Stage en Biostatistique RWE (H/F)

Description de l'offre

Description du poste

Les méthodes d’analyses de Real World Data ( et Real World Evidence) jouent un rôle croissant dans

les décisions de santé et le développement pharmaceutique, notamment en permettant l’évaluation de l’effet

traitement en vie réelle Dans les études observationnelles comparatives, le biais de confusion est généralement considéré comme le risque majeur pour l’estimation juste de l’effet traitement Les méthodes usuelles tells que l’appariement, les scores de propension ou la g-estimation sont bien connues pour permettre l’estimation correcte de l’effet traitement.

Dans le cadre du Targeted Learning, la méthode de Targeted Maximum Likelihood Estimation ( est une

alternative reconnue pour ses propriété statistiques intéressantes Il s’agit d’un méthode semi paramétrique

doublement robuste qui augmente les chances d’une bonne modélisation en autorisant une estimation flexible à l’aide de méthode de machine learning La TMLE nécessite donc des hypothèses moins fortes que ces méthodes concurrentes (1)

L’objectif principal du stage sera d’acquérir la maîtrise de la méthode TMLE, de l’évaluer à l’aide de simulations et de l’appliquer sur une étude observationnelle.

(1) Schuler, M S Rose, S 2017 Targeted maximum likelihood estimation for causal inference in observational

studies American journal of epidemiology 185 1 65 73

Missions

·  Bibliographie sur la méthode TMLE
·  Evaluation de la méthode à l’aide de simulations
·  Application sur une étude observationnelle

Profil recherché

Étudiant en dernière année de Master avec spécialisation en biostatistique, statistique ou data science

Connaissance des méthodes de machine learning.

Bon niveau de programmation en R et SAS.