Mixed Hidden Markov Model for Heterogeneous Longitudinal Data with Missingness and Errors in the Outcome Variable Titre: Modèle de Markov caché mixte pour des données longitudinales hétérogènes avec erreurs et données manquantes dans la variable de sortie

摘要: Analysing longitudinal declarative data raises many difficulties, such as the processing of errors and missingness in outcome variable. Moreover, long-term monitored cohorts (commonly encountered life-course epidemiology) may reveal a problem time heterogeneity, especially regarding way subjects respond to investigator. We propose Mixed Hidden Markov Model which considers several causes randomness response also enables effect past health act on present responses through memory state. Hence, we take into account both missing responses, retrospective questions. thus Stochastic Expectation Maximization algorithm (SEM), is less time-consuming than usual EM algorithms perform estimation parameters our MHMM. carry out simulation study assess performances this context cancer epidemiology with British NCDS 1958 cohort. Simulations show that covariates transitions probabilities estimated moderate bias. At last, investigate brief real application early social class smoking behaviour. It appears female sample used, does not mainly behaviours. more information needed compensate for view improve statistical analysis. Resume : L'analyse de donnees declaratives longitudinales fait apparaitre nombreuses difficultes, comme le traitement des erreurs et manquantes la variable sortie. En outre, les cohortes suivies sur long terme, telles que celles utilisees en epidemiologie "life-course" peuvent soulever un probleme d'heterogeneite du temps, surtout ce qui concerne facon repondre aux questions l'enqueteur. Nous proposons dans cet article l'introduction d'un modele cache mixte comprend possibilites d'erreur non-reponse, permet egalement considerer l'effet resultat sante passe peut agir reponses actuelles travers une memoire d' etat. estimations, nous avons d'utiliser algorithme Stochastique est moins gourmand temps calcul l'algorithme usuel utilisant integration effets aleatoires. effectue etude par afin d'evaluer contexte l'epidemiologie avec cohorte britanniques "NCDS 1958". Les simulations ont montre covariables probabilites ete estimee biais modere. Enfin, realise reelles etudiant classe sociale precoce comportement tabagique. Il apparu que, l'echantillon femmes utilise pour cette enquete, n'agit pas principalement l'usage tabac. Cependant, plus d'information necessaire compenser declaration obtenir meilleurs resultats statistiques.