Le biais de confusion est un défi majeur des études observationnelles, surtout s'ils sont induits par des caractéristiques difficiles, voire impossibles, à mesurer dans les banques de données administratives de soins de santé. Un des biais de confusion souvent présents dans les études pharmacoépidémiologiques est la prescription sélective (en anglais « prescription channeling »), qui se manifeste lorsque le choix du traitement dépend de l'état de santé du patient et/ou de son expérience antérieure avec diverses options thérapeutiques. Parmi les méthodes de contrôle de ce biais, on retrouve le score de comorbidité, qui caractérise l'état de santé d'un patient à partir de médicaments délivrés ou de diagnostics médicaux rapportés dans les données de facturations des médecins. La performance des scores de comorbidité fait cependant l'objet de controverses car elle semble varier de façon importante selon la population d'intérêt. Les objectifs de cette thèse étaient de développer, valider, et comparer les performances de deux scores de comorbidité (un qui prédit le décès et l’autre qui prédit l’institutionnalisation), développés à partir des banques de services pharmaceutiques de la Régie de l'assurance-maladie du Québec (RAMQ) pour leur utilisation dans la population âgée. Cette thèse vise également à déterminer si l'inclusion de caractéristiques non rapportées ou peu valides dans les banques de données administratives (caractéristiques socio-démographiques, troubles mentaux ou du sommeil), améliore la performance des scores de comorbidité dans la population âgée. Une étude cas-témoins intra-cohorte fut réalisée. La cohorte source consistait en un échantillon aléatoire de 87 389 personnes âgées vivant à domicile, répartie en une cohorte de développement (n=61 172; 70%) et une cohorte de validation (n=26 217; 30%). Les données ont été obtenues à partir des banques de données de la RAMQ. Pour être inclus dans l’étude, les sujets devaient être âgés de 66 ans et plus, et être membres du régime public d'assurance-médicaments du Québec entre le 1er janvier 2000 et le 31 décembre 2009. Les scores ont été développés à partir de la méthode du Framingham Heart Study, et leur performance évaluée par la c-statistique et l’aire sous les courbes « Receiver Operating Curves ». Pour le dernier objectif qui est de documenter l’impact de l’ajout de variables non-mesurées ou peu valides dans les banques de données au score de comorbidité développé, une étude de cohorte prospective (2005-2008) a été réalisée. La population à l'étude, de même que les données, sont issues de l'Étude sur la Santé des Aînés (n=1 494). Les variables d'intérêt incluaient statut marital, soutien social, présence de troubles de santé mentale ainsi que troubles du sommeil. Tel que décrit dans l'article 1, le Geriatric Comorbidity Score (GCS) basé sur le décès, a été développé et a présenté une bonne performance (c-statistique=0.75; IC95% 0.73-0.78). Cette performance s'est avérée supérieure à celle du Chronic Disease Score (CDS) lorsqu'appliqué dans la population à l'étude (c-statistique du CDS : 0.47; IC 95%: 0.45-0.49). Une revue de littérature exhaustive a montré que les facteurs associés au décès étaient très différents de ceux associés à l’institutionnalisation, justifiant ainsi le développement d'un score spécifique pour prédire le risque d'institutionnalisation. La performance de ce dernier s'est avérée non statistiquement différente de celle du score de décès (c-statistique institutionnalisation : 0.79 IC95% 0.77-0.81). L'inclusion de variables non rapportées dans les banques de données administratives n'a amélioré que de 11% la performance du score de décès; le statut marital et le soutien social ayant le plus contribué à l'amélioration observée. En conclusion, de cette thèse, sont issues trois contributions majeures. D'une part, il a été démontré que la performance des scores de comorbidité basés sur le décès dépend de la population cible, d'où l'intérêt du Geriatric Comorbidity Score, qui fut développé pour la population âgée vivant à domicile. D'autre part, les médicaments associés au risque d'institutionnalisation diffèrent de ceux associés au risque de décès dans la population âgé, justifiant ainsi le développement de deux scores distincts. Cependant, les performances des deux scores sont semblables. Enfin, les résultats indiquent que, dans la population âgée, l'absence de certaines caractéristiques ne compromet pas de façon importante la performance des scores de comorbidité