Comité organisateur

Russell Steele

(Université McGill)

Geneviève Lefebvre

(Université du Québec à Montréal)

Laboratoire de statistique du CRM

 

Contact

Guillermo Martinez-Zalce

Responsable des laboratoires
514-343-7574

Approches pour les données manquantes en santé et sciences sociales: une enquête moderne

Une grande partie de la recherche moderne en médecine et en sciences sociales nécessite l'analyse de grandes bases de données. Bien que de telles bases de données soient extrêmement précieuses en raison de leur immense quantité d'information, elles posent des défis aux analystes de données quand la fiche d'un sujet contient de l'information incomplète ou manquante. Il existe un grand clivage entre la communauté de recherche statistique et la communauté de recherche non-statistique en ce qui concerne les méthodes utilisées pour l'analyse de ces données. Malgré le fait que les statisticiens aient conçu des méthodes aux propriétés statistiquement correctes et efficaces, plusieurs de ces approches ont été incapables de gagner en popularité parmi la communauté générale. Les statisticiens ont proposé deux types d'approches différentes: l'imputation des données manquantes et les méthodes de pondération. Ces deux approches ont des avantages et des inconvénients, mais ils n'ont pas souvent été abordés conjointement dans une publication de recherche. Les désaccords dans la communauté statistique ont mené à une confusion dans l'utilisation de ces méthodes dans les champs d'application connexes et même les statisticiens appliqués sont incertains de ce qui constitue des approches correctes, mais pratiques pour les problèmes complexes de données manquantes.
 
Cet atelier inclura cinq présentations qui couvriront les approches les plus populaires employées pour l'analyse de données manquantes dans les sciences médicales et sociales. Grace Yi (University of Waterloo) est la récipiendaire du prix CRM-SSC 2010 et a contribué de manière significative au développement des méthodes statistiques pour les études longitudinales et pour l'analyse des données de survie, particulièrement pour le traitement des observations manquantes et les erreurs de mesure. James Carpenter (London School of Hygiene and Tropical Medecine) a réalisé un travail extrêmement important, non seulement en statistiques, mais également dans le secteur de la santé publique au Royaume-Uni, démystifiant des méthodes statistiques avancées pour les données manquantes. Notamment, il est coauteur d'un rapport du "National Institute for Health Research" au Royaume-Uni sur l'analyse de données manquantes dans les essais cliniques randomisés. Ofer Harel (University of Connecticut) est un expert dans les méthodes d'imputation multiple pour les données manquantes et les erreurs de mesure, avec un intérêt pour les applications en médecine. Deux chercheurs locaux feront également des présentations à l'atelier. David Haziza (Université de Montréal) et Michael Regier (McGill) travaillent dans le domaine des données manquantes dans les analyses d'enquêtes et des méthodes de maximum de vraisemblance pour les observations manquantes, respectivement.

Horaire en bref