Tat-Thang Vo lauréat d'une ANR JCJC
Un financement jeunes chercheurs obtenu dès la première soumission
Nous avons le plaisir d'annoncer que Tat-Thang Vo, chercheur de l'équipe Epilogy, vient d'obtenir un financement ANR JCJC de l'Agence nationale de la recherche, dès sa première soumission.
L'instrument JCJC (Jeunes Chercheuses et Jeunes Chercheurs) de l'appel à projets générique de l'ANR permet à de jeunes chercheurs ayant soutenu leur thèse depuis moins de dix ans de porter leur propre projet. Il vise à les aider à acquérir leur autonomie scientifique, à développer leur propre thématique de recherche et à fédérer une équipe autour de celle-ci ; il constitue souvent un tremplin vers une candidature au Conseil européen de la recherche (ERC). La sélection, très compétitive, se déroule en deux étapes : lors de l'appel 2026, seules 898 des 2 271 pré-propositions JCJC éligibles ont été invitées à déposer un projet complet.
Le projet SDID vise à développer de nouvelles méthodes d'inférence causale combinant l'analyse de survie et l'approche des différences de différences (Difference-in-Differences), afin d'évaluer des politiques de santé et des traitements à partir de données de santé observationnelles, comme le Système national des données de santé (SNDS), en particulier en présence de facteurs de confusion non mesurés.
À propos de Tat-Thang Vo
Tat-Thang Vo est professeur junior en biostatistique à l'Institut Mondor de recherche biomédicale (INSERM U955), Université Paris-Est Créteil. Il a obtenu son doctorat en biostatistique en cotutelle entre l'Université de Gand (Belgique) et l'Université Paris Cité (France). De 2020 à 2023, il a effectué un postdoctorat au Wharton Statistics & Data Science Department de l'Université de Pennsylvanie (États-Unis). Il a reçu le Norman Breslow Award for Young Investigators 2019 de l'American Statistical Association et le Young Investigator Award 2018 de l'International Society for Clinical Biostatistics.
Ses recherches portent sur le développement de nouvelles méthodes d'inférence causale pour la fusion de données, l'analyse de médiation, la synthèse des preuves et l'évaluation des technologies de santé. Ses travaux reposent notamment sur la théorie semi-paramétrique pour développer des stratégies d'estimation flexibles et adaptatives des paramètres causaux, appliquées à des questions cliniques en médecine, en psychologie et en pharmacoépidémiologie.
Félicitations Tat-Thang !