Academic literature on the topic 'Inférence causale données'

Les expériences des citoyen.nes dans un environnement saturé de politiques publiques. Une contribution méthodologique aux études sur les policy feedbacks depuis l'analyse secondaire de données qualitatives. Au cours des dix dernières années, les études sur les effets-retourdes politiques publiques sur les citoyen.nes (qu’on désigne par policy feedbacks) ont connu un regain d’intérêt. Analysant ces récents développements, plusieurs appels ont été lancés pour élargir ce courant de recherches au-delà des expériences que les citoyen.nes font d’une politique spécifique pour tenir compte, au contraire, de la multiplicité des expériences de politique publique qu'elles et ils ont au cours de leur vie quotidienne. Sur le plan méthodologique cependant, la reconnaissance de la multiplicité des expériences de politiques publiques des citoyen.nes en Europe de l'Ouest remet en question (i) les dispositifs empiriques de recherche et (ii) les inférences causales qui sont courantes dans cette littérature. Dans cet article, nous expliquons comment nous avons relevé ces deux défis en tirant parti des possibilités offertes par l’analyse secondaire qualitative. En réponse au premier défi, nous discutons notre approche, une analyse qualitative comparative et longitudinale de données secondaires sans sélection a priori des politiques publiques considérées. Nous présentons comment nous opérationnalisons dans ces données les expériences et les perceptions multiples des politiques publiques des citoyen.nes. En réponse au deuxième défi, nous construisons théoriquement un troisième mécanisme de feedback, qui est normatif et collectif. Nous discutons également de la manière dont nous étudions empiriquement les normes collectives liées aux expériences multiples de politique publique à partir de données individuelles.

Dans cette étude, des tests de compréhension en lecture d'un récit et d’un texte informatif ont été créés à partir de modèles théoriques communs et en suivant des étapes de conception précises (DeVellis, 2003). Ils furent administrés auprès de 401 élèves francophones de 8 ans. Les données recueillies ont subi des analyses par items, factorielles et multiniveaux. Ceci a permis d’examiner les taux de réussite aux tests, de mieux déterminer leurs composantes et de les comparer afin de comprendre leur portée pour la communauté praticienne et scientifique. Les résultats révèlent que les deux tests ont une structure factorielle semblable. Or, les questions ouvertes suscitant des inférences anaphoriques, causales et lexicales sont plus ardues à réussir, surtout dans le test utilisant un texte informatif. Ces nouveaux instruments peuvent contribuer à dégager des pistes d’enseignement et favoriser la transition entre le premier et le deuxième cycle du primaire en lecture.

