Description : Contexte : Les essais cliniques demeurent le gold standard pour évaluer l'efficacité
d'un traitement, y compris dans le domaine de la prévention. Un essai non concluant
se traduit souvent par l'absence d'effet du traitement, alors qu'une méthodologie
non optimale peut être en cause. Dans ce travail, nous abordons les essais de prévention,
dont l'objectif est de retarder le déclin des fonctions cognitives car les résultats
des grands essais dans ce domaine sont peu convaincants. Nous faisons l'hypothèse
que les spécificités de ces essais (données répétées, éventuel effet d'apprentissage,
longue phase de latence avant de pouvoir détecter un effet, incertitude de mesure,
population hétérogène...) pourraient être mieux appréhendées au moment de l'analyse.
Méthodes : Pour chaque difficulté méthodologique, des méthodes d'analyses spécifiques
ont été proposées pour optimiser la détection d'un effet potentiel. Le caractère longitudinal
des données est un aspect fondamental que nous prenons en compte dans les analyses,
soit en utilisant la trajectoire, soit en utilisant des paramètres représentatifs
de son évolution (taux d'accroissement, transition entre états). L'hétérogénéité de
la population est explorée par des méthodes de clustering fonctionnel basées sur la
forme de la trajectoire ou des méthodes nécessitant un paramètre de synthèse (classification
ascendante hiérarchique, sémiologie graphique). L'incertitude de la mesure a été abordée
par l'analyse de sujets répondeurs au traitement ou par des modèles de Markov cachés.
Une méthode d'apprentissage statistique par renforcement a été utilisée pour traiter
l'effet retardé du traitement préventif. Résultats : Différentes méthodes d'analyses
ont été appliquées aux données réelles de l'essai Multidomain Alzheimer Preventive
Trial. Les analyses ont indiqué que la population n'évoluait pas comme attendu cliniquement
mais avait un niveau cognitif global stable sur les 3 ans de suivi. La composition
des profils d'évolution différait selon la méthode utilisée. Les k-means pour données
longitudinales avec reconnaissance de la forme de la trajectoire et l'analyse des
répondeurs ont mis en évidence un groupe déclinant au cours du suivi. [...];