Résumé 31 :
Estimation jointe de modèles non linéaires à effets mixtes par vraisemblance pénalisée : application en pharmacocinétique
Ollier, Edouard ; Viallon, Vivian
Laboratoire de pharmacologie et toxicologie CHU Saint Etienne
En pharmacocinétique les données possèdent souvent une structure de groupe : par exemple, les groupes peuvent correspondre à différentes modalités de traitement. Un modèle non linéaire à effets mixtes peut être construit dans chacun de ces groupes, le travail de modélisation consiste alors à identifier les paramètres dont l'estimation varie significativement a travers les groupes. Dans ce travail, nous nous intéressons à l'estimation jointe de modèles non linéaires a effets mixtes par une méthode de vraisemblance pénalisée de type fused lasso. Nous étudierons deux types de problèmes : (i) l'estimation jointe des effets fixes et des variances des effets aléatoires; et (ii) l'estimation jointe des effets fixes dans le cas où des covariables doivent être sélectionnées. L'estimation des paramètres sera réalisée par un algorithme de type SAEM. Il sera évalué sur données simulées et applique sur les données d'un essai clinique étudiant l'interaction médicamenteuse entre un anticoagulant et un antibiotique.