Methodologie des Bases de données issues des dossiers médicaux électroniques. Etat des lieux et perspectives en France

Université Paris Descartes

Faculté de Médecine Paris Descartes

Thèse

Pour le Doctorat en Médecine

Par

Guillaume AVENIN

Né le 17 Juillet 1978 à Charenton le Pont

Présentée et soutenue publiquement le 12 décembre 2007

Les Bases de données issues des Dossiers Médicaux Electroniques en France.

Problèmes méthodologiques et perspectives.

Jury :

Monsieur le Professeur P. BERCHE (Président du Jury)

Monsieur le Professeur H. FALCOFF (Président et directeur de Thèse)

Monsieur le Professeur S. GILBERG

Monsieur le Docteur H. PARTOUCHE

Année 2007

Université Paris V

Faculté de Médecine Paris V

Thèse

Pour le Doctorat en Médecine

Par

Guillaume AVENIN

Né le 17 Juillet 1978 à Charenton le Pont

Présentée et soutenue publiquement le 12 décembre 2007

Les Bases de données issues des Dossiers Médicaux Electroniques en France.

Problèmes méthodologiques et perspectives.

Jury :

Monsieur le Professeur P. BERCHE (Président du Jury)

Monsieur le Professeur H. FALCOFF (Président et directeur de Thèse)

Monsieur le Professeur S. GILBERG

Monsieur le Docteur H. PARTOUCHE

A mon père , le Dr Louis Avenin

A mon ami Sébastien Lévèque

A ma grand-tante Madeleine Moreau

Remerciements

À Monsieur le Professeur Berche, qui me fait l’honneur de présider ce jury. Soyez assuré de toute ma reconnaissance et de mon profond respect.

À Monsieur Le Professeur Falcoff, qui a dirigé cette thèse. Que ce travail soit pour moi l’occasion de le remercier pour la gentillesse et la patience dont il à fait preuve à mon égard et de lui dire toute mon admiration.

À Monsieur le Professeur Gilberg, qui me fait l’honneur, de bien vouloir être membre du jury. En reconnaissance de tout ce que je lui dois d’enseignement et de formation.

À Monsieur le Docteur Partouche. Son enseignement et ses connaissances m’ont accompagné tout au long de mon internat. Sa réussite et sa gentillesse ont été pour moi un exemple.

Je tiens à remercier les personnes qui m’ont soutenu au cours de ces études au premier rang desquelles ma mère, que j’aime tendrement, ma femme et mon fils qui font mon bonheur.

Merci à l’association Aide au Famille et Entraide Médicale, particulièrement au Dr Guise au Dr Bailly et à Mme Guillaumat.

Merci à Laure, Antoine, Benoit, Pierre, Jean-Claude, Madeleine, Frédéric Adilia et Alexandre, Stephane, Hélène et Henri, Georges. Merci à Julien qui m'a guidé et accompagné durant toute mes études.

À mes maîtres.

Pr MIRA (Réanimation médicale Cochin)

Pr BERTAGNA (Endocrinologie Cochin)

Pr DUSSER (Pneumologie Cochin)

Pr DREYFUS (Hématologie Cochin)

Pr COSTE (Santé publique Cochin)

Pr SAYEGH (Hépatologie Hotel-Dieu Beyrouth)

Pr COURPIED (Orthopédie Cochin)

Pr DETILLEUX (Médecine Interne Cochin)

Pr SICARD (Médecine Interne Cochin)

Dr BLANCHE (Médecine Interne Cochin)

Pr CHAPRON (Gynécologie Cochin)

Pr GENDREL (Pédiatrie St Vincent de Paul)

Pr BOISSIER (Rhumatologie Avicennes)

Dr OHAYON (Urgence Montereaux)

Pr AUVERT (Santé Publique Ambroise Paré)

Dr KLEITZ (Maternité Melun)

Dr BOURCART (Médecine générale Paris XI)

Dr DEYON-AVANTURIER (Médecine générale Paris XI)

Pr JAURY (Département de Médecine générale Paris V)

Pr BRAMI (Médecine générale Paris III)

Dr NOEL (Département de Médecine générale Paris V)

Dr FIORES (département de recherche de Médecine générale Paris V)

Dr BOTTE (Médecine générale Paris XIV)

Thèse de Médecine

Page 6

Abréviations

ASTI : Aide au Suivi et à la Thérapeutique Informatisés

BDME : Base de données issue des Dossiers Médicaux

Electroniques

CASO Centres d’Accueil de Soin et d’Orientation

CES : Consultants des Centres d’examens de santé

CIM : Classification Internationale des Maladies

CIP : Club Inter-Pharmaceutique (développe la codification

des des médicaments et autres produits de santé)

CISP : Classification Internationale des soins primaires

CISMEF : Catalogue et Index des Sites Médicaux

Francophones

CNAM Caisse nationale d’assurance maladie

CONSORT Consolidated Standards of Reporting Trials

CONSTANCES : CONsultant dans les Centres d’Examen

de Santé de la CNAM

CRF (case Report Forms

CSP : catégorie socio-professionnelle

DIM département Informatique médical

DMG département de Médecine générale

DMP dossier medical personnalisé

DocDat : Directory of clinical databases

DRC dictionnaire des résultats de consultaions

EBM : Evidence Based Medicine

eCRF : electronical Case Report Form

EDC : Electronic Data Capture

EGPRN : European General Practice Research Network

eHID : electronical Health Indicator of Data

EHR : Electronic Health recorder

EMR : Electronic Medical record

EPP : Evaluation des Pratiques Professionnels

FMC : Formation médicale continue

FORMMEL : Fonds de Réorientation et de Modernisation

de la Médecine Libérale

GPRD : General Practice Research Database

HAS : Haute Autorité de Santé

INSERM Institut National de la santé et de la recherche

médicale

IRDES : Institut de Recherche et Documentation en

Economie de la Santé

MG : Médecin Généraliste

MQIC : Medical Qualitive Improvment Consortium

MdM : Médecins du Monde

NHS : National Health Society

OMG : Observatoire de la Médecine Générale

OMS : Organisation Mondiale de la Santé

PBRN, : Practice Based Research Network

PMSI : Projet de Médicalisation des. Systèmes

d’Information

RCGP-WRS Royal College of General Practice – Weekly

return Service

RIAP relevé individuel d’activité et de prescriptions

RNIPP : Répertoire National d’Identification des Personnes

Physiques

SFMG Société Française de médecine Générale

SFTG Société Française de thérapeutique Générale

SNIIR-AM : Système National d’Informations Inter-

Régimes de l’Assurance Maladie

SOAP : Subjectif Objectif Assesment Procedure

STAO : Service Technique d’Aide aux Opérations

SNOMED Systematized Nomenclature of Medicine (a

dictionary) TRIP Translation Research Into Pratice)

URML : Union Régional des Médecins Libéraux

WONCA : World Organization of National Colleges,

Academies and Academic Associations of General

Practitioners/Family Physicians

Thèse de Médecine Abréviations

Guillaume Avenin Page 7 30/05/08

http://www.inserm.fr/




TABLE DES MATIERES

1.Les BDME : socle de la recherche en médecine générale. 10Situation du problème 10

Le développement de la recherche handicapé par l’exercice en réseaux. 10La situation de la recherche en médecine générale en France. 10

Quelles données pour la recherche en Médecine générale ? 11Nature de l’information pertinente pour la recherche en médecine générale. 11L’indispensable dossier médical électronique. 11Des dossiers médicaux électroniques aux bases de données pour la recherche. 12

