La complexité qui traverse l'épidémiologie sociale et la médecine légale du vivant est de celle que l'on cherche à saisir par la variété des observations et par l'intrication de points de vue et d'échelles différentes - l'individu, le groupe, la société. Les méthodes du biomédical sont encore peu adaptées au traitement de la complexité, à sa représentation qui ne soit pas normative, statistique. Il existe un ensemble d'approches non statistiques, " non classiques ", qui puissent traiter simultanément un grand nombre de dimensions et qui permettent de réduire la complexité apparente en dégageant des objets d'étude spécifique. Nous présentons ici les principes et l'utilisation des techniques de reconnaissance de forme dans le cadre de l'épidémiologie sociale, en les appliquant à la recherche d'une typologie de recours aux soins, sur la base des données de la cohorte SIRS. Nous expliquons en quoi ces approches ont leur place, épistémologiquement et techniquement parlant, aux côtés des méthodes expérimentales classiques type essais randomisés contrôlés. Nous exposons également un autre moyen de réduire la complexité des données, tout en en préservant les qualités topologiques. Nous introduisons en médecine légale la notion de dimension intrinsèque, plus petite dimension nécessaire et suffisante à la description des données, et de techniques non linéaires de réduction de la dimension. Nous en appliquons les principes au cas de l'intégration de sources d'information multiples pour l'estimation de l'âge chez les adolescents migrants. Enfin, nous discutons les avantages et limites de ces approches ainsi que les perspectives qu'elles ouvrent à ces deux disciplines complémentaires. / Social epidemiology and clinical legal medicine are hybrid objects that articulate several fields, accounting for social and interpersonal relationships. The complexity that characterizes them both is investigated through different viewpoints, scales and dimensions: the individual scale, the group scale and the society scale. The techniques used in biomedicine are not designed to properly deal with such a complexity, in a non-normative way. A wide range of alternative non-statistical, “non-classical” methods exist that can process simultaneously various dimensions so that we can reduce the apparent complexity of data while discovering scientific objects. Here, we present the principles and the use of clustering techniques, applied to social epidemiology. We applied different clustering techniques on data from the SIRS cohort to build a typology of healthcare utilization in the Paris metropolitan area. From an epistemological and technical viewpoint, we explain why these methods should take place beside other recognized but limited techniques such as randomized controlled trials. We introduce another but complementary kind of complexity reduction technique. The concept of intrinsic dimension is explained – the littlest dimension needed to describe properly data – and nonlinear dimensionality reduction techniques are applied in clinical legal medicine. With these tools, we explore whether the integration of multiple information sources is relevant in age estimation of living migrants. Finally, we discuss the pros and cons of these methods, as well as the opportunities they may create for both fields of social epidemiology and clinical legal medicine.
| Identifer | oai:union.ndltd.org:theses.fr/2015PA066336 |
| Date | 22 July 2015 |
| Creators | Lefèvre, Thomas |
| Contributors | Paris 6, Chauvin, Pierre |
| Source Sets | Dépôt national des thèses électroniques françaises |
| Language | French, English |
| Detected Language | French |
| Type | Electronic Thesis or Dissertation, Text |
Page generated in 0.002 seconds