déterminés à partir de banques de données d'ordonnances. Par conséquent, les scores de comorbidité demeurent un outil de recherche important pour les études observationnelles. / Confounding is an important challenge in observational studies given that they are induced by characteristics difficult, if not impossible, to measure in administrative claims databases. Prescription channelling is a frequent source of confounding in pharmacoepidemiologic studies, and occurs when the selection of one treatment over another is influenced by overall health status and patient's experience with other treatment options. Among the methods available to control for this bias, comorbidity scores are frequently used. Most of the comorbidity scores published in the literature assess the patients’ health status through drug dispensing or diagnostic codes included in physicians’ billings. These comorbidity scores, however, are controversial since their performance appears to vary according to the population of interest ( example: elderly vs. adult). The objectives of this thesis were to develop, validate and compare the performance of two comorbidity scores (the Geriatric Comorbidity Score based on death, and a comorbidity score based on institutionalization) derived from dispensing data for use in the community-dwelling elderly population. Furthermore, this thesis aimed to evaluate whether the inclusion of characteristics not usually included in administrative claims databases or with a low validity (such as sociodemographic characteristics, sleep or mental disorders) improves the performance of the Geriatric Comorbidity Score. A nested case-control analysis was conducted within a cohort that consisted of a random sample of 87,389 elderly distributed into a construction cohort (n=61,172; 70%) and a validation cohort (n=26,217; 30%). Sources of data consisted of the databases of the Régie de l’assurance maladie du Québec (RAMQ). To be included in the study, subjects had to be 66 years and older and covered by the public drug insurance program of Quebec between 1st January 2000 and 31st December 2009. Scores were developed using the Framingham Heart Study method, and their performances were assessed using the c-statistics and receiver operating curves (ROC). For the last objective, a prospective cohort study was performed using the participants in the Étude sur la Santé des Aînés (ESA) (n=1,494) which covered the period ranging from 2005 to 2008. Study variables included marital status, social support, mental health as well as sleep disorders. The comprehensive literature review conducted in the thesis and our results revealed that factors associated with death greatly differed from those associated with institutionalization, which supported the need to develop two distinct scores. Performances of the institutionalization score were, however, not statistically different from the death score (institutionalization c-statistic = 0.79; 95% CI: 0.77-0.81; death c-statistic= 0.75; 95% CI: 0.73-0.78). The Geriatric Comorbidity Score (death score) revealed a better performance than the Chronic Disease Score, which has been widely used in the literature (c-statistic= 0.47; 95%CI: 0.45-0.49). The inclusion of variables not recorded in claims databases yielded an improvement of the death score of only 11%, with marital status and social support being mainly responsible for the improvement. In terms of achievement, this thesis made three contributions. First, it was shown that the performance of comorbidity scores based on death vary according to the study population, reinforcing the need for specific scores, such as the Geriatric Comorbidity Score which was developed here. Second, factors associated with the risk of institutionalization were different than those associated with the risk of death in the elderly population, which supported the development of an institutionalization score. Even if the performance of death and institutionalization scores were similar, the latter would be preferred in studies that aim at assessing the effect of drugs on institutionalisation in the elderly. Lastly, the results indicate that the absence of some characteristics in the administrative databases do not appear to have a major impact on the performance of scores based on claims data. Consequently, comorbidity scores based on drug dispensing data remain important research tools for pharmacoepidemiologic studies conducted through health claims databases.

No description available.

