| Summary: | Les questions de l’organisation de la surveillance des patients ayant reçu un traitement pour un cancer sont toujours ouvertes. Les pratiques courantes sont principalement fondées sur des recommandations d’experts. Peu de preuves scientifiques sont posées pour les valider. Cette thèse propose une méthodologie pour organiser une surveillance post-thérapeutique des patients traités du cancer. Cette surveillance sera individualisée en tenant compte des caractéristiques du patient. Elle sera aussi flexible en s’adaptant aux caractéristiques propres de la maladie, de sa sévérité et des différents types de récidives attendues. Une première partie permet de déterminer la durée optimale de suivi du patient. Les fonctions d’incidences cumulées des différents types de récidives sont modélisées par une approche directe de modélisation de risques compétitifs. La deuxième propose une méthodologie pour fixer les dates de visite de façon optimale. Cette méthode passe par la modélisation des dates d’apparition des événements par une approche multi-états en utilisant une hypothèse de Markov homogène. Enfin, un algorithme est proposé pour évaluer un programme de surveillance post-thérapeutique. Cet algorithme permet de simuler de façon numérique les transitions dynamiques par une technique de simulation des événements discrets. L’ensemble des modèles se basent sur l’histoire naturelle de la maladie. === There still are open questions about the organization of the surveillance of patients who received treatment for cancer. Current practices are mainly based on expert recommendations. Little scientific evidence are found to confirm them. This thesis proposes a methodology to organize the post-therapeutic follow-up of patients treated for cancer. This follow-up will be individualized according to the patient’s characteristics. It will also be flexible and adapt to the characteristics of the disease, its severity and the expected types of recurrences. The first part considers the determination of the patient’s follow-up period. The cumulative incidence functions of the different recurrence types are modeled by a direct competing risks modeling approach. The second part proposes a methodology to determine the optimal visit dates. This approach involves modeling the dates of recurrence by a multi-state approach using a homogeneous Markov assumption. Finally, an algorithm is proposed to evaluate a post-therapeutic surveillance program. This algorithm simulates dynamic states transitions by a discrete events simulation approach. All models are based on the natural history of the disease.
|
|---|
