Aurélie Mayet, Stéphane Legleye, Bruno Falissard Journées internationales de l’unité Inserm...
description
Transcript of Aurélie Mayet, Stéphane Legleye, Bruno Falissard Journées internationales de l’unité Inserm...
Etude des transitions entre usagesde tabac et de cannabis chez l’adolescent :
de l’expérimentation à l’usage quotidien
Utilisation d’un modèle multi-états
Aurélie Mayet, Stéphane Legleye, Bruno Falissard
Journées internationales de l’unité Inserm U66925-26 mai 2009
2
Modélisation des maladies
• Facteurs influençant une maladie– Covariables non dépendantes du temps
• Genre, géographie, ATCD familiaux…
– Covariables dépendantes du temps• Age, maladie intercurrente…
– Evolution propre de la maladie• Maladie = séquence d’évènements
– Temps
• Plusieurs approches de modélisation
3
Modélisation des maladies
• Modèles multivariés « simples »– Influence de covariables → probabilité d’être malade– Temps: celui des mesures…
• Modèles de survie– Prise en compte de la dynamique temporelle– Covariables → probabilité de devenir malade
• Modèles multi-états– Généralisation du modèle de survie– Maladie = séquence d’évènements– probabilité de passer d’un événement à un autre– Plusieurs observations par individu
4
• Modèle vivant – mort (Cox)
• Modèle sain – malade – mort
Différents modèles
Vivant Mort
Sain Mort
Malade
Covariables
Covariables
5
• Généralisation
Différents modèles
Etat 1 Etat 2
Etat 3 Mort
Covariables
6
Différents modèles
• Modélisation de comportements
maladie
occasionnel
Covariables
Abstinent quotidien
abus
dépendance
7
Quelques définitions
• Etat
• Transition
• Intensité de transition
• Probabilité de transition
• Covariable
8
Quelques définitions
• Etat– Stade de la maladie à un temps donné– Ce qui est mesuré (mais pas toujours…)
ji
9
Quelques définitions
• Etat
• Transition– Passage d’un état à un autre– Peut intervenir entre deux mesures
ji
10
Quelques définitions
• Etat
• Transition
• Intensité de transition (IT)– Risque instantané de transition– Ce que le modèle calcule
ji ij
11
Quelques définitions
• Etat
• Transition
• Intensité de transition
• Probabilité de transition– D’être dans l’état j dans le futur sachant i– Modélisée pour une durée donnée
jiPt j i
Futur
12
Quelques définitions
• Etat
• Transition
• Intensité de transition
• Probabilité de transition
• Covariable– Ce qui influe sur l’intensité de transition
ji ij
13
Mesure
Etat 2 Etat 2 Etat 1 Mort(Etat 3)
• Privilégier mesure non informative
14
Processus Markovien
• Fonction aléatoire (états) dépendant– Du temps– Du hasard
• Hypothèse markovienne– L’état présent ne dépend que du précédent– Pas de prise en compte du passé
• Hypothèse d’homogénéité– Les intensités de transition sont
constantes au cours du temps
15
Objectifs de l’étude
• Décrire le processus d’usages de tabac et de cannabis chez l’adolescent dans sa globalité– Transitions tabac-cannabis– Transitions 1er usage-usage quotidien
• Décrire l’influence du genre et du niveau socio-économique
16
Sujets et méthode
• Enquête ESCAPAD 2005– Prévalence des usages de drogues– Echantillonnage
• Recueil sur 15 jours de JAPD• 5% de l’effectif convoqué• 29 393 jeunes de 17 et 18 ans
• Taux de participation élevé (>90%)
• Questionnaire auto-administré
17
Sujets et méthode
• Cohorte rétrospective virtuelle
• Ages de début– Expérimentation tabac– Expérimentation cannabis– Usage quotidien de tabac– Usage quotidien de cannabis
18
Modèle utilisé
-7 états exclusifs / 11 transitions
-Pas d’état absorbant au sens markovien du terme
19
Modèle utilisé
• Matrice estimée – Entrées définissent les transitions possibles (IT)– Somme de chaque ligne = 0
• Influence des covariables (Cox-like) jk(zit)=qjk
(0)exp(βjkTzit) pour chaque entrée
=
20
Modèle utilisé
• Estimation des valeurs initiales– Maximum vraisemblance– Hypothèse que toutes les transitions sont
mesurées
• Adéquation– Convergence du modèle– Comparaison prévalences
calculées/observées
21
Population
• 29 393 sujets de 17 et 18 ans
• 10-12 ans de suivi
• 340 128 observations
22
Intensités de transitions
2
1st cigarette 4 Tobacco+cannabis
1st use
5
Tobacco daily use
6
Cannabis daily use
1
No lifetime use0.071
[0.070-0.072]
3
1st cannabis use
7 Tobacco+cannabis
daily use
0.004 [0.004-0.004]
0.170 [0.166-0.174]
0.230 [0.205-0.258]
0.067 [0.065-0.070]
0.074 [0.070-0.078]
0.009 [0.008-0.011]