It has been nearly fifty years since Tom Pearce devised a type of element ratio diagram that isolates the effects of crystal fractionation and accumulation (sorting) hidden in the chemistry of a suite of igneous rocks. Here, we review the guiding principles and methods supporting the Pearce element ratio paradigm and provide worked examples with data from the Mauna Ulu lava flows (erupted 1970–1971, Kilauea Volcano, Hawaii). Construction of Pearce element ratio diagrams requires minimum data; a single rock analysis can suffice. The remaining data test the model. If the data fit the model, then the model is accepted as a plausible or likely explanation for the observed chemical variations. If the data do not fit, the model is rejected. Successful applications of Pearce element ratios require the presence and identification of conserved elements; elements that remain in the melt during the processes causing the chemical diversity. Conserved elements are identified through a priori knowledge of the physical-chemical behaviour of the elements in rock-forming processes, plots of weight percentages of pairs of oxides against each other, or by constant ratios of two elements. Three kinds of Pearce element ratio diagrams comprise a model: conserved element, assemblage test, and phase discrimination diagrams. The axial ratios for Pearce ratio diagrams are combinations of elements chosen on the basis of the chemical stoichiometry embedded in the model. Matrix algebra, operating on mineral formulae and analyses, is used to calculate the axis ratios. Models are verified by substituting element numbers from mineral formulae into the ratios. Different intercepts of trends on Pearce element ratio diagrams distinguish different magma batches and, by inference, different melting events. We show that the Mauna Ulu magmas derive from two distinct batches, modified by sorting of olivine, clinopyroxene, plagioclase and, possibly, orthopyroxene (unobserved).RÉSUMÉIl y a près de cinquante ans Tom Pearce a conçu un genre de diagramme de ratio d’éléments qui permet d’isoler les effets de la cristallisation fractionnée et de l'accumulation cristalline (tri) au sein de la chimie d'une suite de roches ignées. Dans le présent article, nous passons en revue les principes et les méthodes étayant le paradigme de ratio d’éléments de Pearce, et présentons des exemples pratiques à partir de données provenant de coulées de lave du Mauna Ulu (éruption 1970–1971 du volcan Kilauea, Hawaii). La confection des diagrammes de ratio d’éléments de Pearce requière un minimum de données; une seule analyse de roche peut suffire. Les données restantes servent à tester le modèle. Si les données sont conformes au modèle, alors le modèle est accepté comme explication plausible ou probable des variations chimiques observées. Si les données ne correspondent pas, le modèle est rejeté. Les applications réussies des ratios d’éléments de Pearce requièrent la présence et l'identification d’éléments conservés; éléments qui demeurent dans la masse fondue au cours des processus causant la diversité chimique. Les éléments conservés sont identifiés par la connaissance a priori du comportement physico-chimique des éléments dans les processus de formation des roches, le positionnement sur la courbe des pourcentages pondérés de pairs d'oxydes les uns contre les autres, ou par des ratios constants de deux éléments. Trois types de diagrammes de Pearce de ratio d’éléments constituent un modèle: élément conservé, test d'assemblage, et diagrammes de phase discriminant. Les ratios axiaux pour les diagrammes de ratio d’éléments de Pearce sont des combinaisons d'éléments choisis sur la base de la stœchiométrie inhérente au modèle. L’algèbre matricielle, appliquée à des formules minérales et à des analyses, est utilisée pour calculer les ratios axiaux. Les modèles sont vérifiés en utilisant les nombres d’élément des formules minérales dans les ratios. Différentes intersections dans les diagrammes de ratios d’éléments de Pearce distinguent différents lots de magma et, par inférence, différentes coulées. Nous montrons que les magmas de Mauna Ulu proviennent de deux lots distincts, modifiés par l’extraction de l'olivine, de clinopyroxène, de plagioclase et, éventuellement, orthopyroxène (non observé).

Dans le premier chapitre, je montre que la validité interne et externe des modèles dits «à variable instrumentale» est plus forte que ce qu'on pensait jusqu'ici. En ce qui concerne leur validité interne, l'hypothèse de monotonicité utilisée dans ces modèles n'est en fait pas nécessaire. Elle peut être remplacée par une hypothèse plus faible qui consiste à dire que conditionnellement aux outcomes potentiels, il y a moins de defiers que de compliers. En ce qui concerne la validité externe, les effets du traitement identifiés par ces modèles s'appliquent en fait à une population G plus grande que la population des compliers (C). Sous une hypothèse qui semble relativement crédible, on obtient une borne inférieure non triviale pour P(G). Le modèle dit de différence de différences instrumentée est identifié sous deux hypothèses de tendance commune : une sur l'outcome et l'autre sur le traitement. Le second chapitre de cette thèse se concentre sur l'identification de ce modèle lorsque l'on souhaite se passer de la seconde hypothèse. Quand la variable d'outcome est bornée, j’obtiens que l'effet du traitement est alors partiellement identifié. Dans le troisième chapitre, co-écrit avec Xavier D'Haultfœuille nous relâchons l'hypothèse de compliance parfaite dans le modèle change in change. Nous obtenons que lorsque le taux de traitement est stable dans le groupe de contrôle, l'effet du traitement est ponctuellement identifié au sein d'une population de compliers, tandis que lorsque ce taux change, le modèle est partiellement identifié
In the first chapter, I show that instrumental variable (IV) estimates have greater internal and external validity than was previously thought. On internal validity, monotonicity is not necessary for the Wald ratio to identify a Local Average Treatrnent Effect. On external validity, IV identify treatment effects among a population G larger than compliers. P(G) is not identified but 1 derive a non-trivial lower bound for it under a fairly credible assumption. The instrumented difference in differences model is identified under two common trend assumptions on the outcome and on the treatment. In the second chapter of this thesis, 1 consider what can be obtained under a common trend assumption on the outcome only. 1 show that when the outcome is bounded, the average treatment effect can be bounded. Ln the fourth chapter, co-authored with Xavier D'Haultfoeuille, we relax the perfect compliance assumption in the Change in Change mode!. We show that treatment effects in a population of compliers are point identified when the treatment rate does not change in the control group, and partially identified otherwise

