Chercheuse ou chercheur

Titres

• Professeur adjoint, Département de médecine sociale et préventive, Université de Montréal (2025-)
• Chercheur, Centre de recherche Azrieli du CHU Sainte-Justine (2025-)

• Postdoctorat, Université Laval (2025)
• Postdoctorat, Université de Montréal (2024)
• Doctorat (PhD) en biostatistique, Université de Nantes, France (2021)
• Maîtrise (MSc) en biostatistique, Université de Nantes, France (2018)
• Baccalauréat (BSc) en physiologie, Université de Nantes, France (2016) 

Les travaux d’Arthur Chatton se placent à l'intersection de l'inférence causale et de la modélisation prédictive, avec un intérêt particulier pour l'utilisation d'approches d'apprentissage automatique ensemblistes. Dans ses différents projets de recherche, Arthur Chatton a entre autres développé un algorithme de prédiction dynamique personnalisée en dialyse et un algorithme de vérification de la présupposition causale de positivité. Plus largement, il s'intéresse aux analyses de survie, à la médiation, à la transportabilité et au transfert des connaissances interdisciplinaires.

Le laboratoire d’Arthur Chatton a pour but (i) d’évaluer et améliorer la qualité, utilisabilité et généralisabilité des scores prédictifs pour une prise en charge médicale personnalisée et (ii) de développer et d'évaluer des nouvelles méthodes causales qui tiennent compte de l’imperfection des données recueillies et utilisées en recherche.

Laboratoire

FACTS - Prédictions FActuelles et ConTrefactuelles en Santé

• Biostatistique
• Inférence causale
• Modélisation prédictive
• Prédiction dynamique
• Apprentissage automatique
• Super apprentissage (super learning / stacking)
• Analyse de survie
• Analyse de médiation causale
• Études de simulations
• Données longitudinales

Sommaire de carrière

Arthur Chatton est professeur adjoint de biostatistique au département de médecine sociale et préventive et chercheur au Centre de recherche Azrieli du CHU Sainte-Justine. Il est titulaire d’un doctorat en biostatistique de l’Université de Nantes (France) et a ensuite complété deux stages postdoctoraux, l'un à la Faculté de Pharmacie de l'Université de Montréal et le second, au département de médecine sociale et préventive de l'Université Laval.

Prix et distinctions

• Bourse postdoctorale CRM-StatLab-CANSSI (2024)
• Prix Daniel Schwartz de la meilleure thèse de doctorat en statistique soutenue en 2021 et 2022. Société Française de Biométrie (2023)
• Bourse postdoctorale IVADO (2022)

Présentations

1. A diagnostic tool for positivity violations in mediation analyses (2025) WNAR/IMS Conference, Whistler, BC, Canada. Présentation invitée
2. Statistical tools for estimation: propensity scores, g-computation, doubly robust methods, marginal structural models (2025) Inserm workshop 282 - Best practices and recent advances in causal analyses, French National Institute for Health and Medical Research, Bordeaux, France. Présentation invitee
3. Sequential positivity checking for longitudinal causal inference (2024) Statistical Society Canada Annual Meeting, St. John’s, NF, Canada. Présentation invitée
4. Personalised dynamic super learning: an application in predicting hemodiafiltration’s convection volumes (2024) Sixth International Chinese Statistical Association - Canada Chapter Symposium, Niagara Falls, ON, Canada. Présentation invitée
5. Identifying individuals causing positivity violations as missing exclusion criteria: a decision trees-based algorithm (2023) Society for Epidemiologic Research Annual Conference, Portland, OR, USA.

Publications

1. Chatton A, Schomaker M, Luque-Fernandez M-A, Platt RW, and Schnitzer ME. (2025) Is the sequential positivity assumption getting you down? Try sPort! Accepté dans Epidemiology
2. Chatton A, Bally M, Lévesque R, Malenica, I, Platt RW, and Schnitzer ME. (2024) Personalised dynamic super learning: an application in predicting convection volumes in hemodiafiltration. Journal of the Royal Statistical Society, Series C
3. Chatton A and Rohrer JM. (2024) The causal cookbook: recipes for propensity score, g-computation and doubly robust standardisation. Advances in Methods and Practices in Psychological Science, 7(1)
4. Danelian G, Le Borgne F, Léger M, Foucher Y, and Chatton A. (2023) Identification of in-sample positivity violations using regression trees: the PoRT algorithm. Journal of Causal Inference, 11(1):20220032
5. Chatton A, Le Borgne F, Leyrat C, and Foucher Y. (2022) G-computation and doubly robust standardisation for continuous-time data: a comparison with inverse probability weighting. Statistical Methods in Medical Research, 31(4):706-718
6. Léger M, Chatton A, Le Borgne F, Pirracchio R, Lasocki S, and Foucher Y. (2022) Causal inference in case of near-violation of positivity: comparison of methods. Biometrical Journal, 64(8):1389-1403
7. Chatton A, Le Borgne F, Leyrat C, Gillaizeau F, Rousseau C, Barbin L, et al. (2020) G-computation, propensity score-based methods, and targeted maximum likelihood estimator for causal inference with different covariates sets: a comparative simulation study. Scientific Reports, 10(1):9219.
8. Féray C, Taupin J-L, Sebagh M, ..., Chatton A, et al. (2021) Donor HLA Class 1 Evolutionary Divergence Is a Major Predictor of Liver Allograft Rejection. Annals of Internal Medicine, 174(10):1385-1394
9. Lejeune F, Chatton A, Laplaud D-A, Le Page E, Wiertlewski S, Edan G, et al. (2021) SMILE: a predictive model for Scoring the severity of relapses in MultIple scLErosis. Journal of Neurology, 268(2):669–679
10. Brodeur, A., Valenta, D., Marcoci, A., …, Chatton A, et al. (2025). Comparing Human-Only, AI-Assisted, and AI-Led Teams on Assessing Research Reproducibility in Quantitative Social Science (I4R Discussion Paper Series 195). The Institute for Replication (I4R).