Identifiant pérenne de la notice : 272239917
Notice de type
Notice de regroupement
Note publique d'information : Le domaine de la santé connaît depuis plusieurs années une augmentation importante
des données disponibles. En France, de nouvelles plateformes ont vu le jour pour centraliser
les données de santé, en commençant par les données des bases médico-administratives.
Initialement recueillies pour des besoins tarifaires, ces données sont une grande
opportunité pour l'études en vie réelle des consommations de soin et leur évolution
dans le temps. L'efficacité des traitements est une problématique récurrente dans
les études sur données de santé. Notre première contribution porte sur un modèle d'estimation
de l'effet moyen du traitement chez les patients traités (ATT) en présence de facteurs
de confusion dépendants du temps. Nous avons proposé une estimation débiaisée de l'ATT
basée sur une généralisation du modèle de Gran en présence de plusieurs facteurs de
confusion continus et dépendants du temps et d'un résultat qui peut être répétés dans
le temps, comme des réhospitalisations. Dans un second temps, une extension multivariée
du modèle INGARCH a été proposée pour prendre en compte des facteurs de confusion
discrets dans l'estimation de l'ATT. L'étude des parcours de soin est une autre thématique
très souvent étudiée sur les données de vie réelle. Nous proposons dans nos travaux
une procédure d'analyse des parcours de soin hospitalier afin d'évaluer leur association
avec la mortalité. Des méthodes d'analyse de séquences prenant en compte l'ordre de
la survenue des hospitalisations ont été combinées. Cette procédure d'analyse a été
appliquée à l'étude de l'association des hospitalisations cardiovasculaires avec le
décès chez des patients atteints d'insuffisance cardiaque.
Note publique d'information : For several years, the health field has seen a significant increase in the amount
of data available. In France, new platforms have been created to centralize health
data, starting with data from claims database. Initially collected for pricing purposes,
these data are a great opportunity for real-life studies of healthcare consumption
and its evolution over time. Treatment effectiveness is a recurrent issue in health
data studies. Our first contribution concerns a model for estimating the average treatment
effect in treated patients (ATT) in the presence of time-dependent confounders. We
proposed an unbiased estimate of ATT based on a generalization of Gran's model in
the presence of several continuous, time-dependent confounders and a repeatable outcome,
such as rehospitalizations. A simulation study demonstrated the value of the correction
and the model was applied to MIMIC-III data. In a second step, a multivariate extension
of the INGARCH model was proposed to take into account discrete confounders in Gran's
model. The study of care pathways is another issue often studied on real-life data.
We propose a process to analysed hospital care pathways in order to assess their association
with mortality. Sequence analysis methods taking into account the order of occurrence
of hospitalizations have been combined. This analysis process was applied to the study
of the association of cardiovascular hospitalisations with death in patients with
heart failure.
paprika.idref.fr
data.idref.fr
Documentation
