Sélection d'effets aléatoires dans les modèles GLM Mixtes : applications à la modélisation de certaines gravités corporelles des accidents de la route. 

L'objectif principal de nos travaux est une contribution à la construction des méthodes statistiques (modélisation et estimation ) des paramètres intervenant dans l'évaluation et la compréhension de la gravité des accidents de la route. Bon nombre de travaux sur le sujet concernent principalement le modèle de régression logistique ou multinomial avec des paramètres fixes, cependant la survenue d'un accident étant un phénomène multi-factoriel et l'impact de certains facteurs sur le degré de gravité des blessures (âge ,sexe, facteurs physiologiques, etc) peuvent entrainer une certaine hétérogénéité inobservable entre les différents individus d'un même véhicule.

Cette hétérogénéité lorsqu'elle n'est pas prise en compte peut créer des biais et fausser l'interprétation des résultats. Nous proposons de modéliser la gravité des blessure lors d'un accident à l'aide de nouvelles méthodes permettant de mieux appréhender le problème qui est aujourd'hui la premiere cause de décès des jeunes (OMS 2013). Les accidents de la route sont un enjeu social, économique et politique. Cependant différents facteurs jouent en effet un rôle determinant dans bon nombre d'accidents, nous pouvons citer: les catégories de routes empruntées par les usagers, les différents types de véhicules impliqués dans l'accident, les types de collision etc.

Tous ces facteurs sont complexes à étudier, alors l'utilisation de modéles GLMM(Modèles Linéaires Généralisés Mixtes) et ses applications, les méthodes numériques efficaces sont indispensables si l'on veut être en mesure de mieux faire face à ce problème, tout en prenant en compte l'hétérogénéité inobservable entre les différents individus d'un même véhicule et de prévoir efficacement la gravite des blessures.

Random effects selection in Mixed GLM models: applications to the modelling of some road accident severities

The main objective of our work is to contribute to the construction of statistical methods (modelling and estimation) of the parameters involved in the evaluation and understanding of the severity of road accidents. Many works on the subject concern mainly the logistic or multinomial regression model with fixed parameters, however the occurrence of an accident being a multi-factorial phenomenon and the impact of certain factors on the degree of severity of the injuries (age, sex, physiological factors, etc.) can lead to a certain unobservable heterogeneity between the different individuals of the same vehicle.

This heterogeneity, when not taken into account, can create biases and distort the interpretation of the results. We propose to model the severity of injuries during a crash using new methods to better understand the problem which is now the leading cause of death for young people (WHO 2013). Road traffic injuries are a social, economic and political issue. However, different factors play a determining role in many accidents, such as the type of roads used by users, the different types of vehicles involved in the accident, the type of collision, etc. All these factors are complex to study, and the results of the study should be used as a basis for further research.

All these factors are complex to study, so the use of GLMM (Generalized Linear Mixed Models) and its applications, efficient numerical methods are indispensable if we want to be able to better face this problem, while taking into account the unobservable heterogeneity between different individuals of the same vehicle and to efficiently predict the severity of the injuries.