Aurélie Mayet, Stéphane Legleye, Bruno Falissard Journées internationales de l’unité Inserm U669

Etude des transitions entre usagesde tabac et de cannabis chez l’adolescent :

de l’expérimentation à l’usage quotidien

Utilisation d’un modèle multi-états

Aurélie Mayet, Stéphane Legleye, Bruno Falissard

Journées internationales de l’unité Inserm U66925-26 mai 2009

2

Modélisation des maladies

• Facteurs influençant une maladie– Covariables non dépendantes du temps

• Genre, géographie, ATCD familiaux…

– Covariables dépendantes du temps• Age, maladie intercurrente…

– Evolution propre de la maladie• Maladie = séquence d’évènements

– Temps

• Plusieurs approches de modélisation

3

Modélisation des maladies

• Modèles multivariés « simples »– Influence de covariables → probabilité d’être malade– Temps: celui des mesures…

• Modèles de survie– Prise en compte de la dynamique temporelle– Covariables → probabilité de devenir malade

• Modèles multi-états– Généralisation du modèle de survie– Maladie = séquence d’évènements– probabilité de passer d’un événement à un autre– Plusieurs observations par individu

4

• Modèle vivant – mort (Cox)

• Modèle sain – malade – mort

Différents modèles

Vivant Mort

Sain Mort

Malade

Covariables

Covariables

5

• Généralisation


Etat 1 Etat 2

Etat 3 Mort

Covariables

6


• Modélisation de comportements

maladie

occasionnel

Covariables

Abstinent quotidien

abus

dépendance

7

Quelques définitions

• Etat

• Transition

• Intensité de transition

• Probabilité de transition

• Covariable

8


• Etat– Stade de la maladie à un temps donné– Ce qui est mesuré (mais pas toujours…)

ji

9


• Etat

• Transition– Passage d’un état à un autre– Peut intervenir entre deux mesures

ji

10


• Etat

• Transition

• Intensité de transition (IT)– Risque instantané de transition– Ce que le modèle calcule

ji ij

11


• Etat

• Transition


• Probabilité de transition– D’être dans l’état j dans le futur sachant i– Modélisée pour une durée donnée

jiPt j i

Futur

12


• Etat

• Transition


• Probabilité de transition

• Covariable– Ce qui influe sur l’intensité de transition

ji ij

13

Mesure

Etat 2 Etat 2 Etat 1 Mort(Etat 3)

• Privilégier mesure non informative

14

Processus Markovien

• Fonction aléatoire (états) dépendant– Du temps– Du hasard

• Hypothèse markovienne– L’état présent ne dépend que du précédent– Pas de prise en compte du passé

• Hypothèse d’homogénéité– Les intensités de transition sont

constantes au cours du temps

15

Objectifs de l’étude

• Décrire le processus d’usages de tabac et de cannabis chez l’adolescent dans sa globalité– Transitions tabac-cannabis– Transitions 1er usage-usage quotidien

• Décrire l’influence du genre et du niveau socio-économique

16

Sujets et méthode

• Enquête ESCAPAD 2005– Prévalence des usages de drogues– Echantillonnage

• Recueil sur 15 jours de JAPD• 5% de l’effectif convoqué• 29 393 jeunes de 17 et 18 ans

• Taux de participation élevé (>90%)

• Questionnaire auto-administré

17

Sujets et méthode

• Cohorte rétrospective virtuelle

• Ages de début– Expérimentation tabac– Expérimentation cannabis– Usage quotidien de tabac– Usage quotidien de cannabis

18

Modèle utilisé

-7 états exclusifs / 11 transitions

-Pas d’état absorbant au sens markovien du terme

19

Modèle utilisé

• Matrice estimée – Entrées définissent les transitions possibles (IT)– Somme de chaque ligne = 0

• Influence des covariables (Cox-like) jk(zit)=qjk

(0)exp(βjkTzit) pour chaque entrée

=

20

Modèle utilisé

• Estimation des valeurs initiales– Maximum vraisemblance– Hypothèse que toutes les transitions sont

mesurées

• Adéquation– Convergence du modèle– Comparaison prévalences

calculées/observées

21

Population

• 29 393 sujets de 17 et 18 ans

• 10-12 ans de suivi

• 340 128 observations

22

Intensités de transitions

2

1st cigarette 4 Tobacco+cannabis

1st use

5

Tobacco daily use

6

Cannabis daily use

1

No lifetime use0.071

[0.070-0.072]

3

1st cannabis use

7 Tobacco+cannabis

daily use

0.004 [0.004-0.004]

0.170 [0.166-0.174]

0.230 [0.205-0.258]

0.067 [0.065-0.070]

0.074 [0.070-0.078]

0.009 [0.008-0.011]

0.120 [0.082-0.178]

0.040 [0.037-0.044]

0.041 [0.038-0.044]

0.014 [0.010-0.022]

23


2


1st use

5

Tobacco daily use

6

Cannabis daily use

1


[0.070-0.072]

3

1st cannabis use

7 Tobacco+cannabis

daily use

0.004 [0.004-0.004]

0.170 [0.166-0.174]

0.230 [0.205-0.258]

0.067 [0.065-0.070]

0.074 [0.070-0.078]

