je présenterai le modèle d’exposition cumulative pondérée (Sylvestre et Abrahamowicz, 2009, package WCE, 2014). Ce modèle estime non seulement l’association entre les expositions qui varient dans le temps et le risque d’événements, mais produit aussi une courbe de pondération qui indique l’importance relative de chaque exposition encourue dans le passé sur la probabilité d’un événement. Ce modèle a été validé sur des données simulées et réelles. En deuxième lieu, je présenterai l’outil PermAlgo qui a servi à simuler des données de survie complexes pour valider WCE (Sylvestre et Abrahamowicz 2008). J’expliquerai comment PermAlgo peut être utilisé pour générer des jeux de données longitudinaux plausibles en recherche médicale. L’algorithme permutationnel est un des algorithmes de simulation de données de de survie les plus rapides et polyvalents présentement disponible sur R.

Voir le présentation en format PDF…