Recherche sur bases de données Jean-François TIMSIT Réanimation médicale CHU Grenoble Inserm U578 Journées de FMC – SRLF Paris 7 avril 2005.

Présentation au sujet: "Recherche sur bases de données Jean-François TIMSIT Réanimation médicale CHU Grenoble Inserm U578 Journées de FMC – SRLF Paris 7 avril 2005."— Transcription de la présentation:

1 Recherche sur bases de données Jean-François TIMSIT Réanimation médicale CHU Grenoble Inserm U578 Journées de FMC – SRLF Paris 7 avril 2005

2 Base de données: « des quantités de données disponibles… » On en a: –Informatisation de l’information Base de données opérationnelles –Ne pas re-saisir ce qui est déjà saisi… Liens entre les BDD On en a besoin: –Dossiers, prescription informatisés –Actes, diagnostics, coûts –Tableau de bord, Infections nosocomiales Cliniciens ChercheursConsommateurs Managers

3 BDD HauteQualité Pratique clinique Probabilités de différents évènements dans différentes populations Processus décisionnel: docteurs, patients et familles Analyses epidémiologiques de sous groupe Grand nombre de patients Administration hospitalière Adaptation des besoins aux ressources Comparaisons ajustées Données sur les facteurs confondants connus Création d’indicateurs composites Audit: locaux et nationaux -Localement: Données précises, bien définies, comparaisons avec les autres centres ayant un sens - à plus grande échelle: Audit comparatifs entre hôpitaux, groupement etc..

4 CONTREPOUR Fort Faible Essai randomisé Séries chronologiques Essais non randomisés Cohortes Cas-témoins Prévalence Non spécifique Séquence temporelle Case report La causalité Non réversible Pas de dose-réponse Pas d ’analogie Pas de support biologique Pas d ’effet Séquence temporelle incorrecte Petit effet Spécificité Analogie Support biologique Cohérence Effet important Effet dose Réversibilité Plan expérimental Résultats Séries chronologiques Essais non randomisés Cohortes Cas-témoins Prévalence

5 BDD BDD comme vecteurs d’études randomisées Généralisation des résultats des études randomisées Représentativité de la population Fort taux de participation à la saisie de données Panels larges d’hôpitaux  Encourage l’application des résultats dans la pratique Stimuler la réalisation d’études randomisées Prise de conscience des niveaux d’incertitude Cahier de saisie déjà en place Centres investigateurs plus larges  démocratisation de la recherche

6 Qualité des données: Check-list

7

8

9

10 BDD est vivante Variation du nombre de centres Variation du nombre de variables Obsession permanente de maintien de la qualité des données Communication avec les centres –Site internet: FAQ, Forums –Réunions investigateurs périodiques –Réponses aux demandes –Bulletin d’information Comité de pilotage: MEDECINS+++ –Politique: gestion financière, sécurité –Technique: informatique, contrôle avant archivage, sauvegarde, sécurité Biostatistique: méthodologie, analyse, écriture Historisation des données, des variables

11 BDD…peut-on tout faire? Attention à l’esprit de la BDD –BDD orientée recherche ou recherche sur BDD… Objectif initial –Dans quel(s) objectif (s), les variables sont elles colligées? Administratif, PMSI, pharmacie… –Pour quel type de variables ou Pour quelle utilisation l’énergie dépensée est elle maximale?… (performance, coût, infections nosocomiales, événements indésirables, prédiction pronostique)

12 Attention aux limites!!: Difficulté à saisir des évènements ou des facteurs de risques rares Sensibilisation excessive à la saisie de certaines variables (PMSI, SMR, ASA, NNIS etc…) Populations finalement pas si homogènes que ça…

13 Applicabilité des résultats? Harrisson et al – Crit Care 2004; 8:R99 ICNARC

14 Bases de données en réanimation ICNARCIMPACTNICEASDIPAEECJSCCMCUBREA Pts, n12964740435550162599812174510737711 ICUs, n180551831663332 CountryUKUSNetherlandsAustriaSpainJapanFrance (Paris area) Age,y6359.962.157.755.456 Male (%)5954.365.158.36864.557 Elect surg (%)22.565.434.113.79.89 Unit death (%)20.313.318.2 Hosp death (%)30.818.220.917.621.218.222

15 La BDD de Haute qualité: est coût-efficace mais est coûteuse Qui paye? Pratique clinique: hôpital, CNAM Recherche: Médicale: public, privée (propriété des données, confidentialité) Informatique: entrepôt de données !! Le financeur peut modifier l’objectif de la BDD Coût relativement bas Les systèmes de saisie sont déjà en place Les coûts sont répartis sur plusieurs études et partagés avec d’autres applications: (pratique clinique, management, audit)

16 Faut il augmenter la taille des bases de données? 1.Augmentation de la représentativité? 2.Augmentation de l’exhaustivité 3.Augmentation du nombre de codeurs 4.Augmentation du nombre de personnes non directement impliqué dans la BDD 5.Augmentation de la variabilité 6.Augmentation des coûts

17

18 BDD et entrepôts de données D’énormes potentiels Des capacités affolantes En complément ou en soutien des études randomisées Attention aux usines à gaz Attention aux boites noires