DynKiGraft

Prédictions dynamiques d'échec de greffe de rein

Dans le cadre d’une collaboration avec l’entreprise SEMEIA, matérialisée par la thèse CIFRE de Lucas Chabeau, nous avons proposé plusieurs travaux méthodologiques (Chabeau et al., Statistics in Medicine, 2025; Chabeau et al., Clinical Epidemiology, 2026). Ces travaux de biostatistique nous ont conduit à développer un package Python pour l’estimation d’un modèle conjoint pour données longitudinales multiples en présence de risque compétitifs (https://github.com/Semeia-io/jmrespy).

Selon les recommandations TRIPOD, nous avons ensuite développé et validé en interne et externe un outil de prédiction dynamique de l’échec de greffe rénale à partir de mesures de 3 marqueurs longitudinaux (créatinine sérique, protéinurie et anticorps de classe II HLA spécifiques au donneur) ainsi que de variables disponibles à la transplantation rénale. [GitHub Lucas] [App SEMEIA]). L’ensemble de ce projet fait suite à de précédents travaux ayant été mené dans le cadre de la thèse de Marie-Cécile Fournier (Fournier et al., Nephrology Dialysis Transplantation, 2019; Lenain et al., Transplantation, 2021; https://dantan.shinyapps.io/DynPG).