* Valérie Robert - MAP5-UMR 8145

Valérie Robert

Modèle des blocs latents et sélection de modèles en pharmacovigilance

jeudi 11 février 2016, 13h30 - 14h30

Salle de réunion, espace Turing


Les effets indésirables médicamenteux sont le plus souvent découverts
après l’autorisation de mise sur le marché des médicaments. La
pharmacovigilance consiste alors à détecter le plus précocement possible
l’existence d’associations entre médicaments et événements indésirables.
Dans cette optique, des méthodes statistiques exploratoires de la base de
notifications spontanées (IC, Bate et al., 1998 ; GPS, Dumouchel, 1999 ;
comparaisons multiples, Ahmed,
2009…) sont développées depuis une vingtaine d’années. Ainsi, ces
méthodes sont basées sur des données agrégées (tableau de contingence), ce
qui présume d’une homogénéité des individus à l’origine des notifications.
Or il est raisonnable de supposer une certaine hétérogénéité dans la
population étudiée. L’objectif est donc de proposer une alternative à ces
méthodes intégrant cette dimension hétérogène du problème grâce à l’étude
des données individuelles, avec la difficulté qu’elles produisent des
matrices creuses et très grandes en taille. Dans un objectif de
classification, le modèle des blocs latents (Govaert et Nadif, 2008) sur
tableau de contingence est étudié et une extension pour traiter les données
individuelles est proposée dans le but d’obtenir des
classes d’individus selon leurs profils médicamenteux et des sous-groupes
d’effets et de médicaments en interaction. Dans cet exposé, nous
expliciterons ce modèle et son extension ainsi que les algorithmes utilisés
pour l’estimation des paramètres. Ensuite, nous proposerons des critères de
sélection de modèles et la procédure mise en oeuvre pour contourner le
problème des données massives. Enfin, nous présenterons les résultats
obtenus sur les données simulées et réelles.