Estimations et projections d’indicateurs de santé pour maladies chroniques et prise en compte de l’impact d’interventions

Estimates and projections of health indicators for chronic diseases and impact of interventions

• Auteur / Autrice : Mathilde Wanneveich
• Direction : Pierre Joly
• Type : Thèse de doctorat
• Discipline(s) : Santé publique - option : Biostatistique
• Date : Soutenance le 04/11/2016
• Etablissement(s) : Bordeaux
• Ecole(s) doctorale(s) : École doctorale Sociétés, politique, santé publique (Bordeaux)
• Partenaire(s) de recherche : Laboratoire : Bordeaux population Health
• Jury : Président / Présidente : Christophe Bergouignan
• Jury : Examinateurs / Examinatrices : Hélène Jacqmin-Gadda, Olivier Bouaziz
• Jury : Rapporteurs / Rapporteuses : Aurélien Latouche, Yohann Foucher

Mots clés

Mots clés contrôlés

Indicateurs de santé

Biométrie

Maladies chroniques

Markov, Processus de

Mots clés libres

Modèle illness-death

Modèle de Markov/semi-Markov

Projections

Maladies Chroniques

Santé Publique

Illness-death model

Markov/semi-Markov model

Projections

Chronic Diseases

Public Health

Résumé

De nos jours, la Santé Publique porte de plus en plus d’intérêts aux maladies chroniques neuro-dégénératives liées au vieillissement telles que la démence ou la maladie de Parkinson. Ces pathologies ne peuvent ni être évitées ni guéries et occasionnent une détérioration progressive de la santé des malades requérant donc des soins spécifiques. Le contexte démographique actuel laisse entrevoir un vieillissement de la population et un allongement de l’espérance de vie continus, ce qui aura pour conséquence majeure d’aggraver le fardeau économique, social et démographique de ces maladies dans les années à venir. C’est pourquoi, dans l’optique d’anticiper les problèmes à venir, il est important de développer des modèles statistiques permettant de faire des projections et d’évaluer le fardeau futur de ces maladies via divers indicateurs de santé. De plus, il est intéressant de pouvoir donner des projections,en fonction de scénarios potentiels, qui pourraient être mis en place (e.g. un nouveau traitement), afin d’évaluer l’impact qu’aurait une telle intervention de Santé Publique, mais aussi de prendre en compte une variation de l’incidence due, par exemple, à des changements de comportement. Une approche utilisant le modèle illness-death sous une hypothèse Markovienne a été proposée par Joly et al. 2013 pour répondre à cet objectif. Cette approche est particulièrement adaptée dans ce contexte, car elle permet, notamment, de prendre en compte le risque compétitif qui existe entre devenir malade ou décéder (pour un individu non-malade). L’utilisation de ce modèle pour faire des projections a l’avantage, d’une part, de faire intervenir des projections démographiques nationales pour mieux capter l’évolution de la mortalité au cours du temps, et d’autre part, de proposer une modélisation adaptée de la mortalité (en distinguant la mortalité des malades, des non-malades et générale). C’est sur la base de ce modèle que découle tout le travail de cette thèse. Dans une première partie, les hypothèses du modèle existant ont été améliorées ou modifiées dans le but de considérer l’évolution de l’incidence de la maladie au cours du temps,puis de passer d’un modèle Markovien à un modèle semi-Markovien afin de modéliser la mortalité des malades en fonction de la durée passée avec la maladie. Dans une deuxième partie, la méthode initiale, permettant de considérer l’impact d’une intervention mais avec des hypothèses restrictives, a été développée et généralisée pour prendre en compte des interventions plus flexibles. Puis, les expressions mathématiques/statistiques d’indicateurs de santé pertinents ont été développées dans ce contexte dans le but d’avoir un panel de projections permettant une meilleure évaluation du fardeau futur de la maladie. L’application principale de ce travail a porté sur des projections concernant la démence. Cependant, en appliquant ces modèles à la maladie de Parkinson, nous avons proposé des méthodes permettant d’adapter notre approche à d’autres types de données.

Nowadays, Public Health is more and more interested in the neuro-degenerative chronic diseases related to the ageing such as Dementia or Parkinson’s disease. These pathologies cannot be prevented or cured and cause a progressive deterioration of health, requiring specific cares. The current demographic situation suggests a continuous ageing of the population and a rise of the life expectancy. As consequence of this, the economic, social and demographic burden related to these diseases will worsen in years to come. That is why, developing statistical models, which allow to make projections and to estimate the future burden of chronic diseases via several health indicators, is becoming of paramount importance. Furthermore, it would be interesting to give projections, according to hypothetical scenarios, which could be set up (e.g. a new treatment), to estimate the impact of such Public health intervention, but also to take into account modifications in disease incidence due, for example, to behavior changes. To attend this objective, an approach was proposed by Joly et al. 2013, using the illness-death model under Markovian hypothesis. Such approach has shown to be particularly adapted in this context, since it allows to consider the competive risk existing between the risk of death and the risk to develop the disease (for anon-diseased subject). On one hand, projections made by using this model take advantage of including national demographic projections to better consider the mortality trends over time. Moreover, the approach proposes to carefully model mortality, distinguishing overall mortality, non-diseased and diseased mortality trends. All the work of this thesis have been developed based on this model. In a first part, the hypotheses of the existing model are improved or modified in order to both :consider the evolution of disease incidence over time ; pass from a Markov to a semi-Markov hypothesis, which allows to model the mortality among diseased subjects depending on the time spent with the disease. In a second part, the initial method, allowing to take into account the impact of an intervention, but with many restrictive assumptions, is developed and generalized for more flexible interventions. Then, the mathematical/statistical expressions of relevant health indicators are developed in this context to have a panel of projections giving a better assessment of the future disease burden. The main application of this work concerns projections of Dementia. However, by applying these models to Parkinson’s disease, we propose methods which allows to adapt our approach to other types of data.