Facteurs de risque de sévérité de la papillomatose respiratoire juvénile

La papillomatose respiratoire récurrente (PRR) juvénile est causée par les génotypes 6 et 11 du virus du papillome humain (VPH). Cette maladie est caractérisée par des verrues récurrentes généralement au larynx. La forme sévère peut avoir un impact dévastateur sur la santé et la qualité de vie de l’enfant atteint et de sa famille en raison des conséquences des multiples chirurgies nécessaires et du risque d'obstruction des voies respiratoires. Objectif: Examiner les facteurs de risque associés aux manifestations sévères de la PRR. Méthode: Étude rétrospective des 31 cas diagnostiqués entre janvier 1995 et décembre 2008. Les données démographiques, cliniques, génétiques et virologiques ont été évaluées. Des régressions logistiques furent effectuées afin d'évaluer le rôle des variables indépendantes sur la sévérité de la maladie. Résultats: Nos données suggèrent que les facteurs de risque de sévérité de la PRR seraient associés au genre féminin (Rapport de cotes (RC)=2.60, intervalles de confiance (IC) 95% : 0.44-15.44), au fait d’être premier-né (RC=3.51, IC 95% : 0.17-72.32), à un statut économique faible (RC=5.31, IC 95% : 0.17-164.19), à un jeune âge (RC=0.83, IC 95% : 0.68-1.01), à une charge virale élevée (RC=3.81, IC 95% : 0.23-63.16) et aux condylomes chez la mère pendant la grossesse (RC=12.05, IC 95% : 0.97-149.85). Conclusion: La sévérité de la PRR serait le résultat d'une combinaison de déterminants qui favoriseraient la croissance cellulaire particulièrement chez les jeunes enfants. Des mesures préventives et thérapeutiques visant à restreindre la contamination et la réplication du virus pourraient réduire le fardeau de la maladie.

Essays in partial identification and applications to treatment effects and policy evaluation.

Dans cette thèse, je me suis interessé à l’identification partielle des effets de traitements dans différents modèles de choix discrets avec traitements endogènes. Les modèles d’effets de traitement ont pour but de mesurer l’impact de certaines interventions sur certaines variables d’intérêt. Le type de traitement et la variable d’intérêt peuvent être défini de manière générale afin de pouvoir être appliqué à plusieurs différents contextes. Il y a plusieurs exemples de traitement en économie du travail, de la santé, de l’éducation, ou en organisation industrielle telle que les programmes de formation à l’emploi, les techniques médicales, l’investissement en recherche et développement, ou l’appartenance à un syndicat. La décision d’être traité ou pas n’est généralement pas aléatoire mais est basée sur des choix et des préférences individuelles. Dans un tel contexte, mesurer l’effet du traitement devient problématique car il faut tenir compte du biais de sélection. Plusieurs versions paramétriques de ces modèles ont été largement étudiées dans la littérature, cependant dans les modèles à variation discrète, la paramétrisation est une source importante d’identification. Dans un tel contexte, il est donc difficile de savoir si les résultats empiriques obtenus sont guidés par les données ou par la paramétrisation imposée au modèle. Etant donné, que les formes paramétriques proposées pour ces types de modèles n’ont généralement pas de fondement économique, je propose dans cette thèse de regarder la version nonparamétrique de ces modèles. Ceci permettra donc de proposer des politiques économiques plus robustes. La principale difficulté dans l’identification nonparamétrique de fonctions structurelles, est le fait que la structure suggérée ne permet pas d’identifier un unique processus générateur des données et ceci peut être du soit à la présence d’équilibres multiples ou soit à des contraintes sur les observables. Dans de telles situations, les méthodes d’identifications traditionnelles deviennent inapplicable d’où le récent développement de la littérature sur l’identification dans les modèles incomplets. Cette littérature porte une attention particuliere à l’identification de l’ensemble des fonctions structurelles d’intérêt qui sont compatibles avec la vraie distribution des données, cet ensemble est appelé : l’ensemble identifié. Par conséquent, dans le premier chapitre de la thèse, je caractérise l’ensemble identifié pour les effets de traitements dans le modèle triangulaire binaire. Dans le second chapitre, je considère le modèle de Roy discret. Je caractérise l’ensemble identifié pour les effets de traitements dans un modèle de choix de secteur lorsque la variable d’intérêt est discrète. Les hypothèses de sélection du secteur comprennent le choix de sélection simple, étendu et généralisé de Roy. Dans le dernier chapitre, je considère un modèle à variable dépendante binaire avec plusieurs dimensions d’hétérogéneité, tels que les jeux d’entrées ou de participation. je caractérise l’ensemble identifié pour les fonctions de profits des firmes dans un jeux avec deux firmes et à information complète. Dans tout les chapitres, l’ensemble identifié des fonctions d’intérêt sont écrites sous formes de bornes et assez simple pour être estimées à partir des méthodes d’inférence existantes.