Diabète et insuffisance cardiaque : approche épidémiologique par l’analyse croisée de différentes sources de données de santé

Diabetes mellitus and Heart Failure : epidemiological study by cross-analysis of different sources of health data

• Auteur / Autrice : Matthieu Wargny
• Direction : Samy Hadjadj
• Type : Thèse de doctorat
• Discipline(s) : Biologie, médecine et santé
• Date : Soutenance le 12/12/2022
• Etablissement(s) : Nantes Université
• Ecole(s) doctorale(s) : École doctorale Biologie-Santé (Nantes)
• Partenaire(s) de recherche : Laboratoire : L'Unité de Recherche de l'Institut du Thorax (Nantes)
• Jury : Président / Présidente : Bénédicte Gaborit
• Jury : Examinateurs / Examinatrices : Marc Cuggia, Pierre-Antoine Gourraud
• Jury : Rapporteurs / Rapporteuses : Claire Bouleti, Karen Leffondré

Mots clés

Mots clés contrôlés

Bases de données médico-administratives

Données massives

Insuffisance cardiaque

Mots clés libres

Données de santé

Épidémiologie

Entrepôt de données

Health data

Epidemiology

Big data

Résumé

Les données de santé peuvent être catégorisées en données de recherche et en données de « vie réelle », parmi lesquelles les données médico-administratives et celles issues du soin. Avec pour fil rouge le lien entre deux maladies fréquentes, le diabète et l’insuffisance cardiaque (IC), nous proposons trois analyses épidémiologiques fondées sur ces sources. L’étude SURDIAGENE d’abord, une cohorte prospective « classique » de 1349 personnes diabétiques suivies au CHU de Poitiers, chez qui nous analysons le lien entre des biomarqueurs nutritionnels et le risque d’hospitalisation ou de décès pour IC. L’étude DMC ensuite, sur les données médico-administratives de l’Assurance Maladie de plus de 3 millions de personnes identifiées comme diabétiques entre 2012 et 2018, chez qui nous étudions le risque d’IC après un événement rétinien grave. Enfin, le projet GAVROCHE, une analyse des entrepôts de données de santé hospitaliers à l’échelle inter-régionale, sur le lien entre la variabilité glycémique à l’admission et le pronostic des personnes hospitalisées pour IC aiguë. Cela nécessitera en particulier l’extraction d’informations issues de comptes rendus par traitement automatisé du langage naturel. Ces trois projets nous permettent d’illustrer la gestion des données selon leur source et les enjeux liés à l’information et au consentement des patients, avant de conclure sur des propositions de bonnes pratiques épidémiologiques dans le traitement des données de vie réelle.

Health data can be categorized into research data and "real-life" data, the latter including medico-administrative and health care setting. Using the link between diabetes and heart failure (HF) as a common theme, we propose three epidemiological analyses based on these sources. First, the SURDIAGENE study, a "classic" prospective cohort of 1349 diabetics patients followed at the University Hospital of Poitiers. We analyzed the link between nutritional biomarkers and the risk of HF requiring hospitalization. Second, the DMC study, based on medico-administrative data from the French National Health System, for more than 3 million people with diabetes between 2012 and 2018, in whom we studied the risk of HF after a serious retinal event. Finally, the GAVROCHE project, an inter-regional analysis of hospital health data warehouses, on the link between glycemic variability on admission and the prognosis of individuals hospitalized for acute HF. This will involve natural language processing methods to extract data from hospital reports. These three projects are an opportunity to illustrate the data management according to data source, the issues related to the information and the consent of patients, and to conclude with proposals for a code of good epidemiological practices in real-life data processing.