Les quatre principales activités de la gestion de risque thérapeutique comportent
l’identification, l’évaluation, la minimisation, et la communication du risque. Ce mémoire aborde les problématiques liées à l’identification et à la minimisation du risque par la réalisation de deux études dont les objectifs sont de: 1) Développer et valider un outil de « data mining » pour la détection des signaux à partir des banques de données de soins de santé du Québec; 2) Effectuer une revue systématique afin de caractériser les interventions de minimisation de risque (IMR) ayant été implantées.
L’outil de détection de signaux repose sur la méthode analytique du quotient séquentiel de probabilité (MaxSPRT) en utilisant des données de médicaments délivrés et de soins
médicaux recueillis dans une cohorte rétrospective de 87 389 personnes âgées vivant à domicile et membres du régime d’assurance maladie du Québec entre les années 2000 et 2009. Quatre associations « médicament-événement indésirable (EI) » connues et deux contrôles « négatifs » ont été utilisés. La revue systématique a été faite à partir d’une revue de la littérature ainsi que des sites web de six principales agences réglementaires. La nature des RMIs ont été décrites et des lacunes de leur implémentation ont été soulevées.
La méthode analytique a mené à la détection de signaux dans l'une des quatre combinaisons
médicament-EI. Les principales contributions sont: a) Le premier outil de détection de
signaux à partir des banques de données administratives canadiennes; b) Contributions
méthodologiques par la prise en compte de l'effet de déplétion des sujets à risque et le contrôle pour l'état de santé du patient. La revue a identifié 119 IMRs dans la littérature et 1,112 IMRs dans les sites web des agences réglementaires. La revue a démontré qu’il existe une augmentation des IMRs depuis l’introduction des guides réglementaires en 2005 mais leur efficacité demeure peu démontrée. / The four main components of therapeutic risk management (RM) consist of risk detection
(identification), evaluation, minimisation, and communication. This thesis aims at
addressing RM methodologies within the two realms of risk detection and risk minimisation, through the conduct of two distinct studies: i) The development and
evaluation of a data mining tool to support signal detection using health care claims
databases, and ii) A systematic review to characterise risk minimisation interventions
(RMIs) implemented so far.
The data mining tool is based on a Maximised Sequential Probability Ratio Test (MaxSPRT), using drug dispensing and medical claims data found in the Quebec health claims databases (RAMQ). It was developed and validated in a cohort of 87,389 community-dwelling elderly aged 66+, randomly sampled from all elderly drug plan members between 2000 and 2009. Four known drug-AE associations and two "negative" controls were used. The systematic review on RMIs is based on a literature search as well as a review of the websites of six main regulatory agencies. Types of RMIs have been
summarized and implementation gaps identified.
The data mining tool detected signals in one of four of the known drug-AE associations.
Major contributions are: a) The first signal detection data mining tool applied to a Canadian claims database; b) Methodological improvements over published methods by considering the depletion of susceptibles effect and adjusting for overall health status to control for prescription channelling. The review yielded 119 distinct RMIs from the literature and 1,112 from the websites. The review demonstrated that an increase in RMI numbers among websites occurred since the introduction of guidances in 2005, but their effectiveness remains insufficiently examined.
| Identifer | oai:union.ndltd.org:umontreal.ca/oai:papyrus.bib.umontreal.ca:1866/8547 |
| Date | 02 1900 |
| Creators | Nkeng, Lenhangmbong |
| Contributors | Moride, Yola |
| Source Sets | Université de Montréal |
| Language | English |
| Detected Language | French |
| Type | Thèse ou Mémoire numérique / Electronic Thesis or Dissertation |
Page generated in 0.0023 seconds