- Email: [email protected]
Détermination de l’incidence du paludisme en France à partir des données du Sniiram-PMSI
Colloque Adelf-Emois / Revue d’Épidémiologie et de Santé Publique 64S (2016) S5–S27 dans le cadre du PMSI. Notre objectif est d’évaluer la performance du PMSI dans le repérage des UPR. Matériels et méthodes L’étude a inclut les séjours des femmes hospitalisées pour algies pelviennes aiguës et/ou métrorragies dans deux services universitaires de gynécologie en 2012, sélectionnés à partir des cahiers des services. Les UPR ont été repérées dans le PMSI à l’aide d’algorithmes : un basé sur les consignes de codage, un deuxième tenant compte des pratiques de codage. Chaque algorithme comportait des codes décrivant les diagnostics et au moins un code d’acte. L’analyse a porté sur la mesure des sensibilités, spécificités, rapports de vraisemblance positifs et les écarts aux consignes de codage ; les données médicales du dossier patient étant les données de référence. Résultats Parmi les 370 séjours inclus, 133 séjours (35,9 %) concernaient des situations d’UPR : 88 séjours inclus dans le centre A et 45 dans le centre B (p = 0,23). Selon les consignes de codage, les UPR sont repérées dans le PMSI avec une sensibilité de 12,7 % (IC 95 % = 7,1-18,3) et une spécificité de 98,7 % (IC 95 % = 97,3-100,0). Selon les pratiques de codage, les UPR sont repérées avec une sensibilité à 69,4 % (IC 95 % = 62,0-77,0) et une spécificité à 77,5 % (IC 95 % = 72,0-83,0). Les performances du PMSI dans le repérage des UPR n’étaient pas statistiquement différentes selon le centre. Les écarts aux consignes de codage les plus fréquents concernaient le choix des codes diagnostic pour les complications. Discussion La performance du repérage des UPR questionne l’utilisation du PMSI comme base de données : variabilité des pratiques et respect des consignes de codage des séjours sont à incriminer. Une réflexion pour améliorer le codage des séjours en gynécologie s’impose. Mots clés Grossesse extra-utérine ; Système d’information ; Validité Déclaration de liens d’intérêts d’intérêts.
Les auteurs déclarent ne pas avoir de liens
http://dx.doi.org/10.1016/j.respe.2016.01.077 J2
Détermination de l’incidence du paludisme en France à partir des données du Sniiram-PMSI F. Delon a,∗ , M. Thellier b , A. Mayet a,b,c,d,e , L. Ollivier c , G. Chatellier d , G. Desjeux e a Centre d’épidémiologie et de santé publique des armées, Marseille, France b Centre national de référence du paludisme, Paris, France c Direction centrale du service de santé des armées, Paris, France d Département d’épidémiologie clinique, hôpital européen Georges-Pompidou, université René-Descartes, Paris, France e Caisse nationale militaire de sécurité sociale, Toulon, France ∗ Auteur correspondant. Adresse e-mail : [email protected] (F. Delon) Introduction En France, la surveillance épidémiologique du paludisme, effectuée par un Centre national de référence (CNR), repose sur un réseau sentinelle de laboratoires hospitaliers, qui capture environ 50 % des cas. L’incidence est ainsi estimée à environ 4000 cas par an. En parallèle, les cas survenant chez des militaires sont déclarés au Centre d’épidémiologie et de santé publique des armées (CESPA) par les médecins des armées. L’objectif de ce travail était d’évaluer la possibilité d’utiliser le Sniiram-PMSI pour mettre en œuvre une surveillance épidémiologique du paludisme exhaustive sur la population. Méthodes L’algorithme d’identification des cas a été construit en deux étapes. Premièrement, les cas possibles ont été recherchés sur la période du 1er juillet 2013 au 30 juin 2014, en utilisant les données des hospitalisations et celles des remboursements de ville. Deuxièmement, pour augmenter la spécificité de l’algorithme, sept règles d’exclusion ont été définies sur avis d’expert, en se fondant sur la description des données et l’identification de valeurs aberrantes. Les performances de l’algorithme ont été évaluées en comparant les distributions démographiques (âge, sexe), spatiales et temporelles des cas avec les données du CNR et du CESPA. Aucun appariement n’a été réalisé en l’absence d’autorisation. Résultats L’algorithme a permis d’identifier 4248 cas incidents de paludisme, correspondant à 4099 patients distincts. Pour la même période, 2222 cas ont été déclarés au CNR du paludisme et 197 au CESPA. Aucune différence significative n’a été retrouvée en population générale d’une part, entre les cas identifiés à partir