Cette thèse consiste au développement d’une nouvelle approche méthodologique pour reconstruire les réseaux à partir de données biologiques et cliniques qui surmonte certains problèmes techniques et informatiques des méthodes existantes pour accomplir cette tâche. Notre algorithme (MIIC), permet l'étude d'ensembles de données discrètes, continues et mixtes avec tout type de distributions de probabilité et de densité, y compris la présence possible de variables latentes, qui sont très importantes dans des contextes réels où il n'est pas toujours possible de collecter toutes les variables pertinentes. MIIC est disponible par le biais d'une interface Web à l'adresse suivante: https://miic.curie.fr, et sous la forme d'un paquet R disponible sur CRAN. La deuxième partie de la thèse est consacrée à l'analyse d'applications réelles: de la reconstruction d'un réseau de régulation génétique et une carte de contact des protéines, à l'étude des dossiers cliniques de patients atteints de troubles cognitifs ou de cancer du sein. MIIC peut aider les médecins à visualiser et à analyser les effets directs, indirects et éventuellement causaux des dossiers médicaux des patients, à découvrir de nouvelles interdépendances directes inattendues entre des informations cliniquement pertinentes ou à expliquer une connexion manquante par d'autres liens trouvés dans la reconstruction
This thesis consists in the development of a novel methodological approach to reconstruct networks starting from biological and clinical data. It overcomes some technical and computational problems of existing methods to accomplish this task. Our algorithm (MIIC), allows the study of discrete, continuous and mixed datasets with any type of probability and density distributions, including the possible presence of latent variables, which are very important in real contexts where it is not always possible to collect all relevant variables. MIIC is available through a web interface at the address: https://miic.curie.fr, and as an R package available on CRAN. The second part of the thesis is devoted to the analysis of real life applications: from gene regulatory network reconstruction and protein contact map reconstruction, to the study of clinical records of patients affected by cognitive disorders or breast cancer. MIIC can help physicians in visualizing and analysing direct, indirect and possibly causal effects from patient medical records, discovering novel unexpected direct interdependencies between clinically relevant information or explaining a missing connection through other links found in the reconstruction

