Denis Talbot

Denis Talbot, Ph.D., est chercheur régulier au Centre de recherche du CHU de Québec-Université Laval et professeur titulaire en biostatistique au Département de médecine sociale et préventive de la Faculté de médecine de l’Université Laval. Il détient un doctorat en mathématiques avec concentration en statistique de l’Université du Québec à Montréal et a effectué un stage postdoctoral en biostatistique à University of Washington.

Le programme de recherche du professeur Talbot porte sur les méthodes statistiques d’analyse des données pour faciliter l’inférence causale. L’inférence causale consiste à prédire l’effet qu’aurait une intervention à l’aide de données. Lorsque ces données proviennent d’une étude d’observation, c’est-à-dire une étude où l’on observe l’exposition et le résultat de santé sans intervention du chercheur, différents facteurs peuvent être associés à la fois à l’exposition et à la réponse et créer une association trompeuse entre l’exposition et la réponse qu’on appelle biais de confusion. Afin d’obtenir des résultats valides, il est ainsi nécessaire d’utiliser des méthodes d’analyse des données qui permettent de minimiser les biais de confusion. Par son programme de recherche, le professeur Talbot contribue à évaluer, comparer et développer de nouvelles méthodes d’analyse de données pour réduire au minimum les biais de confusion. Pour ce faire, il utilise notamment les mathématiques et l’intelligence artificielle.

L’une de ses thématiques actuelles de recherche est l’analyse des données médico-administratives, par exemple pour l’évaluation de l’efficacité en situation réelle de médicaments ou pour le suivi rapide de l’efficacité des vaccins. Ces données présentent de nombreux avantages, dont une grande richesse d’information sur de très nombreux individus. Elles présentent cependant aussi des défis particuliers en raison de leur très grande taille et parce qu’elles ne sont pas collectées initialement pour la recherche. Développer des méthodes d’analyse adaptées à ce type de données permettra de maximiser les bénéfices de leur utilisation et de réduire au minimum les inconvénients.

Une autre thématique de recherche du professeur Talbot porte sur les méthodes de médecine personnalisée. Ces méthodes visent à cerner les meilleurs traitements médicaux pour une personne donnée à un moment donné en tenant de ses caractéristiques. Le professeur Talbot s’intéresse entre autres à l’utilisation de l’intelligence artificielle dans ce contexte pour réduire les biais de confusion et pour identifier de nouvelles caractéristiques utiles à prendre en compte pour mieux personnaliser les traitements.

À titre d’expert en méthodes statistiques, le professeur Talbot collabore à des projets de recherche dans de très nombreux domaines. Au cours des dernières années, il a entre autres collaboré à des projets de recherche concernant la santé au travail, la santé cardiovasculaire, la santé mentale, le cancer du sein et l’efficacité vaccinale.

En résumé, le programme de recherche du professeur Talbot permet de développer de nouvelles méthodes d’analyse de données. Ces méthodes permettent de mieux outiller les chercheurs du domaine médical dans l’analyse de leurs données.