Upload
lang
View
43
Download
0
Embed Size (px)
DESCRIPTION
Etude des transitions entre usages de tabac et de cannabis chez l’adolescent : de l’expérimentation à l’usage quotidien Utilisation d’un modèle multi-états. Aurélie Mayet, Stéphane Legleye, Bruno Falissard Journées internationales de l’unité Inserm U669 25-26 mai 2009. - PowerPoint PPT Presentation
Citation preview
Etude des transitions entre usagesde tabac et de cannabis chez l’adolescent :
de l’expérimentation à l’usage quotidien
Utilisation d’un modèle multi-états
Aurélie Mayet, Stéphane Legleye, Bruno Falissard
Journées internationales de l’unité Inserm U66925-26 mai 2009
2
Modélisation des maladies
• Facteurs influençant une maladie– Covariables non dépendantes du temps
• Genre, géographie, ATCD familiaux…
– Covariables dépendantes du temps• Age, maladie intercurrente…
– Evolution propre de la maladie• Maladie = séquence d’évènements
– Temps
• Plusieurs approches de modélisation
3
Modélisation des maladies
• Modèles multivariés « simples »– Influence de covariables → probabilité d’être malade– Temps: celui des mesures…
• Modèles de survie– Prise en compte de la dynamique temporelle– Covariables → probabilité de devenir malade
• Modèles multi-états– Généralisation du modèle de survie– Maladie = séquence d’évènements– probabilité de passer d’un événement à un autre– Plusieurs observations par individu
4
• Modèle vivant – mort (Cox)
• Modèle sain – malade – mort
Différents modèles
Vivant Mort
Sain Mort
Malade
Covariables
Covariables
5
• Généralisation
Différents modèles
Etat 1 Etat 2
Etat 3 Mort
Covariables
6
Différents modèles
• Modélisation de comportements
maladie
occasionnel
Covariables
Abstinent quotidien
abus
dépendance
7
Quelques définitions
• Etat
• Transition
• Intensité de transition
• Probabilité de transition
• Covariable
8
Quelques définitions
• Etat– Stade de la maladie à un temps donné– Ce qui est mesuré (mais pas toujours…)
ji
9
Quelques définitions
• Etat
• Transition– Passage d’un état à un autre– Peut intervenir entre deux mesures
ji
10
Quelques définitions
• Etat
• Transition
• Intensité de transition (IT)– Risque instantané de transition– Ce que le modèle calcule
ji ij
11
Quelques définitions
• Etat
• Transition
• Intensité de transition
• Probabilité de transition– D’être dans l’état j dans le futur sachant i– Modélisée pour une durée donnée
jiPt j i
Futur
12
Quelques définitions
• Etat
• Transition
• Intensité de transition
• Probabilité de transition
• Covariable– Ce qui influe sur l’intensité de transition
ji ij
13
Mesure
Etat 2 Etat 2 Etat 1 Mort(Etat 3)
• Privilégier mesure non informative
14
Processus Markovien
• Fonction aléatoire (états) dépendant– Du temps– Du hasard
• Hypothèse markovienne– L’état présent ne dépend que du précédent– Pas de prise en compte du passé
• Hypothèse d’homogénéité– Les intensités de transition sont
constantes au cours du temps
15
Objectifs de l’étude
• Décrire le processus d’usages de tabac et de cannabis chez l’adolescent dans sa globalité– Transitions tabac-cannabis– Transitions 1er usage-usage quotidien
• Décrire l’influence du genre et du niveau socio-économique
16
Sujets et méthode
• Enquête ESCAPAD 2005– Prévalence des usages de drogues– Echantillonnage
• Recueil sur 15 jours de JAPD• 5% de l’effectif convoqué• 29 393 jeunes de 17 et 18 ans
• Taux de participation élevé (>90%)
• Questionnaire auto-administré
17
Sujets et méthode
• Cohorte rétrospective virtuelle
• Ages de début– Expérimentation tabac– Expérimentation cannabis– Usage quotidien de tabac– Usage quotidien de cannabis
18
Modèle utilisé
-7 états exclusifs / 11 transitions
-Pas d’état absorbant au sens markovien du terme
19
Modèle utilisé
• Matrice estimée – Entrées définissent les transitions possibles (IT)– Somme de chaque ligne = 0
• Influence des covariables (Cox-like) jk(zit)=qjk
(0)exp(βjkTzit) pour chaque entrée
=
20
Modèle utilisé
• Estimation des valeurs initiales– Maximum vraisemblance– Hypothèse que toutes les transitions sont
mesurées
• Adéquation– Convergence du modèle– Comparaison prévalences
calculées/observées
21
Population
• 29 393 sujets de 17 et 18 ans
• 10-12 ans de suivi
• 340 128 observations
22
Intensités de transitions
2
1st cigarette 4 Tobacco+cannabis
1st use
5
Tobacco daily use
6
Cannabis daily use
1
No lifetime use0.071
[0.070-0.072]
3
1st cannabis use
7 Tobacco+cannabis
daily use
0.004 [0.004-0.004]
0.170 [0.166-0.174]
