Statistical methods for causal inference in cohort studies with longitudinal data : applications to aging
Méthodes statistiques pour l’inférence causale dans les études de cohortes en présence de données longitudinales : applications au vieillissement
Résumé
The field of aging epidemiology poses numerous statistical challenges that have led to the development of adapted statistical models. However, the search for factors impacting the aging process causally in observational cohort studies, as well as the understanding of the causal pathways of these factors, is still limited by the rarity or even absence of causal inference methods adapted to longitudinal data. This thesis aims to develop new causal inference tools for studying aging risk factors and underlying mechanisms in longitudinal observational studies. In the first part, we focused on mediation analysis methods to decompose total effects between a risk factor and a disease into a direct effect and indirect effects through intermediate variables. More specifically, we proposed a mediation analysis approach to study the causal link between a fixed exposure over time and mediator, confounder and outcome all defined in continuous time but measured irregularly over time. We also discussed a mediation analysis approach to study intermediate and terminal time-to-event variables, with possible interval censoring of the intermediate time-to-event. In the second part, we extended the instrumental variables method to address unobserved confounding when studying a time-fixed exposure and an outcome measured repeatedly over time. We applied these approaches to data from the 3C population cohort, focusing on the process of cerebral aging in the elderly. The work presented in this thesis thus paves the way for a better understanding of the causal mechanisms involved in various pathologies, in presence of health phenomena evolving over time.
L’épidémiologie du vieillissement pose de nombreux problèmes méthodologiques ayant mené au développement de modèles statistiques adaptés. Toutefois, la recherche de facteurs impactant de façon causale le processus de vieillissement dans les études de cohorte observationnelles ainsi que la compréhension des voies d’action causales de ces facteurs restent encore limitées par la rareté voire l’absence de méthodes d’inférence causale adaptées aux données longitudinales. Cette thèse vise à développer de nouveaux outils d’inférence causale pour l’étude des facteurs de risque du vieillissement et des mécanismes sous-jacents dans les études observationnelles longitudinales. Dans une première partie, nous nous sommes intéressés aux méthodes d’analyse de médiation permettant de décomposer les effets totaux entre un facteur de risque et une maladie, en un effet direct et des effets indirects passant par des variables médiatrices. Plus précisément, nous avons proposé une approche d’analyse de médiation pour étudier le lien causal entre une exposition fixe dans le temps et des processus de médiation, de confusion et d’outcome final, tous les trois définis en temps continu mais mesurés de façon irrégulière au cours du temps. pour le médiateur et l’outcome. Nous avons également discuté une approche d’analyse de médiation permettant d’étudier des variables intermédiaires et terminales de type temps d’événement, avec une possible censure par intervalle du temps d’événement intermédiaire. Dans la deuxième partie, nous avons étendu la méthode par variables instrumentales pour traiter la confusion non observée lorsque l’on étudie une exposition fixe dans le temps et un outcome mesuré de façon répétée dans le temps. Nous avons appliqué ces approches aux données de la cohorte populationnelle 3C, s’interessant au processus de vieillissement cérébral chez les personnes âgées. Les travaux présentés dans cette thèse ouvrent ainsi la voie à une meilleure compréhension des mécanismes causaux impliqués dans diverses pathologies, en présence de phénomènes d’intérêt évoluant au cours du temps.
| Origine | Version validée par le jury (STAR) |
|---|