Modélisation et surveillance des données d’absences au travail

par Tom Duchemin

Thèse de doctorat en Sécurité sanitaire

Sous la direction de Mounia Nacima Hocine.

Thèses en préparation à Paris, HESAM , dans le cadre de École doctorale Sciences des métiers de l'ingénieur (Paris) , en partenariat avec MESuRS - Laboratoire Modélisation, épidémiologie et surveillance des risques pour la sécurité sanitaire (laboratoire) et de Conservatoire national des arts et métiers (France) (établissement de préparation de la thèse) depuis le 15-11-2017 .


  • Résumé

    Contexte : L’absence au travail est un phénomène complexe suscitant l’intérêt aussi bien des sociologues que des économistes et des médecins. Les arrêts maladie en particulier représentent un enjeu économique fort pour les entreprises, la Sécurité sociale et le budget de l’Etat. Objectifs : Ce projet de thèse a un double objectif. Le premier objectif consiste à identifier les variables prédictives des absences au travail dans une optique de prévention. Le second objectif est de mettre en oeuvre un algorithme de détection d’un excès d’épisodes d’absence au travail, dans une optique de surveillance prospective de l’absentéisme au sein des entités de travail. Données et Méthodologie : la méthodologie proposée reposera ainsi sur deux parties : une partie modélisation statistique et une partie surveillance prospective d’événements indésirables. Elle reposera sur l’analyse de données d’absences au travail de plus d’un million de salariés des entreprises clientes de Malakoff Médéric, sur la période de janvier 2013 à décembre 2015. La première partie consiste à modéliser la probabilité qu’un salarié ait une absence de longue durée (ou ait des absences de courte durée répétées) à un temps donné, en utilisant les données de son suivi longitudinal. L’originalité de cette partie est de développer un modèle de type « semi-markovien » pour épisodes d’absences récurrentes qui permettra d’intégrer à la fois la durée des absences et leur récurrence. La probabilité de survenue d’une nouvelle absence dépend ainsi des durées d’absences passées. La seconde partie porte sur la détection de nombres excessifs d’absence. Nous envisageons dans cette partie, d’utiliser une nouvelle méthode de détection, dite la méthode des sommes cumulées (CUSUM), utilisée dans les domaines de contrôle de qualité et de pharmacovigilance. Il s’agit d’adapter et de valider son utilisation dans le contexte des absences au travail, et de développer de nouveaux outils pertinents dans ce contexte.

  • Titre traduit

    Modeling and surveillance of sick leave data


  • Résumé

    Context: Absenteeism is a complex phenomenon that arouses the interest of sociologists as well as economists and physicians. More particularly, sick leaves represent a strong economic issue for the companies, social security funds and authorities. Objectives: This thesis project has a dual purpose. The first objective is to identify the predictor variables of absenteeism for the purposes of prevention. The second objective is to implement an algorithm for detecting excess of absence episodes, for the purposes of monitoring the absenteeism within working entities. Data and Methodology: the proposed methodology will lie on two parts: a statistical modeling part and a prospective surveillance part of undesirable events. It will lie on the analysis of data on absenteeism of more than one million employees of Malakoff Médéric's client companies over the period from January 2013 to December 2015. The first part consists of modeling the probability of an employee of having a long absence (or having repeated short-term absences) at a given time, using the data from his longitudinal follow-up. The originality of this part is to develop a 'semi-Markovian' model for episodes of recurrent absences that will integrate both the duration of absences and their recurrence. The probability of occurrence of a new absence thus depends on the duration of past absences. The second part deals with the detection of excessive numbers of absence. We intend in this part, to use a new detection method, called the cumulative sums method (CUSUM), used in the areas of quality control and pharmacovigilance. The aim is to adapt and validate its use in the context of absences from work, and to develop new relevant tools in this context.