Améliorer l'utilité de ÉLCV Mesures cognitives : Traitement des données manquantes non négligeables pour des inférences plus précises

Année :

2026

Demandeur :

Luo, Hao

Établissement :

Université de Waterloo

Courriel :

hao.luo1@uwaterloo.ca

Numéro de projet :

26CA002

État d’avancement du projet approuvé :

Actif

Résumé du projet

Comprendre l'évolution des fonctions cognitives avec l'âge est un objectif clé de la recherche sur le vieillissement. L'Étude longitudinale canadienne sur le vieillissement recueille un large éventail de données cognitives pour aider les chercheurs à explorer ces changements. Cependant, de nombreux participants ne complètent pas toutes les parties des évaluations, souvent en raison de difficultés liées à leurs capacités cognitives. Ces données manquantes peuvent fausser les résultats si elles ne sont pas traitées correctement. Ce projet utilisera des méthodes statistiques avancées pour mieux tenir compte des données cognitives manquantes. En modélisant les causes potentielles des réponses manquantes, on peut estimer les capacités cognitives de chaque personne, même si elle n'a pas répondu à toutes les questions. Ces modèles nous permettent d'estimer les capacités cognitives des individus même lorsque certaines questions sont incomplètes. Les scores obtenus sont plus précis, tiennent compte des erreurs de mesure, corrigent les incohérences entre les groupes et exploitent pleinement les données disponibles.