Définition et validation d’algorithmes d’identification des cas de diabète dans les bases de données médico-administratives à partir de la cohorte Constances et application à l’étude de l’évolution de la prévalence et de l’incidence du diabète dans le SNDS

Development and validation of diabetes case definition algorithms from health administrative databases using data from the Constances cohort and its application to the study of the evolution of diabetes prevalence and incidence based on the SNDS

• Auteur / Autrice : Sonsoles Fuentes gutierrez
• Direction : Emmanuel Cosson
• Type : Thèse de doctorat
• Discipline(s) : Santé publique - épidémiologie
• Date : Soutenance le 17/09/2020
• Etablissement(s) : Paris Est
• Ecole(s) doctorale(s) : École doctorale Santé Publique
• Partenaire(s) de recherche : Laboratoire : Santé publique France - Santé publique France
• Partenaire(s) de recherche : établissement opérateur d'inscription : Université Paris-Est Créteil Val de Marne. Faculté de santé
• Jury : Président / Présidente : Pierre Fontaine
• Jury : Examinateurs / Examinatrices : Emmanuel Cosson, Alfred Penfornis, Annick Fontbonne, Fabrice Bonnet, Guy Fagherazzi, Bruno Detournay, Sébastien Czernichow
• Jury : Rapporteurs / Rapporteuses : Alfred Penfornis, Annick Fontbonne

Mots clés

Mots clés contrôlés

statistiques et données numériques

Santé publique -- Systèmes d'information

prévention et contrôle

Diabètes

Mots clés libres

Diabète

Prévention

Surveillance épidémiologique

Algorithme

Santé publique

Big-Data

Public health

Diabetes

Epidemiological surveillance

Big-Data

Algorithm

Prevention

Résumé

Contexte: Le Système National de Données Santé (SNDS) est une base de données médico-administratives (BDMA) comprenant des informations sur les remboursements de soins en ville, sur les hospitalisations en secteur public et privé et sur les décès de l’ensemble de la population résidant en France. Il s’agit d’une des sources de données majeures du dispositif de surveillance épidémiologique du diabète en France. Cette source d’informations de type Big data offre un vaste potentiel en termes de surveillance épidémiologique qui ne peut être développé qu’après avoir levé les défis méthodologiques associés au recours à ces outils.Objectifs: Les objectifs de cette thèse sont d’utiliser les données de la cohorte Constances pour améliorer le système de surveillance du diabète basé sur le SNDS et développer de nouveaux outils en appliquant la méthodologie Machine Learning.Résultats: Dans un premier temps, l’étude de validation des algorithmes d’identification des cas de diabète, à partir de la cohorte Constances, a montré qu’ils avaient d’excellentes performances que ce soit pour le diabète connu ou traité pharmacologiquement. L’algorithme basé sur les remboursements de traitements antidiabétiques a été retenu pour l’étude de l’évolution de l’épidémie du diabète en France dans le SNDS. Entre 2010 et 2017, une légère augmentation de la prévalence et une diminution de l’incidence sur la période 2012-2017, ont été observées chez les adultes âgées 45 ans ou plus. Ensuite, une méthodologie de type Machine Learning a été appliquée aux données de la cohorte Constances afin de développer un algorithme de typage du diabète. Un modèle d’analyse discriminante linéaire a été retenu, basé sur le nombre de remboursements d’insuline à action rapide, d’insuline de longue durée et de biguanides au cours des 12 mois. En utilisant la même méthodologie, deux autres algorithmes ont été développés pour identifier les cas de diabète non diagnostiqué et les cas du prédiabète. Ces deux algorithmes étaient basé sur des modèles de régression logistique. Le premier algorithme retenait 5 variables (âge, sexe et nombre de remboursements sur 12 mois de bilans lipidiques, de dosages de glycémie et de consultations d’un médecin généraliste) et le deuxième retenait 6 variables (âge, sexe et nombre de remboursements de dosages d’antigène prostatique spécifique, de glycémie et d’HbA1C et de bilans lipidiques).Conclusion: Les BDMAs, telles que le SNDS, représentent une opportunité pour la surveillance épidémiologique du diabète, élément central pour le déploiement des programmes de prévention et des politiques de santé publique.

Context: The National health data system (Système National de Données Santé, SNDS) is a health-administrative database (HAD) comprising information on reimbursements of dispensed out-of-hospital health care, on public and private hospital stays and on deaths for the whole population living in France. It is one of the main data sources of the diabetes epidemiological surveillance system in France. As Big Data source of information, it offers a huge potential in terms of epidemiological surveillance and it can only be exploited through specific tools which faced in 2016 several methodological challenges.Objectives: The objectives of this thesis were to use the data from the CONSTANCES cohort to improve the classical tools for diabetes surveillance in the SNDS and to develop new tools through Machine Learnings methods.Results: First, the validation of the diabetes case definition algorithms using the CONSTANCES cohort showed they had excellent performances in identifying diagnosed cases and pharmacologically treated cases. After retaining the most suitable algorithm relative to our purpose, it was applied to the entire SNDS to study the evolution of the diabetes epidemic in France. Between 2010 and 2017, prevalence rates slightly increased while incidence rates decreased over the period 2012-2017, among adults aged 45 years or older.Machine Learning methods were applied to the data from the CONSTANCES cohort allowed to develop a high performant type1/type 2 classification algorithm. A linear discriminant model based on the number of reimbursements over the last 12 months of fast-acting insulin, long-acting insulin and biguanides was retained. Another two algorithms for identifying undiagnosed diabetes cases and prediabetes cases were developed with the same methodology. Both algorithms were logistic regression models. The undiagnosed diabetes algorithm was based on 5 variables (age, sex and number of reimbursement in the last 12 months of tests for lipid profile, screening tests for glucose and general practitioner consultations) and the prediabetes algorithm on 6 variables (age, sex and number of reimbursements in the last 12 months of specific antigen screening tests, HbA1c screening tests, tests for lipid profile and screening tests for glucose).Conclusion: HADs such as the SNDS represent an opportunity for diabetes surveillance which is a key element for the development of prevention programs and public health policies.