0.009 [0.008-0.011]

0.120 [0.082-0.178]

0.040 [0.037-0.044]

0.041 [0.038-0.044]

0.014 [0.010-0.022]

Risque x18 d’expérimenter le tabac en 1er

24


2


1st use

5

Tobacco daily use

6

Cannabis daily use

1


[0.070-0.072]

3

1st cannabis use

7 Tobacco+cannabis

daily use

0.004 [0.004-0.004]

0.170 [0.166-0.174]

0.230 [0.205-0.258]

0.067 [0.065-0.070]

0.074 [0.070-0.078]

0.009 [0.008-0.011]

0.120 [0.082-0.178]

0.040 [0.037-0.044]

0.041 [0.038-0.044]

0.014 [0.010-0.022]

Effet escalade

Risque x3 d’expérimenter le cannabis lorsqu’on a goûté au tabac

25


2


1st use

5

Tobacco daily use

6

Cannabis daily use

1


[0.070-0.072]

3

1st cannabis use

7 Tobacco+cannabis

daily use

0.004 [0.004-0.004]

0.170 [0.166-0.174]

0.230 [0.205-0.258]

0.067 [0.065-0.070]

0.074 [0.070-0.078]

0.009 [0.008-0.011]

0.120 [0.082-0.178]

0.040 [0.037-0.044]

0.041 [0.038-0.044]

0.014 [0.010-0.022]

Effet escalade

Risque x42 d’expérimenter le tabac lorsqu’on a goûté au cannabis

26


2


1st use

5

Tobacco daily use

6

Cannabis daily use

1


[0.070-0.072]

3

1st cannabis use

7 Tobacco+cannabis

daily use

0.004 [0.004-0.004]

0.170 [0.166-0.174]

0.230 [0.205-0.258]

0.067 [0.065-0.070]

0.074 [0.070-0.078]

0.009 [0.008-0.011]

0.120 [0.082-0.178]

0.040 [0.037-0.044]

0.041 [0.038-0.044]

0.014 [0.010-0.022]

Transitions cannabis vers tabac plus accentuées que transitions tabac vers cannabis

27


2


1st use

5

Tobacco daily use

6

Cannabis daily use

1


[0.070-0.072]

3

1st cannabis use

7 Tobacco+cannabis

daily use

0.004 [0.004-0.004]

0.170 [0.166-0.174]

0.230 [0.205-0.258]

0.067 [0.065-0.070]

0.074 [0.070-0.078]

0.009 [0.008-0.011]

0.120 [0.082-0.178]

0.040 [0.037-0.044]

0.041 [0.038-0.044]

0.014 [0.010-0.022]

Tabac 5 fois plus addictogène que cannabis

28

Influence des covariables

2


1st use

5

Tobacco daily use

6

Cannabis daily use

1

No lifetime useG: 1.15 [1.12-1.19] PSC: NS

3

1st cannabis use

7 Tobacco+cannabis

daily use

G: 0.68 [0.60-0.77] PSC: 0.94 [0.89-0.99]

G: 0.84 [0.81-0.88] PSC: 0.90 [0.88-0.91]

G: NS PSC: 1.12 [1.03-1.21]

G: 1.13 [1.05-1.21] PSC: 1.18 [1.15-1.22]

G: NS PSC: NS

G: NS PSC: NS

G: NS PSC: 1.16 [1.03-1.15]G: 0.63 [0.54-0.74]

PSC: 1.08 [1.02-1.15]

G: 0.56 [0.47-0.68] PSC: NS

G: NS PSC: NS

G: hazard ratio for gender (girls versus boys)

PSC: hazard ratio for parental social category score (increase of 1) NS: non significant

29

Influence des covariables

• Etre une fille…– Prédispose à fumer des cigarettes– Protège vis à vis des joints

• Etre d’une catégorie sociale élevée…– Prédispose à l’expérimentation cannabinique

• Etre d’une catégorie sociale basse…– Prédispose aux usages quotidiens

30

Discussion

• Validation du modèle– Compatible avec le processus des usages– Cross validation

• Relation bilatérale tabac-cannabis

• Effet escalade

• Hypothèse d’homogénéité– Processus court (4 ans pour le cannabis)– Période de vie homogène (fin adolescence)

31

Les Markov en pratique

• Des hypothèses contraignantes– Hypothèse de Markov – Hypothèse d’homogénéité

• Du data management– Observations et non sujets– Variable selon les logiciels

32

Une grande famille

• Modèle de Cox Markov– 1 Cox pour chaque transition

• Modèle semi-markovien– Prise en compte de la durée passée dans

l’état

• Modèle de Markov non homogène– Transitions fonctions du temps

33

Logiciels markoviens

• MARKOV (Marshall et al.)– Modèle de Markov homogène

• MKVPCI (Alioum et al.)– Variation des intensités sur 3 intervalles– Compliqué à mettre en œuvre

• R package msm (Jackson et al.)– Temps d’observation arbitraires– Grande liberté de modélisation

• R package tdc.msm (Meira-Machado et al.)– Modèles multiples dont Markov non homogène– Liberté de modélisation étroite

Aurélie Mayet, Stéphane Legleye, Bruno Falissard Journées internationales de l’unité Inserm U669

Documents