Les maladies humaines les plus fréquentes sont complexes avec plusieurs facteurs génétiques et environnementaux qui interagissent. Ce travail propose deux nouvelles méthodes statistiques pour étudier les interactions gène-environnement. La première méthode utilise la récurrence familiale de la maladie pour identifier une interaction entre un facteur environnemental et la composante génétique impliquée dans la maladie. La seconde méthode permet de prendre en compte ces interactions dans les études d'associations pangénomiques lorsque l'information sur le facteur d'exposition n'est pas disponible chez les témoins. Cette situation est devenue fréquente avec l'utilisation de panels de témoins de référence. Ces deux méthodes apportent de nouveaux outils pour étudier simultanément les facteurs génétiques et environnementaux dans les maladies complexes. Elles ont été appliquées sur deux jeux de données concernant le diabète de type 2 et les réactions cutanées sévères aux médicaments.

Le biais de confusion est un défi majeur des études observationnelles, surtout s'ils sont induits par des caractéristiques difficiles, voire impossibles, à mesurer dans les banques de données administratives de soins de santé. Un des biais de confusion souvent présents dans les études pharmacoépidémiologiques est la prescription sélective (en anglais « prescription channeling »), qui se manifeste lorsque le choix du traitement dépend de l'état de santé du patient et/ou de son expérience antérieure avec diverses options thérapeutiques. Parmi les méthodes de contrôle de ce biais, on retrouve le score de comorbidité, qui caractérise l'état de santé d'un patient à partir de médicaments délivrés ou de diagnostics médicaux rapportés dans les données de facturations des médecins. La performance des scores de comorbidité fait cependant l'objet de controverses car elle semble varier de façon importante selon la population d'intérêt. Les objectifs de cette thèse étaient de développer, valider, et comparer les performances de deux scores de comorbidité (un qui prédit le décès et l’autre qui prédit l’institutionnalisation), développés à partir des banques de services pharmaceutiques de la Régie de l'assurance-maladie du Québec (RAMQ) pour leur utilisation dans la population âgée. Cette thèse vise également à déterminer si l'inclusion de caractéristiques non rapportées ou peu valides dans les banques de données administratives (caractéristiques socio-démographiques, troubles mentaux ou du sommeil), améliore la performance des scores de comorbidité dans la population âgée. Une étude cas-témoins intra-cohorte fut réalisée. La cohorte source consistait en un échantillon aléatoire de 87 389 personnes âgées vivant à domicile, répartie en une cohorte de développement (n=61 172; 70%) et une cohorte de validation (n=26 217; 30%). Les données ont été obtenues à partir des banques de données de la RAMQ. Pour être inclus dans l’étude, les sujets devaient être âgés de 66 ans et plus, et être membres du régime public d'assurance-médicaments du Québec entre le 1er janvier 2000 et le 31 décembre 2009. Les scores ont été développés à partir de la méthode du Framingham Heart Study, et leur performance évaluée par la c-statistique et l’aire sous les courbes « Receiver Operating Curves ». Pour le dernier objectif qui est de documenter l’impact de l’ajout de variables non-mesurées ou peu valides dans les banques de données au score de comorbidité développé, une étude de cohorte prospective (2005-2008) a été réalisée. La population à l'étude, de même que les données, sont issues de l'Étude sur la Santé des Aînés (n=1 494). Les variables d'intérêt incluaient statut marital, soutien social, présence de troubles de santé mentale ainsi que troubles du sommeil. Tel que décrit dans l'article 1, le Geriatric Comorbidity Score (GCS) basé sur le décès, a été développé et a présenté une bonne performance (c-statistique=0.75; IC95% 0.73-0.78). Cette performance s'est avérée supérieure à celle du Chronic Disease Score (CDS) lorsqu'appliqué dans la population à l'étude (c-statistique du CDS : 0.47; IC 95%: 0.45-0.49). Une revue de littérature exhaustive a montré que les facteurs associés au décès étaient très différents de ceux associés à l’institutionnalisation, justifiant ainsi le développement d'un score spécifique pour prédire le risque d'institutionnalisation. La performance de ce dernier s'est avérée non statistiquement différente de celle du score de décès (c-statistique institutionnalisation : 0.79 IC95% 0.77-0.81). L'inclusion de variables non rapportées dans les banques de données administratives n'a amélioré que de 11% la performance du score de décès; le statut marital et le soutien social ayant le plus contribué à l'amélioration observée. En conclusion, de cette thèse, sont issues trois contributions majeures. D'une part, il a été démontré que la performance des scores de comorbidité basés sur le décès dépend de la population cible, d'où l'intérêt du Geriatric Comorbidity