Showing results 501 to 520 on 8143 in total
-
The net reproductive rate, R_0, measures the expected lifetime reproductive output of an individual, and plays an important role in demography, ecology, evolution, and epidemiology. Well-established methods exist to calculate it from age- or stage-classified demographic data. Because it is an expected value, however, R_0 provides no information on variability. Many empirical measurements of lifetime reproduction have revealed high levels of variability, and often positive skewness. This is often interpreted as evidence of heterogeneity, and thus of an opportunity for natural selection. However, variability provides evidence of heterogeneity only if it exceeds the level of variability that would be expected in a cohort of identical individuals all experiencing the same vital rates. Such comparisons require a way to calculate the statistics (variance, coefficient of variation, skewness) of lifetime reproduction from demographic data. These calculations have not been possible; here, I present a new approach, using the theory of Markov chains with rewards, that gives all the moments of the distribution of lifetime reproduction. The approach applies to age- or stage-classified models, to constant, periodic, or stochastic environments, and to any kind of reproductive schedule. As examples, I analyze data from several empirical studies of a variety of animal and plant taxa.For more details, please go to http://cgphimc.univ-lyon1.fr/CGphiMC/Semovi/13avril2011.php
-
-
-
Le risque attribuable est une mesure qui permet de quantifier l'impact d'une exposition en terme de nouveaux cas d'une pathologie dans un population. Pouvant être interprété comme la proportion de cas attribuables ou associés à cette exposition, il prend en compte à la fois la prévalence de l'exposition dans la population et la force d'association entre l'exposition et la maladie. Le risque attribuable est parfois estimé à partir d'études de cohorte prospectives dans lesquelles on observe la survenue ou non au cours du suivi d'un événement tel que le diagnostic d'une maladie. Les données correspondantes sont des données censurées de type délai de survenue plus communément appelées « données de survie ». Des publications très récentes ont examiné l'adaptation du concept de risque attribuable à ces données. Différentes définitions ont été proposées ainsi que des méthodes d'estimation paramétriques, semi- ou non-paramétriques. Cet exposé présente une revue de ces développements récents en considérant la pertinence des définitions proposées, leurs potentielles difficultés d'interprétation et les avantages et limites des méthodes d'estimation
-
no abstract yet
Inscription gratuite mais obligatoire avant le mardi 27 septembre 2011
-
-
Identifier un biomarqueur, c'est identifier une variable biologique dont la valeur est associée à la probabilité de survenue d'une maladie (biomarqueur diagnostique), à la probabilité de rechute ou de décès (biomarqueur pronostique), à l'efficacité ou à la tolérance d'un médicament (biomarqueur théranostique). L'utilisation des techniques d'analyse biologique à haut-débit pour l'analyse du génome, du transcriptome et du protéome pose la question de la prise en compte d'un très grand nombre de variables, fréquemment supérieur au nombre de sujets inclus dans l'étude. Sur le plan statistique, au-delà du contrôle des risques de première et deuxième espèce, différents aspects spécifiques sont concernés comme la nécessité de prendre en compte les variabilités biologique et expérimentale pour calculer la puissance des études, et l'estimation de l'ampleur d'effet des biomarqueurs sélectionnés par les études d'identification.
Les méthodes de recherche de dose doivent permettre d'identifier la dose optimale d'un traitement à explorer au cours des essais ultérieurs. A l'ère des chimiothérapies cytotoxiques, la dose optimale était associée à la dose maximum tolérée. L'index thérapeutique était en général faible. Le développement des thérapies moléculaires ciblées, ces nouvelles classes thérapeutiques qui ciblent (en théorie) des anomalies biologiques spécifiques, tend à changer ce paradigme: La toxicité seule ne semble plus suffisante pour caractériser la dose optimale et des marqueurs précoces de la réponse au traitement sont de plus en plus utilisés. Dans ce travail, nous présenterons des plans d'expérience permettant d'utiliser la puissance des données répétées pour identifier des doses qui soient actives et tolérées. L'extension de méthodes de recherche de dose de type Continual Reassessment Method sera présentée. Sera également abordé la problématique de la définition des toxicités limitant la dose pour ces traitements d'administration chronique.
-
-
-
-
There is growing evidence that intestinal bacteria are important beneficial partners of their metazoan hosts. Recent observations suggest a strong link between commensal bacteria, host energy metabolism and metabolic diseases such as diabetes and obesity. As a consequence, the gut microbiota is now considered as a "host" factor that influences energy uptake. However, the impact of intestinal bacteria on other systemic physiological parameters still remains unclear. In this context, we have recently demonstrated that Drosophila microbiota promotes larval growth upon nutrient scarcity. We revealed that Lactobacillus plantarum, a commensal bacteria of the Drosophila intestine is sufficient on its own to recapitulate the natural microbiota growth promoting effect. Using this simple gnotobiotic model we have shown thatL.plantarum exerts its benefit by acting genetically upstream of the TOR-dependent host nutrient sensing system controlling hormonal growth signaling in Drosophila. Our results therefore indicate that the intestinal microbiota should also be envisaged as a factor that influences the systemic growth of its host. We will present and discuss our recent progresses and research perspectives in the understanding of the molecular mechanisms underlying the mutualistic association between Drosophila melanogaster on its commensal Lactobacillus plant arum.