Les BDME 14Définition d’une BDME 14Les BDME et la recherche : un plan d’action européen 14Structure d’une BDME 15Organisation de l'information dans une BDME 15Les eHealth initiative et les réseaux de recherches 16Une étude de faisabilité française 17

Les qualités métrologiques des données 18La qualité d’une mesure : précision 18Les qualités d’une cohorte : représentativité 18Une procédure standardisée : la méthode de DoctDat 18La grille DocDat 19

Objectifs 26

2.Méthodes 27Grille de lecture 27Méthodologie d’exploration. 27

L’inclusion des bases 27Méthode de la phase recueil des informations 27Présentation des résultats 28

3.Résultats 29Analyses des bases françaises. 29

L’Observatoire de la Médecine Générale 30Aide au Suivi et à la Thérapeutique Informatisés 36La cohorte des CONsulTANs des CES (CONSTANCES) 40Le réseau Sentinelles 44L’observatoire de l’accés aux soins de Médecins du monde 48THALES 53

Bases anglaises 59Le GPRD : General Practive research database 60Le Q research Project 64Le Royal College General Practice Weekly Return Service 70

Comparaison des bases anglaises et françaises. 75Le nombre de praticiens impliqués et de patients 75Comparaisons qualitatives 76La production de résultat 78

4.Discussion 81L’outil s’est-il montré adapté ? 81

Faisabilité-déroulement de l'enquête. 81Qualité des descripteurs 81Le score Qualité 81Conclusion 81

Les problèmes méthodologiques 82Comment évaluer une BDME ? 82

Thèse de Médecine Table des matières

Page 8

Le problème de la représentativité 82Le problème de la précision 85Puissance 87

Les aspects organisationnels d’une telle base 88Utilisation quotidienne et utilisation scientifique 88La définition de standards : les classifications utilisées 91La mise en place d’un réseau informatique 92Se positionner par rapport aux efforts nationaux 95

Aspects financiers, légaux et éthiques 102Le financement 102Les aspects juridiques. 103Considération éthique 104

5.Conclusion 107Quels sont les intérêts pratiques de telle base pour la recherche clinique ? 107Exigence méthodologique 107Les BDME en France 108Perspectives des BDME 109La création de nouvelles bases ? 109Quelle place pour l’université dans ce contexte ? 110

6.Bibliographie 111

7.Annexes 115Personnes contactées 116Le Futur of Family Medicine 117Le DRC 118Consultation Constances 119Les données SENTINELLE 124CISP 127Consultation structurée Médecin du Monde 128Feuille de recueil RCGP-WRS 132Autres Bases 133

En France 133A l’étranger 134

Les domaines de recherche en Médecine générale selon l’EGPRN 2 135Contribution de Constance à la loi de santé publique 136Evaluation de la puissance de Constances 138La charte Ethique 139Etude de Faisabilité : questionnaire 143

Thèse de Médecine Table des matières

Page 9

1.Les BDME : socle de la recherche en médecine générale.

1.1.Situation du problème

La recherche en médecine générale utilise largement des méthodes quantitatives. La question du recueil de données est donc centrale. Il est aujourd’hui possible de rassembler les données de consultations dans de grandes bases, que nous désignerons par la suite par l’acronyme BDME pour Base de données issue des Dossiers Médicaux Electroniques.

1.1.1.Le développement de la recherche handicapé par l’exercice en réseaux.

Le caractère ambulatoire et individuel de l’activité du médecin généraliste, explique, au moins partiellement, qu’en dépit de l’importance de cette spécialité dans le système de santé, la production de travaux de recherches ait été relativement faible. produisant essentiellement des études de petite taille, descriptives ou basées sur des recueils transversaux simples.

La conduite d’études cliniques de grande ampleur, basées sur des données longitudinales, des travaux épidémiologiques de grande puissance exige de nouvelles structures pour le recueil de données. Les BDME semblent être de telles structures 1.

1.1.2.La situation de la recherche en médecine générale en France.

En France, comme le souligne le rapport sur le développement de la recherche en médecine générale commandé par les ministères de la santé et de la recherche 5, la recherche en médecine générale reste confidentielle.

Les efforts de recherche sont principalement fournis au sein de sociétés savantes. La reconnaissance universitaire récente permet d’anticiper un nouvel élan au sein des Départements de Médecine Générale.

Une BDME pourrait en être le levier, comme le Qresearch l’est pour l’université de Birmingham.

Thèse de Médecine Introduction

Page 10

1.2.Quelles données pour la recherche en Médecine générale ?

1.2.1.Nature de l’information pertinente pour la recherche en médecine générale.

L’étendue des paramètres à prendre en compte dans la démarche du médecin généraliste et donc dans la recherche en cette discipline transparaît assez bien dans la figure 2. Une partie de cette information est latente, dans le dossier médical, qui oscille selon les cultures et les structures de formation, d’exercice, depuis le texte littéraire ou littéral jusqu’au questionnaire standardisé.

Figure 1 : Arbre de la WONCA.

1.2.2.L’indispensable dossier médical électronique.

Le dossier médical est au cœur de la réflexion. Il est communément admis que le dossier-papier ne fournit plus une base suffisante ni pour la pratique clinique ni pour la recherche.

L'architecture du logiciel devient un point névralgique. De cette architecture dépend par exemple la mise en place du Dossier Médical Partagé, l’élaboration de modules de soutien à la pratique, ou la possibilité de coupler ses données avec celle des laboratoires et des hopitaux.

Pour aller plus loin, la structure du dossier médical est perçue comme le point clé d’une mutation de la pratique médicale en soins primaires (Evaluation des pratiques, EBM…). Ce postulat a conduit des pays comme la Belgique a édité un cahier des charges du logiciel , qui prévoit notamment l’intégration de la CISP.

Une réflexion de même nature et de grande envergure a eu lieu aux Etats Unis au début du XXIème siècle. Le « Future of Family Medicine» 8 inscrit dans le cahier des charges des futurs logiciels, une intégration verticale du dossier médical informatisé, depuis la prise en charge clinique jusqu’aux


Page 11

problématiques de santé publique (cf annexe).

D’une part, le dossier électronique doit permettre d’intégrer l’ensemble des documents (résultat laboratoire, données administratives…) nécessaire à la prise en charge du patient. Il est communiquant et fournit le socle d’une prise en charge globale du patient en intégrant des outils d’aide à cette prise en charge (“Evidence Based Practice”).

D’autre part, l’information clinique doit se présenter dans un format électronique, structuré. Les logiciels professionnels doivent permettre la collection, l'analyse, et l'enregistrement des décisions cliniques prises quotidiennement, afin de faciliter la constitution de base de données relationnelles permettant la production de connaissances nécessaires et afin de servir d’appui à l’amélioration des pratiques en soins primaires.

Figure 2 : Evolution de l’informatisation des dossiers médicaux en 2002.

Si aucune réflexion de cette ampleur n’a été entreprise en France, le dossier médical est aujourd’hui largement informatisé, 84 % en région Bretagne en 20046, taux parmi les plus élevé d’Europe selon le eClinical Forum (figure 2).

1.2.3.Des dossiers médicaux électroniques aux bases de données pour la recherche.

La collecte des données cliniques se conçoit à deux niveaux.

D’abord il s'agit d'enregistrements médicaux électroniques (EMR) maintenus dans l’objectif de suivre un patient par un praticien. Puis il s'agit de la collecte électronique de données de recherche : eSource Datai ou données sources électroniques.

