Les réseaux de surveillance en santé humaine reposent souvent sur des professionnels de santé (fournisseurs) volontaires organisés en réseau, qui rapportent les cas de maladie observés dans leur patientèle. Les caractéristiques de ces fournisseurs, leur répartition spatiale et leur participation ne peut pas être contrôlée: ils ne constituent pas un échantillon aléatoire. La représentativité est un point important lorsque l'information collectée n'est pas exhaustive, elle assure que le réseau fournit une représentation précise de la population touchée. Dans cette thèse, on s'intéresse aux méthodes de réduction du biais des estimations produites par un réseau de surveillance reposant sur des données fournies par un échantillon de professionnels de santé volontaires. Les travaux reposent sur l'expérience en France du réseau de médecin généralistes Sentinelles. L'estimateur de Horvitz-Thompson a été utilisé pour réduire le biais des estimations grâce à la définition des probabilités d'inclusion reposant sur la différence d'activité des médecins participants et non-participants. Nous avons également étudié l'impact de l'échantillonnage spatial des médecins grâce à des données simulées. Nous montrons l'utilisation de poids de sondage incluant la densité médicale locale permet de s'affranchir des variations temporelle et spatiale des fournisseurs. Enfin, les différentes méthodes de redressement proposées ont été appliquées pour l'estimation annuelle de l'efficacité du vaccin anti-grippal. Les différents travaux montrent l'apport de méthodes statistiques appropriées à l'utilisation de données collectées en médecine générale pour informer précisément les acteurs de santé publique. / Disease surveillance networks are usually based on a group of health professionals or institutions which monitor one or more diseases. These data providers report cases seen among their patients. The characteristics of these providers, their spatial distribution and their participation to the network cannot be controlled: they are not a random sample of health professionals. Representativeness must be considered in networks where collected information are not exhaustive. It ensures that the network could provide an accurate representation of the population affected by the disease. In this thesis, we are interested in estimation methods for data produced by a surveillance network based on voluntary participation. The different works are based on the experience of the French practice-based Sentinelles network.The Horvitz-Thompson estimator was used to reduce the bias of incidence estimates. Inclusion probabilities were based on the difference in activity of participating and non-participating general practitioners in surveillance. We also study the impact of the spatial sampling of professionals participating to a surveillance network. By a simulation study, we show that sample weights based on local medical density eliminates the temporal and spatial variations of the providers. We ultimately applied these adjustments to estimate influenza vaccine effectiveness using data provided by GPs participating to the French Sentinelles network.These works show the contribution of appropriate statistical methods for epidemiological data collected in primary care to accurately inform public health authorities.
| Identifer | oai:union.ndltd.org:theses.fr/2016PA066183 |
| Date | 04 July 2016 |
| Creators | Souty, Cécile |
| Contributors | Paris 6, Boëlle, Pierre-Yves |
| Source Sets | Dépôt national des thèses électroniques françaises |
| Language | French, English |
| Detected Language | French |
| Type | Electronic Thesis or Dissertation, Text |
Page generated in 0.003 seconds