Couplage d'enregistrements et analyse des données couplées avec application dans le système national des données de santé français

Record linkage and analysis of linked data with application in French national health data system

• Auteur / Autrice : Thanh Huan Vo
• Direction : Guillaume Chauvet, Valérie Garès
• Type : Thèse de doctorat
• Discipline(s) : Mathématiques et leurs interactions
• Date : Soutenance le 01/12/2022
• Etablissement(s) : Rennes, INSA
• Ecole(s) doctorale(s) : École doctorale Mathématiques et sciences et technologies de l'information et de la communication (Rennes)
• Partenaire(s) de recherche : Institut de recherche : Institut de Recherche Technologique b<>com
• Partenaire(s) de recherche : Laboratoire : Institut de recherche mathématique (Rennes ; 1996-....)
• Jury : Président / Présidente : Jean-François Dupuy
• Jury : Examinateurs / Examinatrices : Guillaume Chauvet, Valérie Garès, Jean-François Dupuy, Michael D. Larsen, Nicola Salvati, Tiziana Tuoto, Nicolas Courty, Cécile Chevrier
• Jury : Rapporteur / Rapporteuse : Michael D. Larsen, Nicola Salvati

Mots clés

Mots clés contrôlés

Brest (Finistère ; agglomération)

Thromboembolie

Maladies cérébrovasculaires

Appariement (statistique)

Système national des données de santé

Mesures de probabilités

Processus de Cox

Mots clés libres

Couplage d'enregistrement

Analyse secondaire

Régression de Cox

Données de santé

Record linkage

Secondary analysis

Cox regression

Health data

Résumé

L’appariement probabiliste consiste à combiner des données de différentes sources, quand elles correspondent à une même entité mais qu’une variable d’identification n’est pas disponible. Le modèle de Fellegi et Sunter utilise des variables partiellement identifiantes, mais se limite à une comparaison binaire pour ces variables. Dans la première contribution, nous proposons une extension du modèle pour les vecteurs de comparaison de type mixte. Nous développons un modèle de mélange pour comparer les valeurs des variables d’appariement catégorielles présentant des prévalences faibles, et un mélange de distributions “hurdle gamma” pour les valeurs des variables d’appariement continues. Nous appliquons ce modèle pour apparier les données du SNDS avec un registre de patients de l’aire urbaine de Brest. Dans le second travail, nous proposons un modèle pour une régression de Cox avec des données appariées. Des erreurs d’appariement sont presque inévitables quelle que soit la méthode utilisée, et ignorer ces erreurs peut conduire à des estimations biaisées. Nous proposons une équation estimante ajustée adaptée au modèle de Cox, quand l’appariement a été réalisé par un opérateur tiers et que l’analyste ne connaît pas les variables d’appariement. Nous proposons un estimateur de variance asymptotiquement sans biais pour l’estimateur des paramètres du modèle de Cox. Le modèle est appliqué à une base de données appariées, correspondant à des AVC survenus à Brest.

Probabilistic record linkage is a process of combining data from different sources, when such data refer to common entities and identifying information is not available. Fellegi and Sunter proposed a probabilistic record linkage framework that takes into account multiple non-identifying information but is limited to simple binary comparison between matching variables. In the first contribution, we propose an extension of this model for mixed-type comparison vectors. We develop a mixture model for handling comparison values of low prevalence categorical matching variables, and a mixture of hurdle gamma distribution for handling comparison values of continuous matching variables. The proposed model is applied to link a registry of patients in Brest and the French national health data system. Secondly, we propose a model for Cox regression with linked data. The linked data can bring analysts novel and valuable knowledge which is unable to obtain from a single database. However, linkage errors are usually unavoidable regardless of record linkage methods and ignoring these errors may lead to bias estimates. We propose an adjusted estimating equation for secondary Cox regression analysis, where linked data have been prepared by someone else and no information on matching variables are available to the analyst. An asymptotically unbiased variance estimator is also proposed. The model is applied to a linked database from the Brest stroke registry.