L’objectif est d’éviter la phase ardue de retranscription des classiques formulaires papier CRF (case Report Forms) via un système de capture électronique EDC (Electronic Data Capture)ii. La donnée


Page 12

i Clinical source Data : définit dans lʼICH E6, il sʼagit des données originales ou de copie certifié de celles ci.

ii Electronic Data Capture (EDC) :processus de collecte des données d'un essai clinique de manière permanente c'est à dire , qui conserve toute modification de celles ci

source est électronique, on remplace les CRF par des eCRF.

Le eClinical forum9,groupe de réflexion méthodologique, observe, comme d’autres, que les EMR ne sont généralement pas valides comme données source de recherche. Ces problèmes méthodologiques découlent notamment de l'hétérogénéité des formats de l’information (numérique, texte libre, codage) et de la structuration souvent insuffisante des dossiers médicaux. Un exemple d’écart entre donnée source papier et donnée source électronique est donné dans la figure 3. Un biais lié au mode de recueil est systématique et implique des données manquantes non entièrement liées au hasard.

Figure 3: Validité comparée des CRF et des EMR.

* Tableau issu du travail du Dr M.KAHN université du Colorado sur l’utilisation des données électroniques dans les essais

cliniques.

Ce groupe conclut que le développement de l’informatique dans les domaines de la pratique (EHRi) et de la recherche (EDC) s’opère parallèlement mais avec peu ou pas d’interconnexion.

Le groupe eClinical forum, énonce quatre enjeux dans la planification des systèmes futurs de collecte électroniques :

• Conjuguer l'utilisation quotidienne et la possibilité de générer des données pour la recherche, qui satisfassent les contraintes méthodologiques et légales (les obligations réglementaires sont plus lourdes pour les études prospectives.).

• Définir des standards pour ces données, qui permettent l’échange entre effecteurs de santé et chercheurs. On retiendra ici sans aller plus avant, le nom du groupe Health Level 7 Gerdsen 10, qui travaille sur cette harmonisation.

• Mettre en place de réseau informatique capable de soutenir ce développement dans le respect des multiples contraintes pratiques, réglementaires et éthiques.

• Positionner l’industrie de telle manière qu’elle puisse participer et influencer le développement des efforts nationaux (représentant l’industrie des producteurs de soins) dans ce domaine, tel que les eHealth initiatives, et par exemple le DMP en France.

On peut probablement reprendre ces quatre challenges pour le développement de la recherche en médecine générale.

• Conjuguer l'utilisation quotidienne par le médecin généraliste et la genèse de données, qui


Page 13

EHR désigne le système dʼenregistrement des données médicales (EMR), support du soin en routine.

satisfassent les contraintes méthodologiques et légales de la recherche biomédicale.

• Définir des standards pour ses données d'intérêts (morbidité, socio-démographique, actes, pharmacopée), afin de permettre leur échange entre effecteurs de santé et chercheurs : codage et classification.

• Mettre en place un réseau informatique capable de soutenir ce développement dans le respect des multiples contraintes, pratique, réglementaire, éthiques.

• Positionner la discipline médecine générale afin qu’elle puisse influencer les politiques de santé futures.

1.3.Les BDME

1.3.1.Définition d’une BDME

Une Base de données issue des Dossiers Médicaux Electroniques ou BDME regroupe des praticiens de santé, qui acceptent non pas de partager, mais de dupliquer et confier leurs données de consultation (sous format électronique) à un groupe expert en data management. Ce groupe construit et entretient ainsi une base de données médicales longitudinales. Il se charge de la gestion des données et de leur exploitation.

1.3.2.Les BDME et la recherche : un plan d’action européen

En Europe, les instances universitaires de la médecine générale se rencontrent au sein de la WONCA Europe. L’EGPRN (« European General Practice Research Network »), groupe de la WONCA Europe dédié à la recherche, a mené en 2001 un travail intitulé « Orientation et barrière au développement de la recherche en médecine générale » 2.

Trois des sept groupes de réflexion concluent au caractère essentiel de la constitution de Bases de données relationnelles issues des Dossiers Médicaux Electroniques. L’absence de ces bases est considérée comme un frein important au développement de la recherche, au même titre que les problèmes de financement et le manque de moyens humains.

Ces conclusions sont à mettre en parallèle avec de nombreuses expériences positives , particulièrement aux Pays bas 3 et au Royaume Uni, mais également en Belgique, au Danemark, en Allemagne, en Suède, en Australie 4 et au Maroc par exemple.

L’EGPRN définit par ailleurs des objectifs de recherche prioritaires pour l’augmentation des connaissances cliniques et la surveillance épidémiologique. Les Bases de données issues des Dossiers Médicaux Electroniques (BDME) semblent à priori être tout à fait adaptées à la production de telles connaissances.


Page 14

1.3.3.Structure d’une BDME

Le Medical Qualitive Improvment Consortium (MQIC) est une initiative de General electrics (fournisseurs de logiciels métier) aux Etats-unis11 .Il me sert de premier exemple. Vingt milles praticiens, dont 85 % de médecins de famille, des pédiatres et des gynécologues-obstétriciens, utilisent le même logiciel GE. Ce logiciel, dans sa conception, permet le duplicata de leurs enregistrements médicaux électroniques (EMR) et la construction d’une base: le MQIC. Le MQIC contient ainsi en août 2006 trente-millions d’EMR enregistrés.

Le comité de direction comprend des représentants des utilisateurs du logiciel, des représentants de l’industrie, des juristes, des conseillers-recherche. Ce comité est en charge de la sélection des projets menés par le MQIC. En 2005, trois études sponsorisées étaient menées et neufs études universitaires.

Les motivations des praticiens pour participer à ce projet sont l’accès à des données de recherche, le développement d’outil pour leur pratique, et une rétribution financière (royalties). Les motivations de Général Electriques sont liés à la valorisation économique de ces données et à la vente d’un outil informatique.

Figure 4 : Organisation du MQIC.

1.3.4. Organisation de l'information dans une BDME

Le dossier médical contient principalement trois catégorie de données,

• Les données socio-culturelles relatives aux patients (CSP, score de ruralité, mode de vie)

• Les données de morbidité (résultat de consultation, avis externe, données biologiques)

• Les données de prescriptions (médicale en particulier).

L’information dans une BDME peut donc s’organiser autour de quatre tables principales (figure 4) :


Page 15

• Une table consultation-épisode de soin

• Une table patient

• Une table procédure

• Une table dispensateur de soin

Chacune de ces tables a ses entrées spécifiques et, au sein du système, des identifiants qui permettent la navigation de l’une à l’autre. Cette information est potentiellement extractible et pourrait se combiner au sein des BDME. C’est de cette potentialité, dont il va être question ici.

Figure 5 : Organisation des tables de données d’une BDME.

* Les tables contiennent des informations liées entre elle au moyens d’identifiant (ID), on parle de base de données relationnelles. Des codages sont spécifiques à chaque table (laboratoire, classe médicamenteuse, hospitalistaion)

1.3.5.Les eHealth initiative et les réseaux de recherches

Ces projets scientifiques doivent être considérés comme l’excroissance d’un mouvement de dimension supérieure, celle des « eHEALTH initiatives». Ce terme désignent des projets d’informatisation médicale nationaux tels que le Dossier Médical Personnalisé. Cette informatisation visent à :

• Améliorer la sécurité du patient (en diminuant la iatrogénie par exemple)

• Améliorer la qualité des soins en facilitant le développement et l’utilisation d'outils d’aide à la consultation et d’audit de la pratique. De tels systèmes ont permis, dans les pays anglo-saxons, la mise en place du paiement à la performance P4P : Pay for Performance.