S25
du Sniiram-PMSI et ceux déclarés au CNR et en population militaire d’autre part, entre les cas identifiés comme militaires au sein du Sniiram-PMSI et ceux déclarés au CESPA. Discussion/Conclusion Les résultats de l’étude sont cohérents avec les données de la surveillance épidémiologique du paludisme en France. L’exhaustivité du Sniiram-PMSI sur la population permet d’étudier l’ensemble des cas, y compris ceux non capturés par les systèmes de surveillance actuels. Mots clés Public Health surveillance ; Malaria/epidemiology ; Administrative databases Déclaration de liens d’intérêts d’intérêts.
Les auteurs déclarent ne pas avoir de liens
http://dx.doi.org/10.1016/j.respe.2016.01.078 J3
Algorithmes d’identification des maladies neurodégénératives dans les bases de données médico-administratives franc¸aises : revue de la littérature V. Gardette a,∗ , G. Maura b , F. Moisan c , B. Marin d , A. Gallinia a,b,c,d , groupe de travail Maladies neurodégénératives (REDSIAM) a UMR Inserm1027, CHU de Toulouse, université Paul-Sabatier, Toulouse, France b Caisse nationale d’assurance maladie des travailleurs salariés, Paris, France c Institut de veille sanitaire, Saint-Maurice, France d Inserm U1094, CHU de Limoges, université de Limoges, Limoges, France ∗ Auteur correspondant. Adresse e-mail : [email protected] (V. Gardette) Introduction Devant le poids sanitaire, social et économique que les maladies neurodégénératives représentent, le développement d’études en vie réelle portant sur ces pathologies est nécessaire. Les bases de données médico-administratives (BDMA) représentent une réelle opportunité. Dans les BDMA, les maladies neurodégénératives peuvent être identifiées par plusieurs sources : délivrances médicamenteuses, affection de longue durée (ALD), codes diagnostiques durant une hospitalisation. . . Dans le cadre du réseau REDSIAM, l’objectif de ce travail était de faire un état des lieux des algorithmes utilisés dans les BDMA franc¸aises pour quatre maladies neurodégénératives (maladie d’Alzheimer ou syndrome apparenté [MASA], maladie de Parkinson ou syndrome apparenté [MPSA], sclérose en plaque [SEP], sclérose latérale amyotrophique [SLA]). Méthodes Une revue de la littérature a été conduite jusqu’au 1er octobre 2014 parmi les études réalisées dans les BDMA franc¸aises, indexées dans Medline ou issues de la littérature grise (revues non indexées, actes de congrès, rapports InVS, Drees, Assurance maladie, ARS, Fnors, Irdes, collèges de DIM, thèses et recherche Google et Google Scholar). Les travaux portant sur l’une des quatre pathologies d’intérêt (MASA, MPSA, SEP, SLA) en tant qu’objectif principal de l’étude, utilisant au moins une source d’identification (PMSI, DCIR ou ALD) étaient retenus. Les travaux conduits exclusivement à partir d’un numéro d’ALD sans précision de code diagnostique étaient exclus. Résultats Parmi 162 travaux identifiés (MASA, n = 72, MPSA, n = 37, SEP, n = 22, SLA, n = 13), 62 présentaient des algorithmes répondant à nos critères d’inclusion (MASA, n = 27, MPSA, n = 12, SEP, n = 7, SLA, n = 4). La plupart d’entre eux concernaient l’étude de cas prévalents. Seul un avait fait l’objet d’une validation avec confrontation aux données cliniques (MPSA) et deux travaux de validation étaient en cours de réalisation (MASA et SLA). Discussion/Conclusion Si la recherche portant sur les maladies neurodégénératives se développe dans les BDMA, rares sont les algorithmes ayant fait l’objet d’une validation. Les travaux de validation d’algorithme d’identification des maladies neurodégénératives doivent être favorisés. Autres membres du groupe de travail : A. Bruandet, L. Carcaillon, M. Dalichampt, S. Foulon, J. Haesebaert, D. Lefeuvre, E. Leray, L. Luciano, E. Moutengou, A. Weill. Mots clés Maladies neurodégénératives ; Bases de données médico-administratives ; Sniiram ; PMSI ; ALD ; Algorithme d’identification Déclaration de liens d’intérêts d’intérêts.
