Évaluation de la stabilité primaire d'une greffe ostéochondrale autologue stabilisée au moyen d'un ciment ostéoconducteur résorbable

L’objectif de cette étude est de vérifier si un ciment ostéoconducteur résorbable utilisé comme technique de fixation de greffons ostéochondraux permet d'obtenir une stabilité initiale supérieure à celle obtenue avec la technique de mosaicplastie originalement décrite. Il s’agit d’une étude biomécanique effectuée sur des paires de fémurs cadavériques bovins. Pour chaque paire de fémurs, des greffons ostéochondraux autologues ont été insérés et stabilisés au moyen d’un ciment biorésorbable (Kryptonite, DRG inc.) sur un fémur alors qu’au fémur controlatéral, les greffons ont été implantés par impaction selon la technique usuelle de mosaicplastie. Des greffons uniques ainsi que des greffons en configuration groupée ont été implantés et soumis à une évaluation biomécanique. Les charges axiales nécessaires pour enfoncer les greffons de 1, 2 et 3 mm ont été comparées en fonction de la technique de stabilisation utilisée, ciment ou impaction, pour chaque configuration de greffons. Les résultats démontrent que les greffons ostéochondraux cimentés uniques et groupés ont une stabilité initiale supérieure à celle de greffons non cimentés sur des spécimens cadavériques bovins. L’obtention d’une plus grande stabilité initiale par cimentation des greffons ostéochondraux pourrait permettre une mise en charge précoce post-mosaicplastie et mener à une réhabilitation plus rapide.

Stress testing a complement of value-a-risk.

Rapport de stage (maîtrise en finance mathématique et computationnelle)

The Seemingly Unrelated Dynamic Cointegration Regression Model and Testing for Purching Power Parity.

This paper studies seemingly unrelated linear models with integrated regressors and stationary errors. By adding leads and lags of the first differences of the regressors and estimating this augmented dynamic regression model by feasible generalized least squares using the long-run covariance matrix, we obtain an efficient estimator of the cointegrating vector that has a limiting mixed normal distribution. Simulation results suggest that this new estimator compares favorably with others already proposed in the literature. We apply these new estimators to the testing of purchasing power parity (PPP) among the G-7 countries. The test based on the efficient estimates rejects the PPP hypothesis for most countries.

Testing Normality : A GMM Approach

In this paper, we consider testing marginal normal distributional assumptions. More precisely, we propose tests based on moment conditions implied by normality. These moment conditions are known as the Stein (1972) equations. They coincide with the first class of moment conditions derived by Hansen and Scheinkman (1995) when the random variable of interest is a scalar diffusion. Among other examples, Stein equation implies that the mean of Hermite polynomials is zero. The GMM approach we adopted is well suited for two reasons. It allows us to study in detail the parameter uncertainty problem, i.e., when the tests depend on unknown parameters that have to be estimated. In particular, we characterize the moment conditions that are robust against parameter uncertainty and show that Hermite polynomials are special examples. This is the main contribution of the paper. The second reason for using GMM is that our tests are also valid for time series. In this case, we adopt a Heteroskedastic-Autocorrelation-Consistent approach to estimate the weighting matrix when the dependence of the data is unspecified. We also make a theoretical comparison of our tests with Jarque and Bera (1980) and OPG regression tests of Davidson and MacKinnon (1993). Finite sample properties of our tests are derived through a comprehensive Monte Carlo study. Finally, three applications to GARCH and realized volatility models are presented.