Détection et investigation de maladies professionnelles potentiellement émergentes à partir du Réseau National de Vigilance et de Prévention des Pathologies Professionnelles (RNV3P)

Detection and investigation of potential emerging occupational diseases using the French National Disease Surveillance and Prevention Network

• Auteur / Autrice : Vincent Bonneterre
• Direction : Dominique Bicout
• Type : Thèse de doctorat
• Discipline(s) : Modèles, méthodes et algorithmes en biologie, santé et environnement
• Date : Soutenance en 2010
• Etablissement(s) : Grenoble
• Ecole(s) doctorale(s) : École doctorale ingénierie pour la santé, la cognition, l'environnement (Grenoble ; 1995-....)

Mots clés

Mots clés contrôlés

Maladies

Résumé

Le Réseau National de Vigilance et de Prévention des Pathologies Professionnelles (RNV3P) enregistre au sein d'une base nationale un résumé structuré de chaque consultation réalisée au sein des centres de consultations de pathologies professionnelles. L'objectif est de proposer et tester des méthodes avec lesquelles le RNV3P pourrait être en mesure de renforcer sa capacité de détection précoce de « pathologies professionnelles potentiellement émergentes », défmies comme étant des associations « pathologie x exposition professionnelle », non préalablement dentifiées, et qui semblent justifier d'une exploration complémentaire de part les données internes du RNV3P. Ce travail débute par une analyse des méthodes de surveillance et de détection d'évènements émergents utilisés au sein d'autres vigilances sanitaires (partie 1). Sept méthodes de Data Mining utilisées en pharmacovigilance pour explorer les bases de notifications spontanées d'effets indésirables médicamenteux suspectés, ont été identifiées, testées et comparées. Finalement, la méthode globale retenue s'appuie sur la détection de signaux avec la méthode « Proportional Reporting Ratio» (PRR), puis leur investigation secondaire à partir de données internes mais aussi externes à la base (partie 2). Une 2e méthode de mise en évidence d'évènements de santé émergents valorisant directement l'expertise clinique, point fort du réseau, a été formalisée (partie 3). Enfm, les forces et limites du RNV3P ont été identifiées pour chacune des étapes entre la survenue d'un phénomène de santé émergent en santé-travail, jusqu'à sa prise en charge en termes de prévention, afm de proposer des pistes d'amélioration.

The French National Occupational Disease Surveillance. And Prevention Network (RNV3P) records on a national Datawarehouse, a structured summary of aIl consultations realized in the occupational diseases consultation centres of the French university hospitals. The aim of this Thesis is to propose and test methods that RNV3P could use to improve its ability in early detecting ''potential emerging occupational diseases'', which are detined as associations of ''disease x occupational exposure'', not previously identified, and which, according to RNV3P data, would appear to require additional investigation. This works starts with the analysis of the surveillance methods and outbreak detection methods used by vigilance systems in other health fields (part 1). We have selected, tested and compared seven ''data mining' methods based on disproportionality measures that are used in pharmacovigilance for the analysis of databases of case reports of spontaneous reporting of suspected adverse drug reactions. Accordingly, a method for detecting signaIs with ''Proportional Reporting Ratio'' method (PRR), and then investigating theses signals taking into account data both within and outside the RNV3P database has been suggested (part 2). A 2nd detecting method of emerging health events, based on the qualitative added value of RNV3P's network of experts, has been formalized (part 3). Finally, this work lies in the continuum between the outbreak of a health event in the occupational health domain, until it is taken into account in terms of prevention, so as to identify the main strengths and limits of RNV3P for each of theses stages, and to propose some avenues for improvement.