CV Science

Juste Goungounga MD, PhD en recherche clinique et santé publique (Biostatistiques)

Parcours et situation actuelle

Je suis diplômée en médecine au Burkina et j'ai travaillé comme clinicien avant de me lancer dans la recherche méthodologique. J'ai obtenu en 2014 un Master de santé publique (orienté en méthodes quantitatives et économétriques) et en 2018, un doctorat d'université à temps plein en recherche clinique et santé publique (option biostatistique), tous les deux délivrés par Aix Marseille Université, en France. Le sujet de ma thèse de doctorat portait sur l'extension de l'analyse de la mortalité en excès dans le domaine de la recherche clinique. Auparavant, j'ai travaillé dans l'unité de recherche SESSTIM, en tant que biostatisticien, en travaillant principalement sur les méthodes d'estimation de la survie nette dans le domaine de la recherche clinique. J'ai ensuite rejoins le Registre Bourguignon des cancers digestifs/Université de Bourgogne (Equipe EPICAD - UMR 1231) en janvier 2020 en tant que chercheur postdoctoral avant d'arriver à l'École des Hautes Études de Santé Publique (EHESP). Voici un lien vers la liste mise à jour de mes publications : Liste de Publications Mise à jour.

Résumé scientifique

Mes thématiques de recherche couvrent principalement, mais pas exclusivement, le domaine des méthodes statistiques en épidémiologie du cancer.  Plus généralement, mes thématiques couvrent l'épidémiologie des maladies non transmissibles, afin d'évaluer les pratiques de soins, d'identifier et de quantifier la dynamique des inégalités mesurées par des indicateurs liés aux maladies non transmissibles en utilisant :
- Des modèles de guérison et des estimateurs du délai de guérison.
- La modélisation du risque en excès dans différents cadres de données (par exemple, études en population ou registres hospitaliers).
- Des méthodes statistiques pour la cartographie des maladies/l'identification de profils de patients (par exemple, méthodes de détection de clusters, arbre de décision oblique spatial, modélisation hiérarchique bayésienne, modélisation multivariée des maladies).
- Des méthodes de classification supervisée : Arbre de régression CART, régression PLS.
- Le développement d'un packages R (xhaz https://cran.r-project.org/package=xhaz)
- L'application de modèles/estimateurs statistiques aux données de population (registres de population pour maladies non transmissibles telles que les cancers, l'insuffisance rénale terminale, l'HTA, etc.), aux données de cohorte et aux essais cliniques.