Analyse de la dynamique d'exposition aux médicaments psychoactifs : modélisation et impact sur l'estimation des risques

Dynamics of the exposure to psychoactive drugs in pharmacoepidemiology studies : modeling and impact on risk estimation

• Auteur / Autrice : Quentin Boucherie
• Direction : Joëlle Micallef-Roll
• Type : Thèse de doctorat
• Discipline(s) : Neurosciences
• Date : Soutenance le 01/12/2016
• Etablissement(s) : Aix-Marseille
• Ecole(s) doctorale(s) : École Doctorale Sciences de la Vie et de la Santé (Marseille)
• Partenaire(s) de recherche : Laboratoire : Institut des Neurosciences de la Timone
• Jury : Président / Présidente : Jean-Louis Montastruc
• Jury : Examinateurs / Examinatrices : Eléonore Ronflé, Olivier Blin
• Jury : Rapporteur / Rapporteuse : Jean-Luc Faillie, Antoine Pariente

Mots clés

Mots clés contrôlés

Pharmacoépidémiologie

Programmes nationaux de santé

Modèles théoriques

administration et posologie

Méthadone

Bases de données factuelles

Chimie pharmaceutique

Mots clés libres

Pharmaco-Épidémiologie

Médicaments psychoactifs

Modèles multi-États

Périodes d'exposition inobservable

Pharmacoepidemiology

Psychoactive drugs

Multi-State model

Immeasurable time bias

Résumé

Un des points cruciaux en pharmacoépidémiologie concerne le suivi longitudinal de l’exposition médicamenteuse dans les bases de données médico-administratives. Le parcours médicamenteux dans la « vraie » vie étant rarement linéaire, les trajectoires d’exposition médicamenteuses sont particulièrement complexes (notamment pour les médicaments psychoactifs) et difficilement mesurable par les méthodologies habituelles. Dans un premier temps nous avons ainsi étudié les trajectoires d’exposition à la méthadone notamment entre ses 2 formes galéniques à partir du SNIIRAM en région PACA-Corse. Cependant, la complexité des trajectoires d’exposition à la méthadone rendait leur description difficile. Pour modéliser précisément ces processus complexes un modèle multi-états a été construit. Dans ces travaux, nous avons pu identifier dans les bases de données des périodes ou l’exposition médicamenteuse ne peut être observée et pouvant engendrer un biais de classification des patients entre exposés et non exposés. Dans un second temps, nous avons donc étudié l’impact de ces périodes induites par les séjours hospitaliers a été évalué sur l’estimation du niveau d’exposition aux antipsychotiques de patients atteints de démence. En faisant l’hypothèse des « extrêmes » nous avons mis en évidence la variabilité importante induite par ces périodes. Enfin nous les avons modélisées et étudié leur impact sur la relation entre exposition aux benzodiazépines et mortalité toutes causes à 1 an à partir de l’EGB. L’ensemble de ce travail de thèse a permis de développer des méthodologies permettant une analyse plus précise de la dynamique d’exposition médicamenteuse.

In pharmacoepidemiology, one of the main concerns is analysis of drug exposure time in claim databases. In real-life settings, trajectories of patients ‘exposure are complex especially with psychoactive drugs and difficult to measure with traditional methodologies. In a first stage, we have highlighted the methadone exposure paths including between its two dosages formulations. This work underlined the multiplicity of exposure trajectories to methadone and the difficulty of making an accurate description. Consequently, we developed a multi-state model on a large claims database (SNIIR-AM) in order to investigate variations of methadone exposure with time. In this work, we identified the presence of periods or drug exposure cannot be observed in these databases. These periods lead to an unobservable or immeasurable exposure time bias in which patients are misclassified as unexposed. In a second stage, we assessed their impact on the prevalence of long-term antipsychotic use in community-dwelling patients with dementia considering hospitalization periods during which drugs administered are not available within almost all health insurance databases. Under extreme bias hypothesis the prevalence of long-term antipsychotic users almost doubled. Finally, we sought to model unobservable periods due to hospitalization and to apply several methods for addressing this bias and assess their impact on risk estimates. This approach was applied to the study of the association between benzodiazepines and mortality and was performed on the EGB database. In this thesis work we have developed methodologies for a more accurate analysis of the dynamics of drug exposure.