Modélisation des données de santé en cancérologie : intérêt pour l'aide à la décision et l'optimisation stratégique des soins face aux maladies infectieuses émergentes

Health data modelling in oncology : interest for decision support and strategic optimisation of care in the face of emerging infectious diseases

• Auteur / Autrice : Murielle Beaubrun-Renard
• Direction : André Cabié, Clarisse Joachim
• Type : Thèse de doctorat
• Discipline(s) : Recherche clinique, innovation technologique, santé publique
• Date : Soutenance le 04/12/2023
• Etablissement(s) : Antilles
• Ecole(s) doctorale(s) : Ecole doctorale Dynamique des environnements dans l'espace Caraïbes-Amériques (2022-....)
• Partenaire(s) de recherche : Laboratoire : Pathogenèse et contrôle des infections chroniques (Montpellier) - Pathogenesis and Control of Chronic and Emerging Infections
• Jury : Président / Présidente : Michel Velten
• Jury : Examinateurs / Examinatrices : André Cabié, Clarisse Joachim, Michel Velten, Elena Paillaud, Tienhan Sandrine Myriam Dabakuyo-Yonli
• Jury : Rapporteurs / Rapporteuses : Michel Velten, Elena Paillaud

Mots clés

Mots clés contrôlés

Épidémies

Maladies infectieuses

Statistique médicale

Santé publique

Cancérologie

Mots clés libres

Cancer

Epidémie

Modélisation

Survie

Cancer

Epidemic

Modelling

Survival

Résumé

La thèse avait pour objectif de démontrer qu’en temps de crise épidémique, la modélisation statistique des données de santé était une aide à la prise de décision en cancérologie.Dans le cadre de ce travail, un état des lieux des informations disponibles a permis de s’apercevoir qu’une multitude de données pouvaient être analysées en vue d’améliorer le soin. Différentes bases de données ont été explorées telles que : la base du registre général des cancers (base exhaustive des cas de cancers), la base du SNDS (base exhaustive de l’offre de soins) et la base du CépiDC (base exhaustive des causes médicales de décès).Les études mises en oeuvre ont permis de dresser un bilan épidémiologique du cancer du sein en Martinique. Deux indicateurs ont été étudiés au cours de ce travail : les délais d’accès aux soins et la qualité de vie des patients. Afin de poursuivre ces recherches, ces deux indicateurs seront exploités pour tous les autres cancers. Le but étant de les intégrer en routine dans la gestion du parcours de soins. Pour ce faire, les données de vie réelle qui détiennent de nombreuses informations sur l’évolution des maladies et la gestion de l’offre de soins, seront exploitées à l’avenir afin de guider les professionnels de santé.La Martinique est soumise à des risques naturels qui peuvent mettre en péril l’organisation du système de soins en cancérologie ; ces indicateurs de surveillance épidémiologique permettront donc de prévenir la saturation du système de soins, pour une optimisation du soin en oncologie en temps de crise.

The objective of this thesis was to demonstrate that epidemic crisis period, statistical modelling of health data can be a valuable aid in decision-making in oncology.As part of this work, an assessment of available information revealed that a multitude of data could be analysed to enhance healthcare. Various databases were explored, including the general cancer registry database (complete cancer case database), the SNDS database (complete healthcare supply database), and the CépiDC database (complete medical causes of death database).The implemented studies allowed for an epidemiological assessment of breast cancer in Martinique. Two indicators were examined during this work: waiting times to treatment and patients' quality of life. To continue this research, these two indicators will be utilized for all other cancers, with the goal of integrating them into routine care pathway management. To achieve this, real-world data which contains extensive information on disease evolution and healthcare delivery, will be used in the future to guide healthcare professionals.Martinique is subject to natural risks that can jeopardize the organization of cancer care systems; these epidemiological monitoring indicators will help prevent healthcare system overload, optimizing oncology care during crisis period.