• Réduire le coût des soins, en facilitant l’échange des données médicales, centralisant les informations et le suivi des patients.


Page 16

• Développer une approche centrée sur la personne.

Ces programmes nationaux fixent largement le cadre informatique des BDME.

1.3.6.Une étude de faisabilité française

En octobre 2006, Karine Chevreul, Philippe Le Fur, Thomas Renaud et Catherine Sermet réalisent pour la France et dans le cadre de l‘IRDES, un inventaire des sources de données pour la médecine de ville 6. Leur objectif est un inventaire complet des sources disponibles pour l’étude de la médecine de ville, notamment sous l’angle de la recherche en organisation des soins.

Leurs conclusions sont les suivantes :

1/ Aujourd’hui grâce au PMSI, les motifs médicaux d’hospitalisation ainsi que certains des actes effectués sont enregistrés. En ambulatoire, l'Assurance maladie dispose d’informations sur la prescription médicamenteuse. En revanche il n’existe pas d’outils publics susceptibles de permettre des études sur les pratiques des médecins libéraux à un niveau individuel, puisque les diagnostics et les motifs de recours demeurent inconnus.

2/ Trois pistes :

• Créer un nouvel outil serait la solution optimale à condition que les données issues de ce nouvel outil puissent être appariées avec les prestations de l’Assurance maladie notamment.

• Utiliser une base administrative, en l’occurrence le SNIIR-AM : avec une médicalisation partielle de l’information (pour les affections de longue durée par exemple).

• Etablir un partenariat avec des panels privés tesl que Thales et IMS disease Analyzer, pour lesquels des réserves méthodologiques sont exprimés, les données techniques n’étant pas accessibles.

Le travail de l’équipe de l’IRDES peut servir de référence dans le cadre des sources d’informations disponible en médecine de ville. Cette enquête est réalisée pour le compte de l’assurance maladie. Le point de vue adopté dans cette thèse est donc différent. puisqu’il s’agit de considérer les données susceptible d’accompagner le développement de la spécialité médecine générale et de la recherche en ce domaine. J’espère que ce travail conservera donc une certaine utilité.


Page 17

1.4.Les qualités métrologiques des données

Quelles qualités métrologiques doivent présenter ces outils pour la recherche ? Ces BDME s’apparentent à la famille des cohortes prospectives. Il me semble souhaitable de reprendre ici deux notions méthodologiques que je vais régulièrement évoquer dans cette thèse : la précision et la représentativité.

1.4.1.La qualité d’une mesure : précision

Selon J.Chaperon 12: « la fiabilité, ou précision de mesure, caractérise l'importance des erreurs de mesure aléatoire de l'instrument et détermine sa capacité à donner des résultats identiques dans des situations identiques. »

Elle peut être appréciée par: la reproductibilité (coefficient de corrélation test-retest), la concordance inter observateur (kappa) et la cohérence interne (coefficient alpha de Cronbach).

On peut approcher cette notion de celle de la validité (interne) qui se définit comme « l'aptitude de l'indicateur, de l'indice ou du questionnaire à mesurer la dimension de l'état de santé qu'il cherche à mesurer ».

1.4.2.Les qualités d’une cohorte : représentativité

Selon Bouyer 13, évaluer la validité des observations faites sur une enquête (validité externe), « consiste à porter un jugement sur le rôle éventuel de biais de sélection, de classement et de confusion dans les conclusions que l'on peut porter quant aux associations au sein de la population source. »

Ces biais « interviennent lors de la constitution de l'échantillon d'enquête; c'est-à-dire lors du processus par lequel les sujets sont choisis au sein de l’enquête ». Un échantillon est représentatif de la population dont il est extrait si les statistiques qui peuvent en être inférées sont bonnes.

1.4.3.Une procédure standardisée : la méthode de DoctDat

Le département recherche de la « Public Health and Policy, London School of Hygien and Tropical Medicine » prend l’initiative en 1999 de la mise en place d’un registre des bases de données médicales disponibles aux Royaumes Unis. Une évaluation méthodologique de ces bases doit permettre d’améliorer leur qualité et de promouvoir leur utilisation.

Ce travail dirigé par Nick Black se déroule en quatre phases :

• Définition des critères d’inclusion des bases de données.

• Développement d’une liste de paramètres-qualité de ces bases.


Page 18

http://fr.wikipedia.org/wiki/Inf%C3%A9rence_statistique

http://fr.wikipedia.org/wiki/Inf%C3%A9rence_statistique

• Pré-test de la méthode d’audit.

• Mise en place d’un site Internet dédié à ce registre: http://www.docdat.org/.

La méthodologie retenue pour concevoir la grille de lecture fait appel à la consultation d’experts des divers domaines concernés (épidémiologie, spécialités médicales, statistiques). Elle suit une approche similaire à celle utilisée pour l’élaboration du CONSORT statement 14.

Le questionnaire d’audit devait couvrir l’ensemble des biais méthodologiques : précision, validité interne, validité externe et représentativité. Suivant l’avis d’experts, l’attention se porte sur deux aspects particuliers :

• La représentativité de l’échantillon (coverage).

• La précision du recueil (accuracy).

Enfin il est réalisé une exploration de la base bibliographique PubMed, afin d’inventorier les travaux scientifiques tirés de chacune des bases.

La phase de pré-test se déroule durant le printemps 2001, afin notamment de tester la validité de la méthode d’audit et son acceptabilité, et de rechercher d’éventuels effets seuils et plafonds. Le travail prospectif débute fin 2003 suivant un processus standardisé, comportant un travail bibliographique et un entretien structuré téléphonique.

1.4.4.La grille DocDat

Celle ci comprend six parties distinctes.

Aspects généraux de la base de données

Cette partie décrit le contexte de création et de fonctionnement de la base. Elle permet de préciser la population de référence à partir des éléments suivants :

• L’événement commun déterminant l’inclusion.

• L’aire géographique de recrutement,

• La date de début et la période de recrutement (le recrutement pouvant être continu, périodique, ou encore transversal « On-off »).

Cette première partie précise la possibilité d’un suivi longitudinal des patients.

Une description de la base

Contenu et couplage des données• Combien d’individus (patients médecins) sont inclus dans la base ?


Page 19

http://www.docdat.org

http://www.docdat.org

• Comment peut-on coupler les données avec d’autres sources ?

• Les codes d’identification sont-ils communs à d’autres structures, comme le numéro de sécurité sociale ?

• La base est-elle couplée à une autre par exemple à des données de recensement?

Sécurité et Confidentialité• La sécurité de la base (lieu physique de stockage, existence d’une sauvegarde,

conservation des éventuelles traces écrites) .

• La politique de confidentialité de la base (identifiable, anonyme réversible, totalement anonyme), vis à vis des médecins et des patients.

• Le protocole d’information et de recueil de consentement des sujets.

Résultats (outputs)

Cette partie envisage sous différents aspects la production de résultats.

• Les analyses ad hoc au profit des professionnels de santé au niveau central et local.

• Les audits sur l’ensemble de la base et individuellement au profit des professionnels de santé.

• La politique de mise à disposition des données.

• Les publications ayant utilisées cette base comme source de données.

Gestion de la base de données

• Quels sont les professionnels impliqués dans la gestion de la base ?

• Celle-ci est-elle soutenue par une instance professionnelle ?

• Quelles sont ses sources de financement: privées, caritatives, institutionnelles ?


Page 20

La qualité

Je parlerai par la suite de score de qualité pour faire référence à ce groupe de variable.

Les items représentativité de A à D, les items précisions de E à J.

