Mixture of random time-varying coefficients and longitudinal factor analysis models and their application to chronic pain multidimensional assessment - TEL - Thèses en ligne Accéder directement au contenu
Thèse Année : 2022

Mixture of random time-varying coefficients and longitudinal factor analysis models and their application to chronic pain multidimensional assessment

Mélange de coefficients aléatoires variant dans le temps et modèles d'analyse factorielle longitudinale et leur application à l'évaluation multidimensionnelle des douleurs chroniques

Résumé

Multivariate longitudinal data play an essential role in various fields of research, including the medical and behavioral sciences. They allow researchers to test multiple hypotheses, such as the identification of variation over time in a clinical variable. The robustness of the inferences obtained from the analysis of longitudinal data leads to an increasing complexity of statistical processing methods. This complexity arises from the structure of longitudinal data and their statistical properties including intra-individual time dependence. Another degree of complexity may arise from potential heterogeneity due to the existence of several latent subpopulations in the data. Currently, the literature recognizes that pain has a complex longitudinal aspect. It has also been shown that the correlations between the different dimensions of pain become stronger over time. This may be due to the long-term accumulation of biopsychosocial burdens generated by chronic pain and to alterations in brain mechanisms linking pain to emotion. Moreover, the socio-cultural and emotional character of chronic pain makes its evaluation complex since each patient is impacted by the sensory, emotional and functional component differently. The first objective of this thesis is to demonstrate empirically the existence of different latent groups of chronic pain patients through the application of a mixture of mixed-effects model. We show that the quality of life is impacted differently by the sensory, emotional and functional components of pain for each latent group. This provides a rationale for the need for a heterogeneous, patient-specific assessment. The second objective is to propose a new non-parametric model formulated as a time-varying mixture of time-varying coefficient models including random effects processes. We propose a modified EM algorithm to estimate the model parameters. This model allows us to study the evolution over time of the coefficients associating patient quality of life with the other components of chronic pain for each latent group. The third and final objective of the thesis is to propose a new factorial model to analyze heterogeneous multivariate longitudinal data. The proposed model is a mixture of longitudinal factor analysis models that allows summarizing several longitudinal indicators into one or more latent variables, which differ between the mixture components. An EM algorithm has been proposed to estimate the model. Methods to ensure the comparability of the latent factors were discussed. The goal of this model is to extract latent and multidimensional indicators that depend on both the time of measurement in the patient's pathway and the intrinsic characteristics of the patients. The goal being to shift the assessment of pain to a multidimensional, time-varying and patient-specific assessment based on the patient's biopsychosocial characteristics.
Les données longitudinales multivariées jouent un rôle essentiel dans divers domaines de recherche, notamment les sciences médicales et comportementales. Elles permettent aux chercheurs de tester de multiples hypothèses, telles que l'identification de la variation dans le temps d'une variable clinique. La robustesse des inférences obtenues à partir de l'analyse des données longitudinales conduit à une complexité croissante des méthodes de traitement statistique. Cette complexité découle de la structure des données longitudinales et de leurs propriétés statistiques, notamment la dépendance temporelle intra-individuelle. Un autre degré de complexité peut provenir de l'hétérogénéité potentielle due à l'existence de plusieurs sous-populations latentes dans les données de l'étude. Actuellement, il est reconnu dans la littérature que la douleur présente un aspect longitudinal complexe. Il a été démontré que les corrélations entre les différentes dimensions de la douleur se renforcent avec le temps, non seulement lors du passage des douleurs aiguës aux douleurs chroniques, mais aussi au cours de l'évolution des douleurs chroniques. Cela peut être dû à l'accumulation à long terme des fardeaux biopsychosociales générées par la douleur chronique et aux altérations des mécanismes cérébraux reliant la douleur aux émotions. De plus, le caractère socioculturel et émotionnel de la douleur chronique rend son évaluation complexe en raison de l'hétérogénéité par rapport à l'importance des composantes sensorielles, émotionnelles et fonctionnelles dans la vie de chaque individu. Le premier objectif de cette thèse est de démontrer empiriquement l'existence de différents groupes latents de patients dont la qualité de vie est impactée différemment par les composantes sensorielles, émotionnelles et fonctionnelles de la douleur, par l'application d'un mélange de modèles à effet mixte sur des données longitudinales de patients souffrant de douleurs chroniques après une chirurgie rachidienne. Cela permet de justifier la nécessité d'une évaluation hétérogène et spécifique au patient. Le deuxième objectif est de proposer un nouveau modèle non paramétrique formulé comme un mélange de modèles à coefficients variables dans le temps incluant des processus aléatoires. Le modèle proposé a été ajusté avec un algorithme EM modifié incluant une procédure de Backfitting. Nous avons évalué notre modèle par des simulations et des applications sur des données réelles. Ce modèle nous permet d'étudier l'évolution dans le temps des coefficients associant la qualité de vie des patients aux autres composantes de la douleur chronique pour chaque groupe latent. Le troisième et dernier objectif de la thèse est de proposer un mélange de modèles d'analyse factorielle longitudinale qui permet de résumer plusieurs indicateurs longitudinaux en une ou plusieurs variables latentes qui diffèrent entre les composantes du mélange. Un algorithme EM a été proposé pour estimer le modèle. Des méthodes pour garantir la comparabilité des facteurs latents ont été discuté. L'objectif de ce modèle est d'extraire des indicateurs latents et multidimensionnels qui dépendent à la fois du moment de la mesure dans le parcours du patient et des caractéristiques intrinsèques des patients. Le but ultime étant de faire évoluer l'évaluation de la douleur vers une évaluation multidimensionnelle, variable dans le temps et spécifique au patient, en fonction de ses caractéristiques biopsychosociales.
Fichier principal
Vignette du fichier
2022-OUNAJIM-Amine-These.pdf (3.59 Mo) Télécharger le fichier
Origine : Version validée par le jury (STAR)

Dates et versions

tel-03859916 , version 1 (18-11-2022)

Identifiants

  • HAL Id : tel-03859916 , version 1

Citer

Amine Ounajim. Mixture of random time-varying coefficients and longitudinal factor analysis models and their application to chronic pain multidimensional assessment. Human health and pathology. Université de Poitiers, 2022. English. ⟨NNT : 2022POIT2268⟩. ⟨tel-03859916⟩
49 Consultations
54 Téléchargements

Partager

Gmail Facebook X LinkedIn More