Rechercher

Sur ce site


Equipe Biostatistiques Santé

  • 4 thèmes de recherche
  • Réseaux
  • Expertise
  • Enseignement
  • Organisation
  • Collaborations
  • Attractivité
  • Interactions avec l’industrie

Indicateurs Épidémiologiques : Incidence Mortalité Survie

L’équipe BS(S/H) a développé des méthodes pour modéliser le risque de surmortalité comme une fonction continue paramétrique du temps écoulé depuis le diagnostic du cancer (splines de régression). Cette modélisation permet des effets de facteurs pronostiques (âge, année de diagnostic, etc) qui changent au fil du temps. Comme la description des tendances de l’incidence du cancer nécessite l’utilisation de modèles âge-cohorte, nous développons l’analyse des effets des variables pertinentes sur l’incidence en utilisant les fonctions continues et flexibles (splines de lissage). Une question méthodologique importante a été d’intégrer l’interaction cohorte*âge dans ces modèles.

Variabilité populationnelle et biologique

Des modèles statistiques ont été développées pour prendre en compte les corrélations entre l’individu avec l’expression des gènes communs et des mesures répétées. Ce type de modèle a été appliqué pour étudier l’hétérogénéité spatiale de l’incidence. La prise en compte de l’hétérogénéité a également été utilisée pour affiner l’estimation du risque.

Modélisation Statistique Fonctionnelle

Une approche fonctionnelle de la modélisation statistique permet de décrire la réalité comme vue par un biologiste ou un médecin et d’utiliser diverses mesures indirectes pour mieux décrire les phénomènes biologiques. Les modèles conceptuels que nous utilisons sont mieux décrits en utilisant des diagrammes de causalité et les modèles linéaires généralisés à variables latentes et mixtes (GLLAMM). Un modèle a été proposé pour décrire l’incubation des maladies infectieuses. Les mêmes modèles ont été utilisés pour analyser des questions biologiques complexes. Ce travail est une collaboration avec l’ UMR 145 "Maladies et VIH / SIDA Associées" (Montpellier, France), l’Institut de Recherche pour le Développement (IRD) et est enrichie par notre collaboration avec David Dunson (Duke University), Victor DeGruttola (Harvard school of Public Health), et Joe Stanford (Université de l’Utah).

Inférence dans la prise de décision médicale

Les méthodes d ’inférence bayésienne ont été explorées afin d’intégrer l’information préalable et obtenir des estimations à partir des distributions postérieures des paramètres dans les modèles complexes.
Une modélisation robuste de l’état d’avancement d’un biomarqueur longitudinale a été développé, ainsi que d’une méthode bayésienne pour estimer le seuil optimal d’un critère de diagnostic qui reflète la progression d’un biomarqueur longitudinale.

Prédiction Individuelle, Identification de Biomarqueurs et Bioinformatique

Prédiction individuelle

Les études sur les outils pour évaluer les propriétés de modèles de prédiction individuels et la quantité d’information expliquée par les modèles ont été réalisés, en particulier dans le contexte du modèle de Cox. Nous avons démontré que, dans l’analyse de survie, le très utilisé R ² n’est pas correctement défini et nous avons proposé une alternative afin de bien l’estimer. Ce travail est réalisé en collaboration avec le Pr John O’Quigley, INSERM, Paris.

Biomarker identification, BioInformatique

Nous avons conçu une méthode graphique d’analyse pour explorer la structure géométrique des données de transcriptome et étudier l’effet de cette structure sur les propriétés prédictives de modèles d’analyse différentielle. Une analyse conjointe des facteurs pronostiques classiques et des facteurs provenant de l’analyse exploratoire de la transcriptome nous a conduit à caractériser les déterminants de ce biais d’optimisme.
Nous avons démontré que l’identification de biomarqueurs à partir de l’analyse du protéome a été altérée par la variabilité de la mesure. Des designs pour des études de reproductibilité et d’analyses appropriées de la variabilité respectivement dues à des facteurs biologiques et techniques ont été proposées.
Une approche bayésienne nous a permis d’estimer l’association entre le génotype individuel et le risque d’une pathologie. Dans le cadre de plusieurs variations allélique caractéristiques d’épitopes partagés. Nous avons également conçu une méthode basée sur la phylogénie pour identifier les loci de susceptibilité aux maladies et les nucléotides de caractères quantitatifs dans les gènes candidats.