A. Quelle est la représentativité de la population éligible en regard de la population-source ? Cette information permet d’extrapoler les résultats. Elle exige de définir la population-source. Nous nous poserons ce problème à deux niveaux, celui de la population-patient, celui de la population-médicale. On peut répondre à ces questions à partir de comparaison de données secondaires avec la population source.

B. Quel pourcentage de la population éligible a été recrutée? On précisera l’existence de listes de patients. Cette information permet d’anticiper un biais de sélection.

C. Quelle est la nature des données recueillies pour chaque individu inclus dans la base ? Cette information permet de déterminer le type d’analyse.

D. Proportion de variables complètes à 95 %. Une variable incomplète peut signifier que l’acceptabilité de son recueil est mauvaise, elle entraîne une perte de l’échantillon dans les analyses qui l’utilisent.

E. Quelle proportion de variables continues n’est pas regroupée ?

F. Quelle proportion de variable est définie explicitement ? On précisera dans cette section les nomenclatures utilisées.

G. Pour quelle proportion de variable, est-il convenu de règles de codage précises et quelle formation est prévue pour familiariser les investigateurs avec ces règles de codages ?

H. Quelle est la fidélité du codage (fidélité inter et intra-juge) ? Nous appuierons la réponse à cette question par une recherche bibliographique sur les nomenclatures utilisées.

I. Quel est le niveau d’indépendance de l’observateur-codeur?

J. Quelle attention est portée à la validation des données collectées ? Audit externe avec retour aux données sources ? Tests de consistance de la base ?


Page 21

Information contextuelleAcronyme Contexte et méthodologie

Population de référenceCirconstances d’inclusion Suivi longitudinal Aire géographique Date de début Mode de recrutement

ContenuNombre d’individus Date de dernier point Mode d’interrogation

Couplage de la baseCodes nationaux pour le patient Code nationaux pour le médecin Code nationaux pour la structure d’exercice Couplage à une autre base de données

SécuritéOù sont conservées les données? Back up version

ConfidentialitéFormat de stockage des données individuellesInformation des patients Consentement


Page 22

AnalysesFréquence de collecte des données Analyse ad hoc au profit des praticiens

localement Analyse ad hoc au profit des praticiens

centralisée Audit

Fréquence des audits sur données médecin Fréquence des audits sur données agrégées

ProductionPolitique de mise à disposition des donnéesPublication

ManagementReconnaissance institutionnelle Composition de l’équipe de management Source de financement Perspective


Page 23

représentativitéA

B

C

D

La population éligible est représentative de la population de référence

Niveau 1 : pas d’argument pour l’apprécier.Niveau 2 : des comparaisons en terme de structure d’âge ou d’incidence mesurée ont été réalisée avec la population de référence. Niveau 3 : des comparaisons ont été faites et une procédure d’échantillonnage a été suivie.Niveau 4 : toute la population éligible est recrutée.

Exhaustivité du recrutement Niveau 1 : inconnu ou moins de 80%Niveau 2 : 80 à 89 %Niveau 3 : 90 à 97%Niveau 4 : plus de 97%

Variables incluses Niveau 1 : identifiant, condition ou interventionNiveau 2 : identifiant, condition ou intervention et devenir à court terme ou long terme Niveau 3 : identifiant, condition, intervention et devenir à court terme ou long termeNiveau 4 : identifiant, condition ou intervention et devenir à court terme, biais de confusion majeur, long terme

Données manquantes Niveau 1 : inconnu ou inférieur à 50% Niveau 2 : beaucoup de 50 à 79 %Niveau 3 : la plupart de 80 à 95 %Niveau 4 : la totalité ou presque


Page 24

PrécisionE

F

G

H

I

J

Collecte des variables continues sous forme continue

Niveau 1 : inconnu ou inférieur à <70% Niveau 2 : beaucoup de 70 à 89 %Niveau 3 : la plupart de 90 à 97 %Niveau 4 : la totalité ou presque >97 %

Utilisation de définitions explicites pour les variables

Niveau 1 : pour aucuneNiveau 2 : quelques unes <50 %Niveau 3 : beaucoup jusqu’à 97%Niveau 4 : la totalité ou presque >97 %

Utilisation de règles de codage Niveau 1 : pour aucune des variable.Niveau 2 : quelques unes <50 %Niveau 3 : beaucoup jusqu’à 97%Niveau 4 : la totalité ou presque >97 %

Fidélité du codage Niveau 1 : pas d’étude de concordance inter et intra.Niveau 2 : faible concordance inter et intra (Kap < 0,5).Niveau 3 : concordance inter et intra satisfaisante Niveau 4 : bonne concordance inter et intra (0,8 <Kap)

Indépendance du codeur Niveau 1 : résultat de l’intervention non relevéNiveau 2 : ni aveugle, ni indépendant.Niveau 3 : indépendants mais pas aveugles.Niveau 4 : aveugle et indépendant de l’intervention

Procédure de contrôle de validité des données

Niveau 1 : pas de test de la validité des données.Niveau 2 : contrôles des valeurs (ex : âge < 150) ou de la consistance (incompatibilité sexe masculin et grossesse). Niveau 3 : contrôles des valeurs et de la consistance.Niveau 4 : contrôle des valeurs et de la consistance, et entreprise de validation externe.


Page 25

1.5.Objectifs

La question de cette thèse est soulevée par le groupe de recherche de Paris V en juin 2005, qui identifie l'accès à une base de données comme un enjeu majeur. Il faut donc réaliser un travail de prospection des bases éligibles à une collaboration avec le département de recherche..

Lors du travail bibliographique, le modèle BDME est apparu très vite comme le plus novateur. J’oriente donc ma thèse dans cette direction et je propose un double objectif :

• Réaliser un inventaire des BDME en France.

• Etudier leurs propriétés méthodologiques.

Pour cela, je m’appuie sur le travail DocDat 7. J’applique la grille d’analyse aux principales BDME françaises. Je présente en miroir les BDME anglaises. Je réalise une comparaison qualitative et quantitative. Au cours de la discussion, et à partir des expériences de BDME étudiées, ce travail présente les problèmes méthodologiques principaux et dégage les réponses les plus consensuelles.


Page 26

2.Méthodes

Cette partie présente la méthode élaborée et suivie pour l’exploration des bases de données type BDME en France.

2.1.Grille de lecture

Cette exploration se base sur la grille de lecture élaborée en Angleterre par le département de recherche de la «Public Health and Policy» de la «London School of Hygien and Tropical Medicine»7

vue plus haut.

2.2.Méthodologie d’exploration.

2.2.1.L’inclusion des bases

Les critères d’inclusions retenus dans le cadre de cette thèse.

Relativement à mon sujet, j’ai inclus les bases, qui satisfont les critères d’inclusion de DocDat.

• Informations relatives au patient.

• Plus d’un investigateur.

• Circonstance médicale commune d’entrée.

En outre

• Cette circonstance est la consultation d’un médecin ou d’une structure de soin primaire.

• Une partie au moins du recueil est électronique et repose sur la réalisation d’un document de consultation commun à la recherche (EDC) et la clinique (ERM).

2.2.2.Méthode de la phase recueil des informations

Identification des bases

L’ identification des bases de données en soins primaires s’est faite selon trois vecteurs principaux

• La sollicitation de personnes ressources identifiées et couvrant l’ensemble des effecteurs de recherches du domaine (société savante, universitaires, unités INSERM, ONG).

Thèse de Médecine Méthodes

Page 27

• Un recueil déclaratif inclus dans le questionnaire adressé aux responsables sollicités dans la deuxième partie de ce travail.

