Evaluation des interactions entre co-médications et survie sans rechute dans le cancer du sein à partir des données du SNDS

Analysis of the impact of comedications on breast cancer relapse free survival using SNDS data

• Auteur / Autrice : Elise Dumas
• Direction : Fabien Reyal, Chloé-Agathe Azencott
• Type : Thèse de doctorat
• Discipline(s) : Recherche clinique, innovation technologique, santé publique
• Date : Soutenance le 14/12/2022
• Etablissement(s) : université Paris-Saclay
• Ecole(s) doctorale(s) : École doctorale Cancérologie, Biologie, Médecine, Santé
• Partenaire(s) de recherche : Laboratoire : Immunité et cancer (Paris ; 2009)
• Partenaire(s) de recherche : référent : Université Paris-Saclay. Faculté de médecine (Le Kremlin-Bicêtre, Val-de-Marne ; 2020-....)
• Partenaire(s) de recherche : graduate school : Université Paris-Saclay. Graduate School Life Sciences and Health (2020-....)
• Partenaire(s) de recherche : Institution : École nationale supérieure des mines (Paris ; 1783-....)
• Jury : Président / Présidente : Emmanuel Bacry
• Jury : Examinateurs / Examinatrices : Emmanuel Bacry, Julie Josse, Charlotte Vaysse, Paul-Henry Cournède
• Jury : Rapporteurs / Rapporteuses : Julie Josse, Charlotte Vaysse

Mots clés

Mots clés contrôlés

Statistique

Causalité

Apprentissage automatique

Comorbidité

Cancer du sein

Mots clés libres

Cancer du Sein

Comedications

Comorbidités

Inférence Causale

Apprentissage Automatique

Breast Cancer

Comedications

Comorbidities

Causal Inference

Machine Learning

Résumé

En 2018, 18,1 millions de nouveaux cas de cancers et 9,6 millions de décès par cancer ont été dénombrés dans le monde. Environ 50% des patients atteints de cancer ont de plus des pathologies au moment du diagnostic (co-morbidités) associées à la prise de médications chroniques (co-médications). Plusieurs études ont illustré l'influence des co-médications sur l'évolution à long-terme des cancers du sein (CS). L'objectif de la thèse est d'étudier l'impact des co-médications sur la survie pour l'ensemble de la population française des patientes atteintes de CS, à partir des données du Système National des Données de Santé (SNDS).Dans une première partie, nous présentons la construction de FRESH, une base de données structurée à partir du SNDS, incluant les informations socio-démographiques, les traitements reçus, les co-médications, les co-morbidities et la survie globale de l'ensemble des femmes françaises traitées pour un CS incident non métastatique d'emblée entre 2011 et 2017.Dans une deuxième partie, nous développons un algorithme d'apprentissage automatique capable d'identifier et de dater les récidives de CS à partir des séquences de traitements issues du SNDS. Cet algorithme permettra la structuration des rechutes dans la cohorte FRESH. Dans la troisième partie, nous analysons l'impact des co-medications sur la survie après CS à partir de méthodes d'inférence causale appliquées à la cohorte FRESH. Les molécules ayant un impact significatif sur le pronostic de CS font l'objet d'une étude mécanistique (médiation). En conclusion, nous dressons un atlas des interactions entre co-médications et survie après CS à l'échelle de la population française. Les interactions suggérées seront validées expérimentalement, et les molécules associées pourront faire l'objet d'alertes de pharmacovigilance ou être testés dans le cadre du repositionnement de médicaments.

In 2018, there were 18.1 million new cancer cases and 9.6 million cancer deaths worldwide. Approximately 50% of cancer patients have other conditions at the time of cancer diagnosis (comorbidities) that are associated with chronic medications (comedications). Several studies illustrated the influence of comedications on the long-term evolution of Breast Cancer (BC).The goal of this thesis is to study the impact of comedications on survival for the entire French population of patients with BC, using data from the French National Health Data System (SNDS). In a first part, we present the construction of FRESH, a database structured from the SNDS, including socio-demographic information, treatments received, comedications, comorbidities and overall survival of all French women treated for incident non-metastatic CS from 2011 to 2017. In a second part, we develop a machine learning algorithm able to identify and date BC recurrences using treatment sequences from the SNDS. This algorithm enables BC recurrence annotation in the FRESH cohort. In a third part, we analyze the impact of co-medications on survival after BC using causal inference methods applied to the FRESH cohort. A supplementary mechanistic analysis (mediation) is conducted for the molecules with a significant impact on BC prognosis. In conclusion, we draw an atlas of interactions between comedications and survival after BC at the scale of the French population. The suggested interactions will be experimentally validated, and the associated molecules may be subject to pharmacovigilance alerts or tested in the context of drug repositioning.