Devant les difficultés d'inclusion et de réalisation des essais cliniques en chirurgie cardiaque, rares sont les données randomisées disponibles dans ce domaine. On doit donc, autant que possible, se satisfaire de données observationnelles. Cependant, les procédures chirurgicales sont des traitements qui s'adaptent aux caractéristiques du patient, ce qui engendre un biais d'attribution important. Nous avons étudié l'impact du type de revascularisation chirurgicale (complète ou incomplète) sur la survie à long terme grâce à un appariement 4/1 sur le score de propension. Nous avons identifié, une fois le score de propension correctement pris en compte, une interaction significative sur une échelle relative entre le type de revascularisation chirurgicale et l'âge vis-à-vis de la survie toute cause à long terme, l'effet étant moins marqué chez les patients les plus âgés. Nous avons ensuite étudié l'interaction entre âge et effet du traitement sur une échelle additive et une échelle relative, en utilisant des modèles de survie additif ou multiplicatif sur le taux. Nous avons identifié une interaction sous-multiplicative significative alors qu'il n'existait pas d'interaction notable dans le modèle de survie additif, suggérant que l'effet du traitement était plutôt additif dans ce contexte. Par ailleurs, nous avons mesuré la différence de risque à partir du modèle de survie multiplicatif chez des patients de différentes classes d'âge. La différence de risque extraite du modèle multiplicatif était similaire dans les différents groupes d'âge confirmant un effet absolu constant dans les différentes classes d'âge malgré un effet relatif plus faible chez les sujets âgés. Notre travail incite à une évaluation de l'effet de traitement dans des jeux de données observationnelles sur une échelle relative et sur une échelle absolue après une prise en compte du score de propension
Clinical trials are difficult to conduct in the field of cardiac surgery. As a consequent, relatively few clinical trials are available in this field and most of the available data is observational. Yet, surgical techniques are very dependent on the patients’ characteristics, which translate into a high amount of attribution bias. We studied the impact of the type of surgical revascularization (complete or incomplete) on long-term survival using a 4/1 propensity score matching. We identified a significant interaction on a relative scale between the type of revascularization and age with regards to long-term all-cause mortality. The treatment effect was weaker in older patients. We then studied the interaction between age and treatment effect on both an additive scale and a relative scale using additive and multiplicative hazard models. We identified a significant submultiplicative interaction whereas we did not identify noteworthy additive interaction. This result indicate that treatment effect is additive in this illustration. We also measured risk differences from the multiplicative hazard model in several age subsets. Risk differences extracted from the multiplicative model were similar in age subsets, which confirmed a constant treatment effect across subsets on an additive scale despite a weaker treatment effect on a multiplicative scale in older patients. Our work encourages an evaluation of treatment effect on both an additive and a relative scale in propensity score based analyses of observational data

Ces dernières années, on a assisté à une augmentation spectaculaire de l’intérêt académique et sociétal pour l’apprentissage automatique équitable. En conséquence, des travaux significatifs ont été réalisés pour inclure des contraintes d’équité dans les algorithmes d’apprentissage automatique. Le but principal est de s’assurer que les prédictions des modèles ne dépendent d’aucun attribut sensible comme le genre ou l’origine d’une personne par exemple. Bien que cette notion d’indépendance soit incontestable dans un contexte général, elle peut théoriquement être définie de manière totalement différente selon la façon dont on voit l’équité. Par conséquent, de nombreux articles récents abordent ce défi en utilisant leurs "propres" objectifs et notions d’équité. Les objectifs sont catégorisés en deux familles différentes : L’équité individuelle et l’équité de groupe. Cette thèse donne d’une part, une vue d’ensemble des méthodologies appliquées dans ces différentes familles afin d’encourager les bonnes pratiques. Ensuite, nous identifions et complétons les lacunes en présentant de nouvelles métriques et des algorithmes de machine learning équitables qui sont plus appropriés pour des contextes spécifiques
The past few years have seen a dramatic rise of academic and societal interest in fair machine learning. As a result, significant work has been done to include fairness constraints in the training objective of machine learning algorithms. Its primary purpose is to ensure that model predictions do not depend on any sensitive attribute as gender or race, for example. Although this notion of independence is incontestable in a general context, it can theoretically be defined in many different ways depending on how one sees fairness. As a result, many recent papers tackle this challenge by using their "own" objectives and notions of fairness. Objectives can be categorized in two different families: Individual and Group fairness. This thesis gives an overview of the methodologies applied in these different families in order to encourage good practices. Then, we identify and complete gaps by presenting new metrics and new Fair-ML algorithms that are more appropriate for specific contexts