• Une recherche Internet via Google utilisant les mots : “observatoires épidémiologiques”, “base de données en médecine générale”, “réseau de recherche” ; et via des sites spécialisés notamment le centre d’information de l’INSERM, le moteur de recherche Cismef et la banque de donnée de santé publique.

L’ambition de cette thèse ne peut être l’exhaustivité. La méthode ne prévoit pas de recherche systématique des bases éligibles, (exemple :demande de déclaration adressée aux unités INSERM et département de recherche en Médecine Générale). Toutefois le travail de l’IRDES et l’aide apportée notamment par Gilles Hebrecht, Marcel Goldberg et Philippe Le Fur, me laissent espérer que les bases présentées illustrent de manière satisfaisante mon propos.

Recueil de l’information pour chaque base

Comme procédé dans l’étude originale de DocDat, j’ai réalisé un travail bibliographique puis un entretien structuré selon la grille DocDat, en face à face, avec une ou des personnes ressources de chacune des bases identifiées.

Ces entretiens, éventuellement complétés par une recherche bibliographique ont permis :

• De dresser un portrait structuré de ces bases selon les critères vus plus haut

• D’aborder des points méthodologiques précis, avec les experts concernés.

2.2.3.Présentation des résultats

Pour chaque base est réalisée une fiche contenant une description précise de la base sur le modèle DocDat, comprenant les 6 tableaux:

• Aspect généraux

• Contenu de la base

• Résultat

• Management

• Représentativité

• Précision

Je présente dans une deuxième partie de la section résultat, les fiches des bases anglaises identifiées dans le répertoire DocDat, qui rencontrent mes critères d’inclusion.

Thèse de Médecine Méthodes

Page 28

http://infodoc.inserm.fr/ressources/index.html

http://infodoc.inserm.fr/ressources/index.html

http://www.cismef.org/

http://www.cismef.org/

http://www.bdsp.tm.fr/Default.asp

http://www.bdsp.tm.fr/Default.asp

3.Résultats

3.1.Analyses des bases françaises.

J’ai, selon les critères donnés plus haut, identifié six bases françaises.

Deux d’entre elles sont menées par les sociétés savantes.

• L’Observatoire de la Médecine Générale de la Société Française de Médecine Générale. Il réalise le prototype même de la BDME destinée à la recherche en MG initiée autour de l’élan des utilisateurs du dictionnaire des résultats de consultations. Il demeure modeste en terme d’effectif de médecins, mais peut être plus encore en terme de publications.

• Le projet Aide au Suivi et à la Thérapeutique Informatisée, mené par la SFTG en partenariat avec des unités de recherche en informatique médicale. La phase actuelle du projet consiste en une étude d’intervention sur un module informatique installée dans le logiciel é0.

La recherche médicale est classiquement en France du ressort de l’INSERM, deux projets rencontrent les critères d’inclusion retenus plus haut.

• Le réseau Sentinelles, orienté vers la veille épidémiologique des maladies infectieuses, il a depuis quelques années élargi ses objectifs.

• Le projet CONSTANCES. L’équipe INSERM du projet GAZEL, met en place le suivi d’une cohorte de patients CONsultant dans les Centres d’Examen de Santé de la CNAM.

Je terminerai par les bases de deux acteurs de soins primaires en France, bien que dans des optiques diamétralement différentes.

• Médecins du Monde développent un observatoire à partir de ses Centres d’Accueil de Soin et d’Orientation (CASO).

• Cegedim exploite la base de données Thales, la plus grande BDME de France outil marketing.

Thèse de Médecine Bases françaises

Page 29

3.1.1.L’Observatoire de la Médecine Générale

Figure 6 : Organigramme de l’OMG (source : OMG-SFM 2006-4).

Les données sont issues du site internet de l’Observatoire de la Médecine Générale 15 (http://omg.sfmg.org/) et d’une recherche bibliographique 16. Les points méthodologique ont été revus avec le Dr Gilles Hebrecht, responsable du DIM. Le rapport de l’IRDES a apporté quelques informations supplémentaires.

Thèse de Médecine OMG

Page 30

http://omg.sfmg.org

http://omg.sfmg.org

http://omg.sfmg.org

http://omg.sfmg.org

http://omg.sfmg.org

http://omg.sfmg.org

Aspects Généraux

A partir de la casugraphie, la SFMG a développé un module informatique intitulé le dictionnaire des résultats de consultation (DRC). Ce module peut être implémenter dans différents logiciels. Les utilisateurs du DRC sont invités à partager leur données comme volontaires dans le cadre de l'OMG. Un tri qualité est ensuite opéré parmi les investigateurs.

Information contextuelleAcronyme OMG Contexte et méthodologie Cette initiative de la société française de

Médecine générale, repose sur le volontariat de médecin, utilisateur du Dictionnaire des Résultats de Consultations et informatisé.

L’objectif initial est la production de données permettant de développer les recherches en médecine générale.

La Société Française de Médecine Générale a conçu des modules informatiques, extracteurs, pour différents logiciels métiers.

Population de référenceCirconstances d’inclusion Consultation chez l’un des médecins

volontaires utilisant le DRC et disposant d’un logiciel compatible.

Suivi longitudinal OuiAire géographique France métropolitaineDate de début 1993Mode de recrutement Continu


Page 31

Contenui

Si l’unité observée est le médecin généraliste, les unités statistiques peuvent être le médecin, le patient, ou le contact. L'OMG est actuellement en développement avec l'élaboration d'observatoire régionaux.

ContenuNombre d’individus 157 MG (unité observée)

640 000 patients et 5 500 000 consultations (unités statistiques), 7,5 millions de diagnostics/résultats de consultation, et 13 millions de médicaments prescrits.

Date de dernier point Avril 2007Mode d’interrogation et codage utilisé Via le logiciel de gestion de patients.

Data linkageCodes nationaux pour le patient NonCodes nationaux pour le médecin NonCodes nationaux pour la structure d’exercice NonCouplage à une autre base de données Non

SécuritéOù sont conservées les données Ordinateur relié au réseauBack up version Data sauvegardées sur des disques

ConfidentialitéComme sont stockées les données

individuelles ?Anonymat réversible

Information des patients Collectivement par affichage en cabinet.Consentement Pas de consentement écrit, mais une option de

sortie de la base


Page 32

i Unité statistique (organisme statistique national du Canada) : Une unité statistique est une unité d'observation ou de mesure pour laquelle des données sont recueillies ou dérivées

Résultats

Il s'agit actuellement de l'un des principales sources de données de morbidité en médecine générale, peu de travaux de recherche ont pour le moment été menés.

AnalysesFréquence de collecte des données Personnalisable souvent hebdomadaireAnalyse ad hoc au profit des praticiens

localement Non

Analyse ad hoc au profit des praticiens centralisée

Oui (système d’évaluation des pratiques et de pharmacovigilance)

AuditFréquence des audits sur données médecin AnnuellementFréquence des audits sur données agrégées Annuellement

ProductionPolitique de mise à disposition des données Publication des données de morbidité sur le

web http://omg.sfmg.org/ Possibilité d’ouvrir la base sur projet

Publication Publication régulière dans la Revue du Praticien.

Peu de travaux de recherche

Management

Le projet est porté depuis son lancement par la SFMG, mais elle suscite un intérêt croissant et mérité de la part par exemple de l'IRDES ou de l'URML. Une ouverture de la base a été récemment proposée aux universités et notamment à Paris 5.