Identification bactérienne

Au cours de nos études d’identification des bactéries, nous avons proposé l’utilisation de supertrees pour atténuer la perte de l’information dans les études de reconstruction phylogénétique en utilisant une approche multigenes pour les bactéries (perte de données de séquences ou des espèces). Parallèlement le webitiel leBIBI est utilisé massivement pour ’identification en routine des bactéries par phylogénie.

Un Réseau Méthodologique en Rhône-Alpes

L’expertise statistique acquise à conduit à l’émergence d’un réseau méthodologique au niveau de la région Rhône-Alpes associant les structures universitaires (Ecole Centrale de Lyon, l’INSA de Lyon, Universités de Grenoble, Lausanne et Genève et "l’Ecole Polytechnique Fédérale de Lausanne ») et des industries pharmaceutiques (Sanofi, Bayer cultures Sciences) ou de diagnostic (BioMérieux). Ces réseaux constituent un réservoir de problèmes, de solutions et permet des discussions dans le domaine de la biostatistique. La recherche et l’enseignement sont directement bénéficiaires de ce réseau.

L’équipe organise le Master de Santé Publique qui est actuellement évalué A par l’AERES.
Dans ce responsable de l’équipe est particulièrement en charge de l’organisation du cursus « biostatistique, biomathématiques, bioinformatique dans la santé" ("B3S") cursus qui a été évalué A + par l’AERES.
B3S est un cursus international associant des partenaires de la France, la Suisse (Université de Genève et de Lausanne et l’EPFL, de l’industrie).
Ce programme concerne les étudiants d’origine d’origine médicale et scientifique et est orientée vers la science médicale sans pour autant négliger les aspects théoriques. L’idée est de préparer les élèves à l’évolution des technologies de pointe en médecine.

Une équipe universitaire et une équipe hospitalière

L’équipe BSS est est dirigée par Pascal Roy, MD, PhD. René Ecochard, MD, Ph.D., est le chef de l’équipe de biostatistiques de l’hôpital universitaire, la structure largement chevauchante consacrée à des applications médicales à l’hôpital.
L’équipe BSS du LBBE-UMR 5558 et l’équipe de l’hôpital de biostatistique représentent donc les deux faces d’une même équipe, l’un plus orienté dans la recherche, l’autre plus impliquée dans les statistiques appliquées médicaux. La séparation des deux structures est administrativement fondée mais quelque peu artificielle.

L’équipe BSH est organisé en 4 axes de recherche

Les axes sont librement organisés autour d’un noyau de scientifiques sur un projet donné. Les axes sont interconnectés.

Rendez-vous de l’équipe}

Il ya une réunion hebdomadaire de l’équipe (tous les lundis matin), avec une courte partie administrative et une réunion scientifique de 1-2 heures (présentation d’un membre de l’équipe sur les résultats récents, des problèmes ou discussion bibliographique actualité).

Un réunion mensuelle ouverte de Biostatistique

L’équipe organise une réunion mensuelle sur la biostatistique. L’objectif est de présenter et de discuter des oeuvres originales ou des analyses bibliographiques en biostatistique et parfois une analyse épistémologique. Le public est composé de scientifiques à la fois de la communauté universitaire (universités et grandes-écoles, des membres du CIRC) et de l’industrie (contrôle de la qualité, R & D) formant un groupe actif et interagissant.