Score, qui fut développé pour la population âgée vivant à domicile. D'autre part, les médicaments associés au risque d'institutionnalisation diffèrent de ceux associés au risque de décès dans la population âgé, justifiant ainsi le développement de deux scores distincts. Cependant, les performances des deux scores sont semblables. Enfin, les résultats indiquent que, dans la population âgée, l'absence de certaines caractéristiques ne compromet pas de façon importante la performance des scores de comorbidité déterminés à partir de banques de données d'ordonnances. Par conséquent, les scores de comorbidité demeurent un outil de recherche important pour les études observationnelles. / Confounding is an important challenge in observational studies given that they are induced by characteristics difficult, if not impossible, to measure in administrative claims databases. Prescription channelling is a frequent source of confounding in pharmacoepidemiologic studies, and occurs when the selection of one treatment over another is influenced by overall health status and patient's experience with other treatment options. Among the methods available to control for this bias, comorbidity scores are frequently used. Most of the comorbidity scores published in the literature assess the patients’ health status through drug dispensing or diagnostic codes included in physicians’ billings. These comorbidity scores, however, are controversial since their performance appears to vary according to the population of interest ( example: elderly vs. adult). The objectives of this thesis were to develop, validate and compare the performance of two comorbidity scores (the Geriatric Comorbidity Score based on death, and a comorbidity score based on institutionalization) derived from dispensing data for use in the community-dwelling elderly population. Furthermore, this thesis aimed to evaluate whether the inclusion of characteristics not usually included in administrative claims databases or with a low validity (such as sociodemographic characteristics, sleep or mental disorders) improves the performance of the Geriatric Comorbidity Score. A nested case-control analysis was conducted within a cohort that consisted of a random sample of 87,389 elderly distributed into a construction cohort (n=61,172; 70%) and a validation cohort (n=26,217; 30%). Sources of data consisted of the databases of the Régie de l’assurance maladie du Québec (RAMQ). To be included in the study, subjects had to be 66 years and older and covered by the public drug insurance program of Quebec between 1st January 2000 and 31st December 2009. Scores were developed using the Framingham Heart Study method, and their performances were assessed using the c-statistics and receiver operating curves (ROC). For the last objective, a prospective cohort study was performed using the participants in the Étude sur la Santé des Aînés (ESA) (n=1,494) which covered the period ranging from 2005 to 2008. Study variables included marital status, social support, mental health as well as sleep disorders. The comprehensive literature review conducted in the thesis and our results revealed that factors associated with death greatly differed from those associated with institutionalization, which supported the need to develop two distinct scores. Performances of the institutionalization score were, however, not statistically different from the death score (institutionalization c-statistic = 0.79; 95% CI: 0.77-0.81; death c-statistic= 0.75; 95% CI: 0.73-0.78). The Geriatric Comorbidity Score (death score) revealed a better performance than the Chronic Disease Score, which has been widely used in the literature (c-statistic= 0.47; 95%CI: 0.45-0.49). The inclusion of variables not recorded in claims databases yielded an improvement of the death score of only 11%, with marital status and social support being mainly responsible for the improvement. In terms of achievement, this thesis made three contributions. First, it was shown that the performance of comorbidity scores based on death vary according to the study population, reinforcing the need for specific scores, such as the Geriatric Comorbidity Score which was developed here. Second, factors associated with the risk of institutionalization were different than those associated with the risk of death in the elderly population, which supported the development of an institutionalization score. Even if the performance of death and institutionalization scores were similar, the latter would be preferred in studies that aim at assessing the effect of drugs on institutionalisation in the elderly. Lastly, the results indicate that the absence of some characteristics in the administrative databases do not appear to have a major impact on the performance of scores based on claims data. Consequently, comorbidity scores based on drug dispensing data remain important research tools for pharmacoepidemiologic studies conducted through health claims databases.