Les levures du genre Candida figurent parmi les pathogènes majeurs isolés chez les patients en soins intensifs et sont responsables d'infections systémiques : les candidoses invasives. Le retard et le manque de fiabilité du diagnostic sont susceptibles d'aggraver l'état du patient et d'augmenter le risque de décès à court terme. Pour respecter les objectifs de traitement, les experts recommandent de traiter le plus précocement possible les patients à haut risque de candidose invasive. Cette attitude permet de proposer un traitement précoce aux malades atteints, mais peut entraîner un traitement inutile et coûteux et favoriser l'émergence de souches de moindre sensibilité aux antifongiques utilisés.Ce travail applique des méthodes statistiques modernes à des données observationnelles longitudinales. Il étudie l'impact des traitements antifongiques systémiques sur la répartition des quatre principales espèces de Candida dans les différents prélèvements de patients en réanimation médicale, sur leur sensibilité à ces antifongiques, sur le diagnostic des candidémies ainsi que sur le pronostic des patients. Les analyses de séries de données temporelles à l'aide de modèles ARIMA (moyenne mobile autorégressive intégrée) ont confirmé l'impact négatif de l'utilisation des antifongiques sur la sensibilité des principales espèces de Candida ainsi que la modification de leur répartition sur une période de dix ans. L'utilisation de modèles hiérarchiques sur données répétées a montré que le traitement influence négativement la détection des levures et augmente le délai de positivité des hémocultures dans le diagnostic des candidémies. Enfin, l'utilisation des méthodes d'inférence causale a montré qu'un traitement antifongique préventif n'a pas d'impact sur le pronostic des patients non neutropéniques, non transplantés et qu'il est possible de commencer une désescalade précoce du traitement antifongique entre le premier et le cinquième jour après son initiation sans aggraver le pronostic
Candida species are among the main pathogens isolated from patients in intensive care units (ICUs) and are responsible for a serious systemic infection: invasive candidiasis. A late and unreliable diagnosis of invasive candidiasis aggravates the patient's status and increases the risk of short-term death. The current guidelines recommend an early treatment of patients with high risks of invasive candidiasis, even in absence of documented fungal infection. However, increased antifungal drug consumption is correlated with increased costs and the emergence of drug resistance whereas there is yet no consensus about the benefits of the probabilistic antifungal treatment.The present work used modern statistical methods on longitudinal observational data. It investigated the impact of systemic antifungal treatment (SAT) on the distribution of the four Candida species most frequently isolated from ICU patients', their susceptibilities to SATs, the diagnosis of candidemia, and the prognosis of ICU patients. The use of autoregressive integrated moving average (ARIMA) models for time series confirmed the negative impact of SAT use on the susceptibilities of the four Candida species and on their relative distribution over a ten-year period. Hierarchical models for repeated measures showed that SAT has a negative impact on the diagnosis of candidemia: it decreases the rate of positive blood cultures and increases the time to positivity of these cultures. Finally, the use of causal inference models showed that early SAT has no impact on non-neutropenic, non-transplanted patient prognosis and that SAT de-escalation within 5 days after its initiation in critically ill patients is safe and does not influence the prognosis

L'objet de cette thèse est l'utilisation de données transcriptomiques actuelles dans le but d'en inférer un réseau de régulation génique. Ces données sont souvent complexes, et en particulier des données d'interventions peuvent être présente. L'utilisation de la théorie de la causalité permet d'utiliser ces interventions afin d'obtenir des réseaux causaux acycliques. Je questionne la notion d'acyclicité, puis en m'appuyant sur cette théorie, je propose plusieurs algorithmes et/ou améliorations à des techniques actuelles permettant d'utiliser ce type de données particulières
The purpose of this thesis is the use of current transcriptomic data in order to infer a gene regulatory network. These data are often complex, and in particular intervention data may be present. The use of causality theory makes it possible to use these interventions to obtain acyclic causal networks. I question the notion of acyclicity, then based on this theory, I propose several algorithms and / or improvements to current techniques to use this type of data

