De nombreuses études médicales visant à étudier le pronostic de patients, l’impact de certaines covariables sur une maladie s’appuient largement sur des indicateurs populationnels, dont la survie. Plus généralement, l’estimation de la survie est un indicateur pertinent pour juger du contrôle de la maladie. Pour les pathologies chroniques, comme le cancer, la création de registres a permis d’améliorer les connaissances épidémiologiques. Les données de registres de cancer constituent une source de données exhaustive et de qualité pour évaluer et améliorer la qualité des soins. Les analyses sont généralement effectuées par le biais de méthodes de mortalité en excès visant à modéliser l’excès de mortalité et en déduire la survie nette. Plus précisément, la survie nette correspond à la survie qui serait observée en l’absence de mortalité due à d’autres causes que le cancer étudié. Son estimation ne nécessite pas la connaissance de la cause exacte de décès, ce qui requiert des informations sur la mortalité dans la population générale qui est couverte par le registre. Que ce soit dans un cadre paramétrique ou non, l’estimation de la survie nette repose sur l’utilisation de tables de mortalité. Ces tables de mortalité de la population générale sont supposées refléter la mortalité due aux autres causes de décès que la maladie étudiée. Cependant, la plupart du temps, ces tables ne contiennent pas assez d’information. Par exemple en France elles sont fournies uniquement par âge et stratifiées sur le sexe, la période, le département. Alors qu’aux Etats-Unis, un niveau de stratification supplémentaire sur l’ethnie se retrouve dans certains Etats et qu’en Angleterre un niveau de stratification existe sur un indicateur de déprivation sociale. Il a été montré que le manque de stratification d’une table de mortalité par un facteur pronostique biaise les estimations de l’effet de cette variable sur l’excès de mortalité. Cette thèse avait pour objectif de proposer de nouveaux modèles pour estimer la mortalité en excès due au cancer sur données populationnelles, en cas de tables de mortalité insuffisamment stratifiées. Dans un premier travail, nous avons développé un modèle à risques populationnels non proportionnels. Ce modèle autorise la variation dans le temps de l’effet d’une variable sur la mortalité dans la population générale, en fonction d’un ou de plusieurs points de rupture. Dans un second travail, nous avons proposé un modèle à classes latentes pour estimer la mortalité en excès. Ce modèle permet d’identifier des sous-groupes non-observés (latents) de patients. Les performances des modèles développés ont été évaluées et une application a été faite sur les données du cancer colorectal du réseau français des registres de cancer. Les modèles proposés se sont avérés être des bonnes approches pour estimer la mortalité en excès sur données populationnelles, en cas de tables de mortalité insuffisamment stratifiées.