ManagementReconnaissance institutionnelle IRDES, CREGAS, URCAM ile de France,

SFMG, CNAM, Revue du PraticienComposition de l’équipe de

management Médecins et Informaticiens

Source de financement SFMG fonds propres (cotisation, études pour partenaires privés)

Perspective Développement avec le soutien de la FAQSV pour atteindre 350 à 400 praticiens.

Rapprochement avec le réseau de recherche GROG.

Inclusion de données CISP.La SFMG a signé un partenariat de trois ans

avec l'URML Centre, l'URML Bourgogne et l'URMEL Nord Pas de Calais, qui se dotent ainsi d'un Observatoire régional construit sur le modèle de l'OMG. D'autres URML devraient s'engager prochainement dans un partenariat similaire.


Page 33

http://omg.sfmg.org

http://omg.sfmg.org

http://omg.sfmg.org/

http://omg.sfmg.org/

Qualité

ReprésentativitéLa représentativité est le point faible de la base. Les investigateurs sont des utilisateurs du DRC volontaires, qualifiés et peu nombreux. Ils ne sont pas représentatifs des praticiens de santé en général et leur activité s'en éloigne peut être aussi par l'utilisation même du DRC.

Les patients ont sur l'information secondaire un profil comparable à la population générale, mais il n'y a pas pour le moment de liste de patient, que permettrait peut être aujourd'hui la déclaration de médecin traitant.

Représentativité

A

B

C

D


Niveau 2 Pour les médecins, on réalise une comparaison

indirecte à partir de l’âge, du sexe, du département, de la densité du lieu d’exercice, pour la population .

Niveau 3 pour les patients

Exhaustivité du recrutement Niveau 3 Comparaison au RIAP (relevé individuel d’activité et de

prescriptions, envoyé par le système national inter régimes (SNIR), système d’information mis en place par la CNAMTS depuis 1977 ), inclusion si 90 % au moins des consultations sont présentes.

Variables incluses Niveau 3 Lors de chaque consultation:

-Les diagnostics réalisés. -Les symptômes et signes retrouvés dans la

définition du diagnostic le jour de l’acte.Pour chaque diagnostic,

-si le cas est nouveau ou persistant.-Les décisions (médicaments, radio, arrêt de

travail...).Certaines données ne sont pas nécessairement relevées

lors de la consultation. Elles peuvent exister dans le dossier du patient ou être inscrites automatiquement :

-Date de l’acte.-Sexe et âge du patient.-Le bassin d’habitation.-La CSP des patients.

Données manquantes Niveau 3 Il est nécessaire que plus de 90% des consultations

soient renseignés, avec au moins un résultat de consultation.


Page 34

PrécisionL'OMG ne prévoit pas de recueil minimal de l'information socio médical.

Le DRC ambitionne avant tout une standardisation de la démarche diagnostique. Il repose sur une définition dynamique positive de quelques 300 situations cliniques courantes en médecine générale, les diagnostic différentiels critiques sont suggérés. Le DRC fonde ainsi l'hypothèse clinique et appuie la décision médicale d'un contexte bibliographique (DRefC). Plus loin, il permet de rattacher chaque diagnostic à un épisode de santé. Dans ce contexte la donnée de morbidité est particulièrement bien étayée. Cette nomenclature reconnue au niveau européen reste une spécificité française.

Le recueil des prescriptions médicamenteuses ne pose pas de problème, en revanche il n'est pas prévu de recueil standardisé de l'orientation du patient.

Précision

E

F

G

H

I

J

Collecte des variables continues sous forme continue :

Niveau 4

Utilisation de définitions explicites pour les variables :

Niveau 3Grâce à l’utilisation du DRC, du CIP

pour la prescription

Formation au codage Niveau 3 Organisation de session de formationJournées de l’Observatoire.

Reproductibilité du codage Niveau 4 Pour le diagnostic grâce au système du

DRCIndépendance du codeur Niveau 2

Procédure de contrôle de validité des données Niveau 4 Les données collectées sont soumises à

une batterie de tests par le DIM de la SFMG


Page 35

3.1.2.Aide au Suivi et à la Thérapeutique Informatisés

Figure 7 : Architecture ASTI

Les données sont issues d’une recherche bibliographique 35 et d’une expérience personnelle. Les points méthodologique ont été revus avec le Pr Hector Falcoff, responsable du projet.

Aspects généraux

Il s'agit de l'évolution d'une expérimentation en informatique médical impliquant la SFTG, les laboratoires d'informatiques médicales de paris 5 et Paris 13 et l'éditeur de logiciel SILK, actuellement au stade d'étude d'intervention.

Information contextuelleAcronyme ASTI Contexte et méthodologie ASTI 1 : projet d’informatique médicale pure,

visant l’élaboration de module d’aide à la décision thérapeutique, ASTI 2 : consiste en la mise en place d’un module de suivi et d’une étude d’intervention.avec le logiciel éO.ASTI 3 : généralisabilité de ce système

Population de référenceCirconstances d’inclusion Patient suivi pour HTA ou diabète, consultant un

médecin participant à l’étude.Suivi longitudinal OuiAire géographique France entièreDate de début 1er novembre 2006Mode de recrutement Continu

Thèse de Médecine ASTI

Page 36

Data set

L'expérimentation porte initialement sur deux pathologie chroniques suivies en ville, via un tableau de bord dédié l'Hypertension artériel et le diabete. Le profil de la base est proche de celui d'un essai clinique.

ContenuNombre d’individus 72 médecins / 1181 patients dans le groupe

intervention et 1172 patients dans le groupe témoin.

Date de dernier point Eté 2007Mode d’interrogation Questionnaire électronique, inclus dans le logiciel

éO Screening du texte libre des consultations.

Data linkageCode nationaux pour le

patient Non

Code nationaux pour le médecin

Non

Code nationaux pour la structure d’exercice

Non

Couplage à une autre base de données

Non

SécuritéOù sont conservées les données ?Back up version ?


individuelles ?Anonyme (problème du texte libre)

Information des patients Individuelle

Consentement Individuel


Page 37

Résultats

Le recueil n'utilise pas internet. Dans le groupe intervention, les praticiens remplissent pour chaque patient souffrant d'HTA et ou de diabète, un tableau de bord, qui leur permet de gérer le suivi de leur patient selon les recommandations en vigueur.

L'inclusion exige un consentement individuel du sujet.

AnalysesFréquence de collecte des données Annuelle (pas de téléchargement)

Les données sont téléchargées manuellement lors d’une visite par un investigateur.

Analyse ad hoc au profit des praticiens localement

Oui


Oui (formation EPP)

AuditFréquence des audits sur données médecin ?Fréquence des audits sur données agrégées ?Publication 5- 6 articles essentiellement de méthodologie

Management

ManagementReconnaissance institutionnelle SFTG / laboratoire universitaire de Paris XI et

Paris XIII / CNAMComposition de l’équipe de management Médecins, informaticiens, épidemiologistes et

statisticiens.Source de financement ASTI 1 et 2 par la CNAM ASTI 3 par l’HASPerspective ASTI 4 : mise en place d’une base de données

sur les maladies chroniques?


Page 38

Qualité

ReprésentativitéLa représentativité est faible en terme épidémiologique.

ReprésentativitéA La population éligible est représentative de la population de

référenceNiveau 1

B Exhaustivité du recrutement Niveau 1C Variables incluses Niveau 2*D Données manquantes Niveau 4 **

* Les variables d'intérêt sont pour le moment réduites, mais potentiellement toute l'information est disponible.* * Pas de données manquantes l’ensemble du dossier médical est récupéré

PrécisionLa précision dans le groupe intervention utilisant les tableaux de bord devrait être élevée, grâce également à l'intervention d'un investigateur en deuxième ligne d'autre part, les résultats ne sont pas encore connus.

