Analyse de données longitudinales, causalité et parcours de soin : une application aux bases médico-administratives françaises

Longitudinal data analysis, causality and care pathways : application to French nationwide claims database

• Auteur / Autrice : Camille Nevoret
• Direction : Agathe Guilloux, Sandrine Katsahian, Stéphane Bouée
• Type : Thèse de doctorat
• Discipline(s) : Mathématiques appliquées
• Date : Soutenance le 25/04/2023
• Etablissement(s) : université Paris-Saclay
• Ecole(s) doctorale(s) : École doctorale de mathématiques Hadamard
• Partenaire(s) de recherche : Laboratoire : Laboratoire de Mathématiques et Modélisation d'Évry (Evry, Essonne)
• Partenaire(s) de recherche : référent : Université d'Évry-Val-d'Essonne (1991-....)
• Partenaire(s) de recherche : graduate school : Université Paris-Saclay. Graduate School Mathématiques (2020-....)
• Partenaire(s) de recherche : Equipe de recherche : Statistique pour la Génomique et la Génétique
• Jury : Président / Présidente : Christophe Ambroise
• Jury : Examinateurs / Examinatrices : Vivian Viallon, Olivier Bouaziz, Cécile Proust-Lima
• Jury : Rapporteurs / Rapporteuses : Vivian Viallon, Olivier Bouaziz

Mots clés

Mots clés contrôlés

Causalité

Facteurs de confusion (épidémiologie)

Bases de données médico-administratives

Système national des données de santé

Mots clés libres

Analyse causale

Snds

Att

Parcours de soin

Données longitudinales

Causal analysis

Snds

Att

Care pathway

Longitudinal data

Résumé

Le domaine de la santé connaît depuis plusieurs années une augmentation importante des données disponibles. En France, de nouvelles plateformes ont vu le jour pour centraliser les données de santé, en commençant par les données des bases médico-administratives. Initialement recueillies pour des besoins tarifaires, ces données sont une grande opportunité pour l'études en vie réelle des consommations de soin et leur évolution dans le temps. L'efficacité des traitements est une problématique récurrente dans les études sur données de santé. Notre première contribution porte sur un modèle d'estimation de l'effet moyen du traitement chez les patients traités (ATT) en présence de facteurs de confusion dépendants du temps. Nous avons proposé une estimation débiaisée de l'ATT basée sur une généralisation du modèle de Gran en présence de plusieurs facteurs de confusion continus et dépendants du temps et d'un résultat qui peut être répétés dans le temps, comme des réhospitalisations. Dans un second temps, une extension multivariée du modèle INGARCH a été proposée pour prendre en compte des facteurs de confusion discrets dans l'estimation de l'ATT. L'étude des parcours de soin est une autre thématique très souvent étudiée sur les données de vie réelle. Nous proposons dans nos travaux une procédure d'analyse des parcours de soin hospitalier afin d'évaluer leur association avec la mortalité. Des méthodes d'analyse de séquences prenant en compte l'ordre de la survenue des hospitalisations ont été combinées. Cette procédure d'analyse a été appliquée à l'étude de l'association des hospitalisations cardiovasculaires avec le décès chez des patients atteints d'insuffisance cardiaque.

For several years, the health field has seen a significant increase in the amount of data available. In France, new platforms have been created to centralize health data, starting with data from claims database. Initially collected for pricing purposes, these data are a great opportunity for real-life studies of healthcare consumption and its evolution over time. Treatment effectiveness is a recurrent issue in health data studies. Our first contribution concerns a model for estimating the average treatment effect in treated patients (ATT) in the presence of time-dependent confounders. We proposed an unbiased estimate of ATT based on a generalization of Gran's model in the presence of several continuous, time-dependent confounders and a repeatable outcome, such as rehospitalizations. A simulation study demonstrated the value of the correction and the model was applied to MIMIC-III data. In a second step, a multivariate extension of the INGARCH model was proposed to take into account discrete confounders in Gran's model. The study of care pathways is another issue often studied on real-life data. We propose a process to analysed hospital care pathways in order to assess their association with mortality. Sequence analysis methods taking into account the order of occurrence of hospitalizations have been combined. This analysis process was applied to the study of the association of cardiovascular hospitalisations with death in patients with heart failure.