Les travaux de cette thèse s’inscrivent dans la théorie principalement développée par Judea Pearl sur les diagrammes causaux; des modèles graphiques qui permettent de dériver toutes les quantités causales d’intérêt formellement et intuitivement. Nous traitons le problème de l’inférence de réseau causal à partir uniquement de données d’observation, c’est-à-dire sans aucune intervention de la part de l’expérimentateur. En particulier, nous proposons d’améliorer les méthodes existantes pour les rendre plus aptes à analyser des données issues du monde réel, en nous affranchissant le plus possible des contraintes sur les distributions des données, et en les rendant plus interprétables. Nous proposons une extension de MIIC, une approche basée sur les contraintes et la théorie de l’information pour retrouver la classe d’équivalence du graphe causal à partir d’observations. Notre contribution est un algorithme de discrétisation optimale basé sur le principe de description minimale pour simultanément estimer la valeur de l’information mutuelle (et multivariée) et évaluer sa significativité entre des échantillons de variables de n’importe quelle nature : continue, catégorique ou mixte. Nous mettons à profit ces développements pour analyser des jeux de données mixtes d'intérêt clinique (dossiers médicaux de patients atteints de troubles cognitifs; ou du cancer du sein) ou biologique (réseaux de régulation génique de cellules précurseur hématopoïétiques)
The work in this thesis follows the theory primarily developed by Judea Pearl on causal diagrams; graphical models that allow all causal quantities of interest to be derived formally and intuitively. We address the problem of causal network inference from observational data alone, i.e., without any intervention from the experimenter. In particular, we propose to improve existing methods to make them more suitable for analyzing real-world data, by freeing them as much as possible from constraints on data distributions, and by making them more interpretable. We propose an extension of MIIC, a constraint-based information-theoretic approach to recover the equivalence class of the causal graph from observations. Our contribution is an optimal discretization algorithm based on the minimum description length principle to simultaneously estimate the value of mutual (and multivariate) information and evaluate its significance between samples of variables of any nature: continuous, categorical or mixed. We use these developments to analyze mixed datasets of clinical (medical records of patients with cognitive disorders; or breast cancer and being treated by neoadjuvant chemotherapy) or biological interest (gene regulation networks of hematopoietic stem and precursor cells)

Le suicide représente un problème de santé publique majeur en France avec près de 10 000 décès prématurés chaque année. L'étude des déterminants du suicide est complexe. Il s'agit d’un phénomène plurifactoriel, pouvant être influencé par des éléments personnels et/ou environnementaux, bio-médicaux et/ou socio-économiques. La présence de pathologies (psychiatriques ou somatiques) chez l'individu joue un rôle important. Les pathologies psychiatriques peuvent se compliquer de processus suicidaires (idées suicidaires, pouvant être suivies de comportements suicidaires, puis d'un décès par suicide). Pour les pathologies somatiques, la maladie peut impacter de manière importante la qualité de vie de l'individu, favorisant des processus suicidaires, et ainsi des décès par suicide. Des troubles psychiatriques peuvent ainsi compliquer les maladies somatiques, et constituer une étape vers la survenue de processus suicidaires. Les maladies somatiques peuvent également survenir chez des individus souffrant de troubles psychiatriques, et favoriser le déclenchement de processus suicidaires. Pour les pathologies psychiatriques comme somatiques, les processus suicidaires peuvent également être la conséquence d'effets indésirables des traitements médicamenteux. Il est alors souvent difficile de dénouer le rôle du traitement et de la pathologie traitée. Ce travail de thèse visait à étudier les relations complexes entre pathologies et suicide, à partir des données du Système national des données de santé (SNDS)
Suicide is a major public health problem in France, with nearly 10,000 premature deaths each year. Studying the determinants of suicide is complex. It is a multi-factorial phenomenon, which can be influenced by personal and/or environmental, biomedical and/or socio-economic factors. The presence of diseases (psychiatric or physical) in the individual plays an important role. Psychiatric pathologies can be complicated by suicidal processes (suicidal ideation, which may be followed by suicidal behaviour and then death by suicide). For physical diseases, the disease can have a significant impact on the quality of life of the individual, favouring suicidal processes, and thus death by suicide. Psychiatric disorders can thus worsen physical illnesses and be a step towards the occurrence of suicidal processes. Physical diseases can also occur in individuals suffering from psychiatric disorders, and can trigger suicidal processes. For both psychiatric and physical diseases, suicidal processes can also be the consequence of adverse effects of drug treatments. In such cases, it is often difficult to disentangle the role of the treatment and that of the pathology being treated. The aim of this thesis was to study the complex relationships between diseases and suicide death, using data from the French National Health Data System (SNDS)