Nous nous intéressons à l'estimation des paramètres du modèle à risques proportionnels de Cox, à partir de bases de données de santé appariées. Nous considérons la situation dans laquelle les variables explicatives et les durées de vie des individus ne sont pas rapportées dans la même base de données. Un processus préalable de couplage probabiliste d'enregistrements (chaînage) est donc nécessaire pour obtenir une base de données complète. Dans ce travail, nous proposons une équation d'estimation des paramètres du modèle de Cox, adaptée à ce cadre. Cette équation est obtenue en adaptant la fonction de score partiel "usuelle" du modèle de Cox, afin de prendre en compte le processus préalable de couplage des données. Nous décrivons une première étude de simulation, dans laquelle les probabilités d'appariement de chaque paire couplée sont déjà disponibles. Au travers de cette étude, nous évaluons les propriétés des estimateurs proposés. Dans une seconde approche, nous simulons deux bases de données, puis estimons les probabilités d'appariement des individus de ces bases (à l'aide d'un modèle "recordlinkage"), avant d'appliquer la méthodologie d'estimation proposée. Nous décrivons également les résultats de cette étude.

//
In this work, we investigate estimation in the Cox proportional hazards model from matched health databases. We consider the situation where the explanatory variables and individual lifetimes are not reported in the same database. A prior process of probabilistic record linkage is therefore necessary to obtain a complete database. We propose an estimating equation for the Cox model, adapted to this framework. This equation is obtained by adapting the "usual" partial score function, in order to take account of the prior linkage data process. We assess the properties of the resulting estimate via simulations. In the first simulation study, we assume that the matching probabilities of each linked pair are already available. In a second study, we simulate two databases, then we estimate the matching probabilities of their respective individuals (using a record linkage model), and we apply the proposed estimation methodology. Results are described.