Les auteurs déclarent ne pas avoir de liens
http://dx.doi.org/10.1016/j.respe.2016.01.079
Les auteurs déclarent ne pas avoir de liens
http://dx.doi.org/10.1016/j.respe.2016.01.077 J2
Détermination de l’incidence du paludisme en France à partir des données du Sniiram-PMSI F. Delon a,∗ , M. Thellier b , A. Mayet a,b,c,d,e , L. Ollivier c , G. Chatellier d , G. Desjeux e a Centre d’épidémiologie et de santé publique des armées, Marseille, France b Centre national de référence du paludisme, Paris, France c Direction centrale du service de santé des armées, Paris, France d Département d’épidémiologie clinique, hôpital européen Georges-Pompidou, université René-Descartes, Paris, France e Caisse nationale militaire de sécurité sociale, Toulon, France ∗ Auteur correspondant. Adresse e-mail : [email protected] (F. Delon) Introduction En France, la surveillance épidémiologique du paludisme, effectuée par un Centre national de référence (CNR), repose sur un réseau sentinelle de laboratoires hospitaliers, qui capture environ 50 % des cas. L’incidence est ainsi estimée à environ 4000 cas par an. En parallèle, les cas survenant chez des militaires sont déclarés au Centre d’épidémiologie et de santé publique des armées (CESPA) par les médecins des armées. L’objectif de ce travail était d’évaluer la possibilité d’utiliser le Sniiram-PMSI pour mettre en œuvre une surveillance épidémiologique du paludisme exhaustive sur la population. Méthodes L’algorithme d’identification des cas a été construit en deux étapes. Premièrement, les cas possibles ont été recherchés sur la période du 1er juillet 2013 au 30 juin 2014, en utilisant les données des hospitalisations et celles des remboursements de ville. Deuxièmement, pour augmenter la spécificité de l’algorithme, sept règles d’exclusion ont été définies sur avis d’expert, en se fondant sur la description des données et l’identification de valeurs aberrantes. Les performances de l’algorithme ont été évaluées en comparant les distributions démographiques (âge, sexe), spatiales et temporelles des cas avec les données du CNR et du CESPA. Aucun appariement n’a été réalisé en l’absence d’autorisation. Résultats L’algorithme a permis d’identifier 4248 cas incidents de paludisme, correspondant à 4099 patients distincts. Pour la même période, 2222 cas ont été déclarés au CNR du paludisme et 197 au CESPA. Aucune différence significative n’a été retrouvée en population générale d’une part, entre les cas identifiés à partir
S25
du Sniiram-PMSI et ceux déclarés au CNR et en population militaire d’autre part, entre les cas identifiés comme militaires au sein du Sniiram-PMSI et ceux déclarés au CESPA. Discussion/Conclusion Les résultats de l’étude sont cohérents avec les données de la surveillance épidémiologique du paludisme en France. L’exhaustivité du Sniiram-PMSI sur la population permet d’étudier l’ensemble des cas, y compris ceux non capturés par les systèmes de surveillance actuels. Mots clés Public Health surveillance ; Malaria/epidemiology ; Administrative databases Déclaration de liens d’intérêts d’intérêts.
