Maladies infectieuses et données agrégées : estimation de la fraction attribuable et prise en compte de biais

Infectious Diseases and Aggregate Data : Estimating Attributable Fractions and Controlling for Bias

• Auteur / Autrice : Felix Cheysson
• Direction : Laurence Watier, Gabriel Lang
• Type : Thèse de doctorat
• Discipline(s) : Santé publique - biostatistiques
• Date : Soutenance le 17/11/2020
• Etablissement(s) : université Paris-Saclay
• Ecole(s) doctorale(s) : École doctorale Santé Publique (Le Kremlin-Bicêtre, Val-de-Marne ; 2015-...)
• Partenaire(s) de recherche : Laboratoire : Centre de recherche en épidémiologie et santé des populations (Villejuif, Val-de-Marne ; 2010-....)
• Partenaire(s) de recherche : Référent : Université Paris-Saclay. Faculté de médecine (Le Kremlin-Bicêtre, Val-de-Marne ; 2020-....)
• Partenaire(s) de recherche : Ecole : AgroParisTech (France ; 2007-....)
• Jury : Président / Présidente : Bruno Falissard
• Jury : Examinateurs / Examinatrices : Patricia Reynaud-Bouret, Jean-Christophe Thalabard, François Roueff, Jacques Bénichou, Karen Leffondré
• Jury : Rapporteurs / Rapporteuses : Patricia Reynaud-Bouret, Jean-Christophe Thalabard

Mots clés

Mots clés contrôlés

Dissertation universitaire

Pharmacoépidémiologie

Processus ponctuels

Mots clés libres

Maladies infectieuses

Données agrégées

Fraction attribuable

Série temporelle

Processus de Hawkes

Infectious diseases

Aggregate data

Attributable fraction

Time series

Hawkes process

Résumé

La surveillance épidémiologique repose le plus souvent sur l'analyse d'indicateurs de santé agrégés. Nous étudions les problèmes méthodologiques rencontrés lorsque l'on travaille sur ce type de données dans un contexte de santé publique. Dans un premier temps, nous nous intéressons au calcul de la fraction attribuable lorsque l'exposition est épidémique et le nombre d'événements de santé saisonnier. Pour les modèles statistiques de séries temporelles les plus souvent utilisés, nous présentons une méthode d'estimation de cette fraction et de ses intervalles de confiance. Ce travail nous a permis de montrer que la campagne de sensibilisation ''Les antibiotiques, c'est pas automatique !'' avait conduit à une diminution de plus de moitié des prescriptions antibiotiques associées aux épidémies de syndromes grippaux dès 2005. Par ailleurs, récemment 17% des prescriptions seraient attribuables aux infections virales des voies respiratoires basses pendant la période hivernale, et près de 38% chez les enfants, dont la moitié attribuables aux bronchiolites. Dans un second temps, nous proposons les processus de Hawkes comme modèles pour les maladies contagieuses et étudions l'impact de l'agrégation des données sur leur estimation. Dans ce contexte, nous développons une méthode d'estimation des paramètres du processus et prouvons que les estimateurs ont de bonnes propriétés asymptotiques. Ces travaux fournissent des outils statistiques pour éviter certains biais dus à l'agrégation de données individuelles pour l'étude de fractions attribuables et de maladies contagieuses.

Epidemiological surveillance is most often based on the analysis of aggregate health indicators. We study the methodological problems encountered when working with this type of data in a public health context. First, we focus on calculating the attributable fraction when the exposure is epidemic and the number of health events exhibits a seasonality. For the most frequently used time series models, we present a method for estimating this fraction and its confidence intervals. This work enabled us to show that the awareness campaign ''Antibiotics are not automatic!'' led to a reduction of more than half of the antibiotic prescriptions associated with influenza epidemics as early as 2005. Moreover, recently 17% of prescriptions are thought to be attributable to viral infections of the lower respiratory tract during the cold period, and nearly 38% in children, half of which attributable to bronchiolitis. In a second step, we propose Hawkes processes as models for contagious diseases and study the impact of data aggregation on their estimation. In this context, we develop a method for estimating the process parameters and prove that the estimators have good asymptotic properties. This work provides statistical tools to avoid some biases due to the use of aggregate data for the study of attributable fractions and contagious diseases.