S gie et

C

MfMa

b

M

PémamelplOddéMl

aftalplrpRéccFpcpdConclusions.– La modélisation des effets cumulatifs des expositions

6 EPI-CLIN 2011 / Revue d’Épidémiolo

onférence 3

odélisation des effets cumulatifs des expositions et desacteurs pronostiques. Abrahamowicz a, M.-P. Sylvestre b

Université McGill, Montréal, Québec, CanadaUniversité de Montréal, Montréal, Québec, Canada

ots clés : Études longitudinales ; Effets cumulatifs ; Modélisation

roblématique.– L’épidémiologie clinique moderne utilise de plus en plus lestudes longitudinales où les facteurs pronostiques, les expositions et les traite-ents sont mesurés à plusieurs reprises. La disponibilité de mesures répétées

u cours du temps présente des défis analytiques liés au besoin de spécifier unodèle statistique adéquat pour représenter la relation entre des valeurs passées

t/ou courantes des expositions dépendantes-du-temps et les risques. En particu-ier, il faut considérer de potentiels effets cumulatifs, où les risques ne dépendentas seulement de la valeur la plus récente mais aussi de valeurs observées danse passe.bjectifs.– Proposer une nouvelle méthode pour estimer les effets cumulatifs

es expositions dépendantes-du-temps sur les risques et illustrer des applicationse la méthode dans l’épidémiologie cardiovasculaire et dans la pharmaco-pidémiologie.éthodes.– Nous proposons un modèle semi-paramétrique qui permet d’estimer

es effets cumulatifs des facteurs pronostiques et des expositions qui varient

dpr

d

de Santé Publique 59S (2011) S5–S6

u cours du suivie. La méthode estime une fonction de « poids » (weightunction) qui attribue les poids w(u-t), reflétant l’importance de l’effet de fac-eur de risque mesurés à un temps t dans le passé sur les risques courants,u temps u, selon la différence entre les deux temps (u-t). L’effet cumu-atif est alors modélisé comme une somme pondérée de valeurs du facteurronostique mesurées dans le passé, jusqu’au présent. Le modèle est généra-isé au cas où la relation entre les valeurs d’une variable quantitative et lesisques est nonlinéaire, et doit être estimée simultanément avec la fonction deoids.ésultats.– Nous présenterons deux applications du modèle. (1) Dans unetude pharmaco-épidémiologique notre modèle démontre d’importants effetsumulatifs de l’exposition aux glucocorticoïdes sur les risques d’une infectiononduisant à l’hospitalisation. (2) Dans la ré-analyse de données de l’étude deramingham, nous détectons des effets (i) nonlinéaires et (ii) cumulatifs de laression artérielle systolique (SBP) sur les risques de mortalité et morbiditéardiovasculaire. Des valeurs de SBP influencent les risques cardiovasculairesendant au moins les dix années suivantes chez les hommes mais pour moinse six ans chez les femmes.

épendantes-du-temps sur les risques peut aider à réviser le rôle de facteursronostiques et à améliorer l’identification et le traitement des patients à hautsisques.

oi:10.1016/j.respe.2011.02.068