Modèles mixtes : modèles à effets aléatoires pour données longitudinales

Objectifs

S'approprier les principaux modèles à effets aléatoires pour données longitudinales en Biostatistique. Savoir manipuler, analyser et interpréter des données dans le cadre de modèles mixtes

Programme de la formation

- Introduction aux données groupées et longitudinales- Rappels concernant le modèle linéaire

• Anova et régression linéaire, conditions d'utilisation


• Limites de ces modèles

- Les modèles linéaires à effets mixtes

• Exemples introductifs


• Contexte d'utilisation des différents modèles (modèles à intercept et pentes aléatoires)


• Estimation des paramètres


• Interprétation des paramètres du modèle mixte


• Structure des effets aléatoires et de la matrice de covariance


• Structure des erreurs de mesure


• Données longitudinales incomplètes (données manquantes), classification et traitement de ces données manquantes


• Adéquation du modèle à effets aléatoires (résidus, diagnostic d'influence)


• Estimation des effets aléatoires


• Prédictions de Y


• Données manquantes (sur variables dépendantes ou explicatives)


• Stratégie de modélisation


• Modèles pour données groupées


• Applications

- Les modèles marginaux

• Modèles d'équations d'estimation généralisées


• Applications

- Les modèles linéaires généralisés mixtes

• Régression logistique, régression de Poisson


• Applications

Validation et sanction

- Comprendre les limites de l'Anova et de la régression linéaire

- Connaître les stratégies de modélisation

- Identifier les programmes R ou SAS adaptés à chaque modélisation

- Savoir appliquer des modèles marginaux et des modèles linéaires généralisés mixtes

- Identifier le modèle mixte adapté à la situation étudiée et au critère de jugement considéré

- Identifier la matrice de covariance des effets aléatoires considérés

- Interpréter des paramètres du modèle mixte

- Savoir prédire des données à partir du modèle

Type de formation

Non certifiante

Sortie

Sans niveau spécifique