Les auteurs déclarent ne pas avoir de liens
http://dx.doi.org/10.1016/j.respe.2016.01.078 J3
Algorithmes d’identification des maladies neurodégénératives dans les bases de données médico-administratives franc¸aises : revue de la littérature V. Gardette a,∗ , G. Maura b , F. Moisan c , B. Marin d , A. Gallinia a,b,c,d , groupe de travail Maladies neurodégénératives (REDSIAM) a UMR Inserm1027, CHU de Toulouse, université Paul-Sabatier, Toulouse, France b Caisse nationale d’assurance maladie des travailleurs salariés, Paris, France c Institut de veille sanitaire, Saint-Maurice, France d Inserm U1094, CHU de Limoges, université de Limoges, Limoges, France ∗ Auteur correspondant. Adresse e-mail : [email protected] (V. Gardette) Introduction Devant le poids sanitaire, social et économique que les maladies neurodégénératives représentent, le développement d’études en vie réelle portant sur ces pathologies est nécessaire. Les bases de données médico-administratives (BDMA) représentent une réelle opportunité. Dans les BDMA, les maladies neurodégénératives peuvent être identifiées par plusieurs sources : délivrances médicamenteuses, affection de longue durée (ALD), codes diagnostiques durant une hospitalisation. . . Dans le cadre du réseau REDSIAM, l’objectif de ce travail était de faire un état des lieux des algorithmes utilisés dans les BDMA franc¸aises pour quatre maladies neurodégénératives (maladie d’Alzheimer ou syndrome apparenté [MASA], maladie de Parkinson ou syndrome apparenté [MPSA], sclérose en plaque [SEP], sclérose latérale amyotrophique [SLA]). Méthodes Une revue de la littérature a été conduite jusqu’au 1er octobre 2014 parmi les études réalisées dans les BDMA franc¸aises, indexées dans Medline ou issues de la littérature grise (revues non indexées, actes de congrès, rapports InVS, Drees, Assurance maladie, ARS, Fnors, Irdes, collèges de DIM, thèses et recherche Google et Google Scholar). Les travaux portant sur l’une des quatre pathologies d’intérêt (MASA, MPSA, SEP, SLA) en tant qu’objectif principal de l’étude, utilisant au moins une source d’identification (PMSI, DCIR ou ALD) étaient retenus. Les travaux conduits exclusivement à partir d’un numéro d’ALD sans précision de code diagnostique étaient exclus. Résultats Parmi 162 travaux identifiés (MASA, n = 72, MPSA, n = 37, SEP, n = 22, SLA, n = 13), 62 présentaient des algorithmes répondant à nos critères d’inclusion (MASA, n = 27, MPSA, n = 12, SEP, n = 7, SLA, n = 4). La plupart d’entre eux concernaient l’étude de cas prévalents. Seul un avait fait l’objet d’une validation avec confrontation aux données cliniques (MPSA) et deux travaux de validation étaient en cours de réalisation (MASA et SLA). Discussion/Conclusion Si la recherche portant sur les maladies neurodégénératives se développe dans les BDMA, rares sont les algorithmes ayant fait l’objet d’une validation. Les travaux de validation d’algorithme d’identification des maladies neurodégénératives doivent être favorisés. Autres membres du groupe de travail : A. Bruandet, L. Carcaillon, M. Dalichampt, S. Foulon, J. Haesebaert, D. Lefeuvre, E. Leray, L. Luciano, E. Moutengou, A. Weill. Mots clés Maladies neurodégénératives ; Bases de données médico-administratives ; Sniiram ; PMSI ; ALD ; Algorithme d’identification Déclaration de liens d’intérêts d’intérêts.
Les auteurs déclarent ne pas avoir de liens
http://dx.doi.org/10.1016/j.respe.2016.01.079