Caractérisation des facteurs de risque à partir de données issues d'une surveillance imparfaite : comparaison des modèles de régression logistique et de Poisson enflés en zéro
Year: 2017
Type: article
Abstract: Les facteurs de risque sont des concepts épidémiologiques permettant d’expliquer l’hétérogénéité de la distribution des maladies. L’imperfection de la détection des maladies génère cependant des observations qui ne représentent pas précisément la situation réelle. Des simulations ont été conduites afin d’évaluer l’impact d’une détection imparfaite sur les résultats des modèles statistiques de régression logistique et de Poisson enflés en zéro. Une situation où la sensibilité de détection est imparfaite et la spécificité parfaite a été simulée, et un facteur de risque influençant la prévalence de la maladie a été introduit ainsi qu’un facteur de confusion influençant la sensibilité de détection. Une situation où la spécificité de détection est imparfaite a aussi été simulée. A la lumière des résultats de simulation, des données de surveillance d’avortements bovins en France ont été analysées avec un modèle de régression logistique et un modèle enflé en zéro. Il apparaît que les modèles logistiques sont plus affectés par l’imperfection des données que les modèles de Poisson enflés en zéro.
Author: Lisa Combelles
Language: French
Subfield: Statistics and Probability
Field: Mathematics
Domain: Physical Sciences
Open Access status: green
OpenAlex ID: W2901782011