Modélisation et prédiction dynamiques du risque de complications dans le cadre de pathologies hépatiques
| Titre | Modélisation et prédiction dynamiques du risque de complications dans le cadre de pathologies hépatiques |
| Type | Thèse de doctorat |
| Auteurs | Moreau Clémence |
| Directeurs | Boursier Jérôme, Riou Jérémie, Roux Marine, Saulnier Patrick, Bardou-Jacquet Edouard, Jacqmin-Gadda Hélène, Elkrief Laure |
| Année | 2022 |
| URL | https://dune.univ-angers.fr/fichiers/17005501/202216171/fichier/16171F.pdf |
| Mots-clés | AUC & Brier Score dynamiques, hépatite C, Modélisation & prédiction dynamiques, NAFLD, Tests non-invasifs |
| Résumé | La prise en charge des patients présentant une fibrose du foie repose sur l’évaluation histologique de ce dernier. Pour cela, l’examen de référence est la biopsie, mais étant donné les risques, les biais d’échantillonnage et d’observateur qu’elle comporte, les tests non-invasifs lui sont aujourd’hui préférés. Ils connaissent cependant des performances diagnostiques limitées. Un moyen de dépasser cette limite serait de ne plus prendre en charge les patients selon l’état lésionnel de leur foie mais plutôt selon leur pronostic. Cela permettrait une prise en charge personnalisée et totalement non-invasive pour ces malades. L’objectif de cette thèse est d’apporter des réponses statistiques à ce changement de paradigme clinique. Ainsi, un premier travail consiste à comparer les performances pronostiques de la biopsie face aux tests non-invasifs dans le cadre de la NAFLD. Le second projet de cette thèse propose de prédire les complications hépatiques au sein de l’hépatite C chronique à l’aide d’un modèle conjoint à classes latentes. Cette modélisation dite dynamique permet d’obtenir des prédictions de risque personnalisées pour les patients, mises à jour tout au long de leur suivi. Enfin, un troisième travail introduit un nouvel outil statistique permettant la comparaison de plusieurs critères de performance dynamiques afin de déterminer le meilleur biomarqueur pronostique à suivre dans le temps ou le meilleur modèle dynamique. Cette nouvelle méthode a été appliquée chez des patients atteints de NAFLD afin de comparer les capacités pronostiques de plusieurs tests non-invasifs pour prédire des complications hépatiques. |
| Résumé en anglais | The follow-up of patients with liver fibrosis is based on histological evaluation of the liver. The gold standard is biopsy, but due to risk, sampling and observer bias, non-invasive tests are now preferred. However, their diagnostic performance is limited. It would be possible to overcome this limitation by no longer monitoring patients according to the lesion status of their liver but rather according to their prognosis. This would allow a personalized and totally non-invasive followup of patients. The objective of this thesis is to provide statistical answers to this change in clinical paradigm. Thus, a first work consists in comparing the prognostic performances of biopsy versus non invasive tests in the context of NAFLD. The second project of this thesis proposes to predict liver complications in chronic hepatitis C using a joint latent class model. This so-called dynamic modelling provides personalized risk predictions for patients, updated throughout their follow-up. Finally, a third work introduces a new statistical tool allowing the comparison of several dynamic performance criteria in order to determine the best prognostic biomarker to follow over time or the best dynamic model. This new method was applied in patients with NAFLD to compare the prognostic capabilities of several non-invasive tests for predicting liver complications. |
| Langue de rédaction | Français |
| Diplôme | Thèse de doctorat |
| Date de soutenance | 2022-10-20 |
| Editeur | Université d'Angers |
| Place Published | Angers |
| Libellé UFR | Collège doctoral |
| personnalisé5 | École doctorale Biologie-Santé (Rennes) |
| personnalisé6 | Hémodynamique, Interaction Fibrose et Invasivité Tumorales Hépatiques (Angers) |
| personnalisé7 | Mathématiques et leurs interactions |