0.230 [0.205-0.258]
0.067 [0.065-0.070]
0.074 [0.070-0.078]
0.009 [0.008-0.011]
0.120 [0.082-0.178]
0.040 [0.037-0.044]
0.041 [0.038-0.044]
0.014 [0.010-0.022]
23
Intensités de transitions
2
1st cigarette 4 Tobacco+cannabis
1st use
5
Tobacco daily use
6
Cannabis daily use
1
No lifetime use0.071
[0.070-0.072]
3
1st cannabis use
7 Tobacco+cannabis
daily use
0.004 [0.004-0.004]
0.170 [0.166-0.174]
0.230 [0.205-0.258]
0.067 [0.065-0.070]
0.074 [0.070-0.078]
0.009 [0.008-0.011]
0.120 [0.082-0.178]
0.040 [0.037-0.044]
0.041 [0.038-0.044]
0.014 [0.010-0.022]
Risque x18 d’expérimenter le tabac en 1er
24
Intensités de transitions
2
1st cigarette 4 Tobacco+cannabis
1st use
5
Tobacco daily use
6
Cannabis daily use
1
No lifetime use0.071
[0.070-0.072]
3
1st cannabis use
7 Tobacco+cannabis
daily use
0.004 [0.004-0.004]
0.170 [0.166-0.174]
0.230 [0.205-0.258]
0.067 [0.065-0.070]
0.074 [0.070-0.078]
0.009 [0.008-0.011]
0.120 [0.082-0.178]
0.040 [0.037-0.044]
0.041 [0.038-0.044]
0.014 [0.010-0.022]
Effet escalade
Risque x3 d’expérimenter le cannabis lorsqu’on a goûté au tabac
25
Intensités de transitions
2
1st cigarette 4 Tobacco+cannabis
1st use
5
Tobacco daily use
6
Cannabis daily use
1
No lifetime use0.071
[0.070-0.072]
3
1st cannabis use
7 Tobacco+cannabis
daily use
0.004 [0.004-0.004]
0.170 [0.166-0.174]
0.230 [0.205-0.258]
0.067 [0.065-0.070]
0.074 [0.070-0.078]
0.009 [0.008-0.011]
0.120 [0.082-0.178]
0.040 [0.037-0.044]
0.041 [0.038-0.044]
0.014 [0.010-0.022]
Effet escalade
Risque x42 d’expérimenter le tabac lorsqu’on a goûté au cannabis
26
Intensités de transitions
2
1st cigarette 4 Tobacco+cannabis
1st use
5
Tobacco daily use
6
Cannabis daily use
1
No lifetime use0.071
[0.070-0.072]
3
1st cannabis use
7 Tobacco+cannabis
daily use
0.004 [0.004-0.004]
0.170 [0.166-0.174]
0.230 [0.205-0.258]
0.067 [0.065-0.070]
0.074 [0.070-0.078]
0.009 [0.008-0.011]
0.120 [0.082-0.178]
0.040 [0.037-0.044]
0.041 [0.038-0.044]
0.014 [0.010-0.022]
Transitions cannabis vers tabac plus accentuées que transitions tabac vers cannabis
27
Intensités de transitions
2
1st cigarette 4 Tobacco+cannabis
1st use
5
Tobacco daily use
6
Cannabis daily use
1
No lifetime use0.071
[0.070-0.072]
3
1st cannabis use
7 Tobacco+cannabis
daily use
0.004 [0.004-0.004]
0.170 [0.166-0.174]
0.230 [0.205-0.258]
0.067 [0.065-0.070]
0.074 [0.070-0.078]
0.009 [0.008-0.011]
0.120 [0.082-0.178]
0.040 [0.037-0.044]
0.041 [0.038-0.044]
0.014 [0.010-0.022]
Tabac 5 fois plus addictogène que cannabis
28
Influence des covariables
2
1st cigarette 4 Tobacco+cannabis
1st use
5
Tobacco daily use
6
Cannabis daily use
1
No lifetime useG: 1.15 [1.12-1.19] PSC: NS
3
1st cannabis use
7 Tobacco+cannabis
daily use
G: 0.68 [0.60-0.77] PSC: 0.94 [0.89-0.99]
G: 0.84 [0.81-0.88] PSC: 0.90 [0.88-0.91]
G: NS PSC: 1.12 [1.03-1.21]
G: 1.13 [1.05-1.21] PSC: 1.18 [1.15-1.22]
G: NS PSC: NS
G: NS PSC: NS
G: NS PSC: 1.16 [1.03-1.15]G: 0.63 [0.54-0.74]
PSC: 1.08 [1.02-1.15]
G: 0.56 [0.47-0.68] PSC: NS
G: NS PSC: NS
G: hazard ratio for gender (girls versus boys)
PSC: hazard ratio for parental social category score (increase of 1) NS: non significant
29
Influence des covariables
• Etre une fille…– Prédispose à fumer des cigarettes– Protège vis à vis des joints
• Etre d’une catégorie sociale élevée…– Prédispose à l’expérimentation cannabinique
• Etre d’une catégorie sociale basse…– Prédispose aux usages quotidiens
30
Discussion
• Validation du modèle– Compatible avec le processus des usages– Cross validation
• Relation bilatérale tabac-cannabis
• Effet escalade
• Hypothèse d’homogénéité– Processus court (4 ans pour le cannabis)– Période de vie homogène (fin adolescence)
31
Les Markov en pratique
• Des hypothèses contraignantes– Hypothèse de Markov – Hypothèse d’homogénéité
• Du data management– Observations et non sujets– Variable selon les logiciels
32
Une grande famille
• Modèle de Cox Markov– 1 Cox pour chaque transition
• Modèle semi-markovien– Prise en compte de la durée passée dans
l’état
• Modèle de Markov non homogène– Transitions fonctions du temps
33
Logiciels markoviens
• MARKOV (Marshall et al.)– Modèle de Markov homogène
• MKVPCI (Alioum et al.)– Variation des intensités sur 3 intervalles– Compliqué à mettre en œuvre
• R package msm (Jackson et al.)– Temps d’observation arbitraires– Grande liberté de modélisation
• R package tdc.msm (Meira-Machado et al.)– Modèles multiples dont Markov non homogène– Liberté de modélisation étroite