La randomisation mendélienne est une méthode d’instrumentation utilisant des instruments de nature génétique afin d’estimer, via par exemple la régression des moindres carrés en deux étapes, une relation de causalité entre un facteur d’exposition et une réponse lorsque celle-ci est confondue par une ou plusieurs variables de confusion non mesurées. La randomisation mendélienne est en mesure de gérer le biais de confusion à condition que les instruments utilisés soient valides, c’est-à-dire qu’ils respectent trois hypothèses clés. On peut généralement se convaincre que deux des trois hypothèses sont satisfaites alors qu’un phénomène génétique, la pléiotropie, peut parfois rendre la troisième hypothèse invalide. En présence d’invalidité, l’estimation de l’effet causal de l’exposition sur la réponse peut être sévèrement biaisée. Afin d’évaluer la potentielle présence d’invalidité lorsqu’un seul instrument est utilisé, Glymour et al. (2012) ont proposé une méthode qu’on dénomme ici l’approche de la différence simple qui utilise le signe de la différence entre l’estimateur des moindres carrés ordinaires de la réponse sur l’exposition et l’estimateur des moindres carrés en deux étapes calculé à partir de l’instrument pour juger de l’invalidité de l’instrument. Ce mémoire introduit trois méthodes qui s’inspirent de cette approche, mais qui sont applicables à la randomisation mendélienne à instruments multiples. D’abord, on introduit l’approche de la différence globale, une simple généralisation de l’approche de la différence simple au cas des instruments multiples qui a comme objectif de détecter si un ou plusieurs instruments utilisés sont invalides. Ensuite, on introduit les approches des différences individuelles et des différences groupées, deux méthodes qui généralisent les outils de détection de l’invalidité de l’approche de la différence simple afin d’identifier des instruments potentiellement problématiques et proposent une nouvelle estimation de l’effet causal de l’exposition sur la réponse. L’évaluation des méthodes passe par une étude théorique de l’impact de l’invalidité sur la convergence des estimateurs des moindres carrés ordinaires et des moindres carrés en deux étapes et une simulation qui compare la précision des estimateurs résultant des différentes méthodes et leur capacité à détecter l’invalidité des instruments. / Mendelian randomization is an instrumentation method that uses genetic instruments to estimate, via two-stage least squares regression for example, a causal relationship between an exposure and an outcome when the relationship is confounded by one or more unmeasured confounders. Mendelian randomization can handle confounding bias provided that the instruments are valid, i.e., that they meet three key assumptions. While two of the three assumptions can usually be satisfied, the third assumption is often invalidated by a genetic phenomenon called pleiotropy. In the presence of invalid instruments, the estimate of the causal effect of exposure on the outcome may be severely biased. To assess the potential presence of an invalid instrument in single-instrument studies, Glymour et al. (2012) proposed a method, hereinafter referred to as the simple difference approach, which uses the sign of the difference between the ordinary least squares estimator of the outcome on the exposure and the two-stage least squares estimator calculated using the instrument. Based on this approach, we introduce three methods applicable to Mendelian randomization with multiple instruments. The first method is the global difference approach and corresponds to a simple generalization of the simple difference approach to the case of multiple instruments that aims to detect whether one or more instruments are invalid. Next, we introduce the individual differences and the grouped differences approaches, two methods that generalize the simple difference approach to identify potentially invalid instruments and provide new estimates of the causal effect of the exposure on the outcome. The methods are evaluated using a theoretical investigation of the impact that invalid instruments have on the convergence of the ordinary least squares and two-stage least squares estimators as well as with a simulation study that compares the accuracy of the respective estimators and the ability of the corresponding methods to detect invalid instruments.