Estimating the effects of public health interventions from observational data

• Auteur / Autrice : David Evans
• Direction : Antoine Flahault
• Type : Thèse de doctorat
• Discipline(s) : Epidémiologie
• Date : Soutenance en 2013
• Etablissement(s) : Paris 6

Mots clés

Mots clés contrôlés

Épidémiologie

Politique sanitaire

Dialyse péritonéale

Résumé

Dans cette thèse, nous nous sommes intéressés à la façon de mener une analyse épidémiologique afin de la rendre plus directement informative pour la prise de décision politique et pour la conceptualisation des interventions. Cette approche nous a amené à privilégier certains principes et approches méthodologiques qui ont connu des avancées conceptuelles et techniques récentes. Ces approches ont été explorées et développées dans les deux articles publiés dans le cadre de cette thèse. Dans le premier article, nous avons proposé une approche de sélection des variables d’ajustement dans une analyse épidémiologique qui combine les hypothèses a priori encodées dans un GAO avec une méthode de sélection de covariables, en l’occurrence la procédure dite de « changement de l’estimation d’effet ». Dans le deuxième article, nous avons estimé l’association entre le nombre de patients traités par la dialyse péritonéale dans un centre et les résultats du traitement, en utilisant les GAO pour présenter les hypothèses et pour justifier le choix de variables d’ajustement, une analyse de sensibilité probabiliste et une estimation des effets des interventions pour changer le nombre de patients traités dans les centres. Dans l’analyse standard, il y avait une association protectrice entre le nombre de patients traités et le risque de transfert en hémodialyse ; dans l’analyse centrée sur la politique, l’effet était toujours protecteur mais d’une moindre importance. Ce travail a soulevé plusieurs questions conceptuelles et techniques qui pourraient être le sujet des recherches futures.

The work in this thesis considered the ways in which epidemiological analyses could be more directly informative for the design of policy and interventions in public health. For this, we proposed features of “policy-“ or “intervention-focused” epidemiological analyses, identified the methodological principles which these implied, and developed them in two research articles. In the first article, we focused on directed acyclic graphs (DAGs) as a means of showing assumptions about variable relationships, leading to a new approach to adjustment-variable selection which combined DAGs with a statistical selection method (change-in-estimate procedure). In the second article, we estimated the relationship between the number of peritoneal dialysis patients treated in a centre (“volume”) and patient outcomes in France, using DAGs to describe the data-generating context, assumptions about mechanisms, and adjustment-variable choices; applying probabilistic sensitivity analysis; and estimating the effects of plausible interventions to change centre volume. A standard analysis gave a strongly protective volume effect for transfer to haemodialysis, but the “policy-focused” analysis gave only modest-to-small predicted positive effects. Overall, this work raised several conceptual and technical questions which provide ample opportunity for further research.