PHRC et ANR

Pour l’application de méthodes statistiques et le développement de méthodes avancées en biostatistique (pour l’analyse de survie, le traitement des analyses omiques à haut débit, les modèles à effets mixtes), l’équipe apparaît comme un acteur majeur en France et cela se conforte en participant à 18 PHRC (Projet de recherche national fondé par le service national français de la Santé ("ministère de la Santé"). Le soutien financier est supérieure à 400 K €.
L’équipe participe à 3 ANR et leur soutien financier est supérieur à 200 K €.

Dans le projet MESURE

MESURE est l’acronyme de "Méthodes d’estimation de la Survie relative". L’objectif est méthodologiquement orientée à développer de nouvelles méthodes statistiques d’analyse de survie relative. L’étude est coordonnée par Roch Giorgi (Marseille) et les travaux implique des équipes étrangères :
- Département d’épidémiologie des maladies non transmissibles, la London School of Hygiene and Tropical Medicine, Londres ;
- Centre national d’épidémiologie, Istituto Superiore di Sanità, Rome ;
- Département d’épidémiologie et de biostatistique et santé au travail, Université McGill, Montréal

Dans l’étude GRELL

Grell est une étude collaborative dont l’objectif est de fournir une estimation de l’incidence nationale en l’absence de l’enregistrement national du cancer existe et pour fournir à court terme (moins de 10 ans) des projections en utilisant différents ensembles de données communes et différentes approches statistiques.
Collaborations avec
- Italie : Riccardo Capocaccia (Centre national d’épidémiologie, Rome)
- Espagne : Ramon Clièries (Institut catalan d’oncologie, Barcelone)

Dans Eurocare

Eurocare est un projet européen pour les patients cancéreux d’évaluation de survie relative. Ceci est lié au réseau Registre du cancer français (Francim). Voir pour un exemple de coopération De Angelis R, S Francisci, Baili P, F Marchesi, Roazzi P, Belot A, E Crocetti, Pury P, Knijn A, M Coleman, Capocaccia R, le Groupe de travail EUROCARE-4. Le EUROCARE-4 base de données sur la survie au cancer en Europe : Normalisation des données, contrôle de la qualité et les méthodes de statistiques analysis.Eur J Cancer. Mai 2009 ; 45 (6) :909-30. sEpub janv. 2009 6.

CEFIC-Long-range Research Initiative EMSG46

 :
Caractérisation de la toxicité testiculaire en utilisant des outils traditionnels et omiques. Coopération internationale avec les cultures des équipes de Bayer Science.

L’équipe est attractive pour les étudiants en master, doctorants et post-doctorants (5 doctorants et 2 post-doctorat ont rejoint l’équipe cette année).
En Janvier 2012, Claire Bardel (MCU) se joint à l’équipe.
Notez également que le Pr Janez Stare (Ljubljiana, Slovénie) a été professeur invité en 2010 pour 5 mois.

Nous avons une histoire longue coopération avec l’industrie, mais initialement basée sur l’activité individuelle (par exemple JP Flandrois est un consultant en biostatistique et de modélisation pour l’industrie BioMérieux depuis 2000) et d’autres membres ont coopéré pour résoudre les problèmes en biostatistique ou en bioinformatique sur des demandes spécifiques industriels.
Notre objectif est, depuis deux ans de développer une coopération à long terme de toute l’équipe avec l’industrie. Cela est possible parce que nous collaborons avec nos collègues travaillant dans l’industrie sur la biostatistique et de bioinformatique pour l’enseignement (voir ci-dessus) et de la recherche (voir le projet CEFIC).
Le principal objectif est de mettre au point une plate-forme de statistique avancée et d’expertise bio-informatique conjointe université-industrie.
Huit de nos anciens doctorants travaillent déjà dans la R & D ou la recherche dans l’industrie. Il s’agit d’une bonne situation pour étendre la coopération entre notre équipe académique et le monde industriel.

Membres


Responsable : Roy Pascal PU-PH UCBL

+Anciens membres

+Publications