Propagation d'épidémies et survie en grande dimension : des modèles statistiques classiques aux méthodes d'apprentissage.

La soutenance de l'HDR  de Audrey Lavenu aura lieu vendredi 14 avril 2023 à 14h00 dans l'amphi Lebesgue du bâtiment 22, sur le campus de Beaulieu.

Cette soutenance sera suivie d'un pôt auquel vous êtes conviés.

Résumé :

Cette Habilitation à Diriger des Recherches (HDR) de Mathématiques s’inscrit en statistique appliquée à l’épidémiologie et à la recherche clinique.
Les technologies modernes permettent de générer des données sur des milliers de variables ou d'observations, que ce soit via internet qui peut être utilisé pour construire un signal médical, ou directement à partir de données-patients génomiques, radiomiques, des bases de données médico-administratives, de surveillance des maladies par des dispositifs médicaux intelligents, etc. Ces données massives nécessitent le développement de méthodes spécifiques statistiques ou d’apprentissage qui rendent robustes et fiables les réponses aux questions cliniques sous-jacentes. Mon travail de recherche s’intéresse principalement aux données de durées (d’apparition d’événements) et de séries temporelles de propagation d’épidémies. Les particularités de ces deux types de données engendrent des sujets méthodologiques qui nécessitent également des études de simulations.
Les modèles présentés, développés ou appliqués sont, entre autres, des forêts aléatoires classiques ou de survie, des méthodes à noyaux adaptées, des modèles autorégressifs, des modèles de Cox, des modèles compartimentaux SIR (Susceptible-Infectious-Removed), des modèles mixtes linéaires et non linéaires, ou des modèles joints.
Ce travail concerne essentiellement des applications médicales d’enjeu de santé publique majeur comme la grippe, la gastro-entérite, la COVID19, le glioblastome, la croissance tumorale, ou les variations de quantité de fer et d’hepcidine pendant le cycle menstruel.