0.120 [0.082-0.178]
0.040 [0.037-0.044]
0.041 [0.038-0.044]
0.014 [0.010-0.022]
23
Intensités de transitions
2
1st cigarette 4 Tobacco+cannabis
1st use
5
Tobacco daily use
6
Cannabis daily use
1
No lifetime use0.071
[0.070-0.072]
3
1st cannabis use
7 Tobacco+cannabis
daily use
0.004 [0.004-0.004]
0.170 [0.166-0.174]
0.230 [0.205-0.258]
0.067 [0.065-0.070]
0.074 [0.070-0.078]
0.009 [0.008-0.011]
0.120 [0.082-0.178]
0.040 [0.037-0.044]
0.041 [0.038-0.044]
0.014 [0.010-0.022]
Risque x18 d’expérimenter le tabac en 1er
24
Intensités de transitions
2
1st cigarette 4 Tobacco+cannabis
1st use
5
Tobacco daily use
6
Cannabis daily use
1
No lifetime use0.071
[0.070-0.072]
3
1st cannabis use
7 Tobacco+cannabis
daily use
0.004 [0.004-0.004]
0.170 [0.166-0.174]
0.230 [0.205-0.258]
0.067 [0.065-0.070]
0.074 [0.070-0.078]
0.009 [0.008-0.011]
0.120 [0.082-0.178]
0.040 [0.037-0.044]
0.041 [0.038-0.044]
0.014 [0.010-0.022]
Effet escalade
Risque x3 d’expérimenter le cannabis lorsqu’on a goûté au tabac
25
Intensités de transitions
2
1st cigarette 4 Tobacco+cannabis
1st use
5
Tobacco daily use
6
Cannabis daily use
1
No lifetime use0.071
[0.070-0.072]
3
1st cannabis use
7 Tobacco+cannabis
daily use
0.004 [0.004-0.004]
0.170 [0.166-0.174]
0.230 [0.205-0.258]
0.067 [0.065-0.070]
0.074 [0.070-0.078]
0.009 [0.008-0.011]
0.120 [0.082-0.178]
0.040 [0.037-0.044]
0.041 [0.038-0.044]
0.014 [0.010-0.022]
Effet escalade
Risque x42 d’expérimenter le tabac lorsqu’on a goûté au cannabis
26
Intensités de transitions
2
1st cigarette 4 Tobacco+cannabis
1st use
5
Tobacco daily use
6
Cannabis daily use
1
No lifetime use0.071
[0.070-0.072]
3
1st cannabis use
7 Tobacco+cannabis
daily use
0.004 [0.004-0.004]
0.170 [0.166-0.174]
0.230 [0.205-0.258]
0.067 [0.065-0.070]
0.074 [0.070-0.078]
0.009 [0.008-0.011]
0.120 [0.082-0.178]
0.040 [0.037-0.044]
0.041 [0.038-0.044]
0.014 [0.010-0.022]
Transitions cannabis vers tabac plus accentuées que transitions tabac vers cannabis
27
Intensités de transitions
2
1st cigarette 4 Tobacco+cannabis
1st use
5
Tobacco daily use
6
Cannabis daily use
1
No lifetime use0.071
[0.070-0.072]
3
1st cannabis use
7 Tobacco+cannabis
daily use
0.004 [0.004-0.004]
0.170 [0.166-0.174]
0.230 [0.205-0.258]
0.067 [0.065-0.070]
0.074 [0.070-0.078]
0.009 [0.008-0.011]
0.120 [0.082-0.178]
0.040 [0.037-0.044]
0.041 [0.038-0.044]
0.014 [0.010-0.022]
Tabac 5 fois plus addictogène que cannabis
28
Influence des covariables
2
1st cigarette 4 Tobacco+cannabis
1st use
5
Tobacco daily use
6
Cannabis daily use
1
No lifetime useG: 1.15 [1.12-1.19] PSC: NS
3
1st cannabis use
7 Tobacco+cannabis
daily use
G: 0.68 [0.60-0.77] PSC: 0.94 [0.89-0.99]
G: 0.84 [0.81-0.88] PSC: 0.90 [0.88-0.91]
G: NS PSC: 1.12 [1.03-1.21]
G: 1.13 [1.05-1.21] PSC: 1.18 [1.15-1.22]
G: NS PSC: NS
G: NS PSC: NS
G: NS PSC: 1.16 [1.03-1.15]G: 0.63 [0.54-0.74]
PSC: 1.08 [1.02-1.15]
G: 0.56 [0.47-0.68] PSC: NS
G: NS PSC: NS
G: hazard ratio for gender (girls versus boys)
PSC: hazard ratio for parental social category score (increase of 1) NS: non significant
29
Influence des covariables
• Etre une fille…– Prédispose à fumer des cigarettes– Protège vis à vis des joints
• Etre d’une catégorie sociale élevée…– Prédispose à l’expérimentation cannabinique
• Etre d’une catégorie sociale basse…– Prédispose aux usages quotidiens
30
Discussion
• Validation du modèle– Compatible avec le processus des usages– Cross validation
• Relation bilatérale tabac-cannabis
• Effet escalade
• Hypothèse d’homogénéité– Processus court (4 ans pour le cannabis)– Période de vie homogène (fin adolescence)
31
Les Markov en pratique
• Des hypothèses contraignantes– Hypothèse de Markov – Hypothèse d’homogénéité
• Du data management– Observations et non sujets– Variable selon les logiciels
32
Une grande famille
• Modèle de Cox Markov– 1 Cox pour chaque transition
• Modèle semi-markovien– Prise en compte de la durée passée dans
l’état
• Modèle de Markov non homogène– Transitions fonctions du temps
33
Logiciels markoviens
• MARKOV (Marshall et al.)– Modèle de Markov homogène
• MKVPCI (Alioum et al.)– Variation des intensités sur 3 intervalles– Compliqué à mettre en œuvre
• R package msm (Jackson et al.)– Temps d’observation arbitraires– Grande liberté de modélisation
• R package tdc.msm (Meira-Machado et al.)– Modèles multiples dont Markov non homogène– Liberté de modélisation étroite