@ARTICLE{10.21494/ISTE.OP.2022.0866, TITLE={Processus latent à mémoire longue pour l’analyse de données de Qualité de Vie longitudinales}, AUTHOR={Mounir Mesbah, Rachid Senoussi, }, JOURNAL={Biostatistiques et sciences de la santé}, VOLUME={3}, NUMBER={Numéro 1}, YEAR={2022}, URL={https://www.openscience.fr/Processus-latent-a-memoire-longue-pour-l-analyse-de-donnees-de-Qualite-de-Vie}, DOI={10.21494/ISTE.OP.2022.0866}, ISSN={2632-8291}, ABSTRACT={Dans cet article, nous présentons une méthode basée sur les modèles à variables latentes pour décrire l’évolution longitudinale de qualité de vie liée à la santé de patients se trouvant dans des conditions spécifiques. Tout d’abord, nous traitons le cas fréquent où des questionnaire différents sont utilisés séquentiellement pour mesurer un même trait latent pendant une longue période de suivi. Dans un second temps, nous proposons des modèles où le processus latent peut tenir compte d’un effet de longue mémoire, la qualité de vie d’un individu pouvant fortement dépendre de ses lointains antécédents. Pour cela, nous avons construit un cadre statistique général et donné la formule de vraisemblance correspondante. Nous proposons ensuite un algorithme d’approximation de cette vraisemblance, écrit dans le langage R, et l’avons appliqué à un ensemble de données réelles. Les résultats statistiques obtenus pour ce jeu de données étayent la pertinence de cette approche concernant certaines hypothèses rationnelles de test, la cohérence des valeurs estimées des paramètres ainsi que sa robustesse vis-à-vis des changements de protocole de mesure.}}