Résumé 233 :
Dealing with long-time range dependence in large-scale multiple testing of event-related potentials data
Perthame, Emeline ; Causeur, David ; Sheu, Ching-Fan ; Lee, Yuh-Shiow
Agrocampus Ouest
Les potentiels évoqués cognitifs (ERPs) sont utilisés dans la recherche en psychologie pour décrire par électro-encéphalographie (EEG) l'évolution temporelle de l'activité cérébrale induite par des évocations. Sur les courts intervalles de temps durant lesquels les variations d'ERPs sont liées à des conditions expérimentales, le signal psychologique est souvent faible au regard de la variablité inter-individuelle des courbes d'EEG.
Groppe et al. (2011) proposent une revue des procédures de tests simultanés pour les données ERPs. Toutefois, ils se limitent à la comparaison de méthodes classiques et ne mentionnent pas les problèmes liés à la forte dépendance entre les statistiques de tests au cours du temps. Pourtant, il ressort d'articles récents sur les tests multiples pour données à haut-débit (voir Efron, 2007) qu'une forte corrélation entre les tests réduit considérablement la précision et la stabilité des procédures.
Cette dépendance est fortement structurée dans le temps, avec une composante autorégressive et une structure en blocs. Nous proposons une méthode basée sur la modélisation jointe du signal et de la dépendance entre les statistique de tests au cours du temps, afin d'améliorer les procédures de tests multiples telles que celles de Benjamini et Hochberg (1995), de Guthrie et Buchwald (1991), conçue pour l'analyse de données d’ERP, et les récentes approches de décorrélation proposées par Leek et Storey (SVA, 2008) et Sun et al. (2012).