La procédure de recueil prévoit la collecte du texte libre et expose la complexité de l'absence de classification fermée sous tendant le recueil. Il est ainsi prévu une analyse du texte libre de la branche témoin impliquant une recherche automatique des mots en rapport avec les pathologies d'intérêt actuels (Diabete et HTA). Ces mots sont par exemple pied TA ou hyperT. Ils sont reconnus puis collectés avec les mots précédents et suivants. Les expressions sont finalement analysé par le second investigateur, qui doit décider si oui ou non l'examen du pied diabétique a été fait chez ce patient.

Précision E

F

G

H

IJ


Niveau 4


Niveau 1 dans le groupe témoinNiveau 4 dans le groupe intervention

Utilisation de règles de codage Niveau 1 dans le groupe témoinNiveau 4 dans le groupe intervention

Reproductibilité du codage Niveau 1 dans le groupe témoinNiveau 2 dans le groupe intervention

Indépendance du codeur Niveau 4Procédure de contrôle de validité des données

Niveau 2


Page 39

3.1.3.La cohorte des CONsulTANs des CES (CONSTANCES)

Les données sont issues du site internet (http://www.constances.fr/) et du protocole scientifique aimablement mis à disposition par le Pr Goldberg. Les points méthodologique ont été revus avec le Pr Marcel Goldberg, responsable de l’unitè 687 INSERM. On notera que GAZEL, car elle part d’une exposition ne remplit pas les critères d’inclusions retenus plus haut.

Aspects généraux

Il s'agit d'une cohorte d'assurés sociaux volontaires, pour lesquels seront croisés les informations issues des consultations en centre de santé, les informations des grandes bases de la CNAM et des questionnaires individuels.

Information contextuelleAcronyme CONSTANCES

Contexte Suivi d’une cohorte prospective de composition comparable à la population adulte des assurés sociaux du Régime Général, à partir des consultations en centre de santé de la sécurité sociale, qui permettra de décrire de façon précise le parcours de prévention et de soins des sujets dans l’ensemble du système de santé.

Mise en place d’un laboratoire épidémiologique ouvert selon les orientations de la politique de santé.

Population de référenceCirconstances d’inclusion Consultants des Centres d’examens de santé

(CES) participants.Suivi longitudinal du patient Oui.

Système de traçage, auto-questionnaire annuel, suivi passif

Aire géographique 17 centres participantsDate de début 2007Mode de recrutement Continu

Thèse de Médecine Constances

Page 40

http://omg.sfmg.org

http://omg.sfmg.org

Data set

La procédure particulière permet d'obtenir une information riche sur le patient en revanche la pratique du médecin généraliste sera plus difficile à étudier, il n'existe pas de base CNAM avec cette information.

ContenuNombre d’individus 200 000 patientsDate de dernier point Phase pilote début deuxième semestre 2006Questionnaire Auto questionnaire annuel, consultation

standardisée des CES.Utilisation de la CIM-9

Data linkageCodes nationaux pour le patient OuiCodes nationaux pour le médecin NonCodes nationaux pour la structure d’exercice OuiCouplage à une autre base de

données Oui (cf discussion)Les événements de santé : SNIIR-AMLe statut vital et les causes de décès : CépiDc - Inserm.Les événements socioprofessionnels : Cnav

SécuritéOù sont conservées les données ? Ordinateur connecté en réseau INSERMBack up version Information non disponibleVersion papier Questionnaires conservés

ConfidentialitéFormat des données individuelles Anonymat irréversibleInformation des patients Informés individuellement (volontaires)Consentement Consentement écrit et une option de sortie de la

baseCette BDME est la seule, qui offre une identification du patient, permettant un couplage des données.


Page 41

Résultats

Nous sommes encore dans la phase de recrutement.

Analyses

Fréquence de collecte des données Information non disponibleAnalyse ad hoc au profit des praticiens

localement Information non disponible


Information non disponible

AuditFréquence des audits sur données

médecin Information non disponible

Fréquence des audits sur données agrégées Information non disponiblePublication www.constances.fr

Management

Cette structure est similaire à celle de la cohorte GAZEL.

ManagementSoutien institutionnel INSERM, CNATS, Ministère de la santé.Equipe de management Médecins, informaticiens, épidémiologistes,

statisticiensSource de financement Entièrement public (CNAM)


Page 42

http://www.constances.fr

http://www.constances.fr

Qualité

ReprésentativitéCette base est porte l'exigence de représentativité sur les patients.

ReprésentativitéA

BCD


Niveau 1 pour les médecinsNiveau 3 pour les patients Plan de sondage stratifié à pondération

déséquilibrée.Exhaustivité du recrutement Niveau 4Variables incluses Niveau 4 Données manquantes Pas de résultat disponible Niveau 4 selon

l’expérience de GAZEL grâce au suivi passif.

Cette cohorte doit constituer un outil transversal pour les trois programmes de santé publique prioritaires de la CNAM. Un recueil d’informations est donc prévu sur ces sujets précis (cf annexe). Par ailleurs le protocole prévoit la constitution d’une banque de matériel biologique.

PrécisionPrécision

EFGHIJ

Collecte des variables continues sous forme continue Niveau 4Utilisation de définitions explicites pour les variables Niveau 4Utilisation de règles de codage Niveau 4Reproductibilité du codage Niveau 4Indépendance du codeur Niveau 4Procédure de contrôle de validité des données Niveau 4

La précision atteinte est notée maximale, pour la plupart des items en s’appuyant sur le protocole et l’expérience de Gazel. Toutefois il faut souligner le caractère quasi expérimental de la consultation de prévention en centre de santé, qui n’a rien à voir avec la pratique de la médecine générale dans son ensemble.


Page 43

3.1.4.Le réseau Sentinelles

Les données sont issues du site internet (http://websenti.b3e.jussieu.fr/sentiweb/), de la consultation du rapport d’activité 2006. Les points méthodologique ont été revus avec le Dr Clément Turbelin, responsable national.

Aspects généraux

Il s'agit avant tout d'un réseau de veille sanitaire.

Information contextuelleAcronyme SentinellesContexte et méthodologie Le réseau Sentinelles est un réseau de bénévoles

et volontaires répartis sur le territoire métropolitain français. Les médecins membres sont dits « médecins sentinelles ». Ce réseau, créé par le Professeur Alain-Jacques Valleron, a pour but la surveillance en continue de 14 indicateurs de santé.

Population de référenceCirconstances d’inclusion Patient consultant l’un des médecins participants

et présentant l’un des états de santé surveillés.Suivi longitudinal NonAire géographique France métropolitaineDate de début 1 nov. 84Mode de recrutement Continu

Thèse de Médecine Sentinelles

Page 44

http://fr.wikipedia.org/wiki/R%C3%A9seau_Sentinelles

http://fr.wikipedia.org/wiki/R%C3%A9seau_Sentinelles

http://websenti.b3e.jussieu.fr/sentiweb/

http://websenti.b3e.jussieu.fr/sentiweb/

Data set

Le réseau sentinelle comprend deux facettes. Il assume un rôle de veille épidémiologique et il s'agit d'un vaste réseau de recherche utilisant les eCRF.

ContenuNombre d’individus 1 260 médecins généralistes libéraux (2% de

la totalité des MG en France métropolitaine).300 déclarants actifs en permanence.

Date de dernier point 2006Mode d’interrogation Déclaration en ligne.

Information codée en CISP.Data linkage

Codes nationaux pour le patient NonCodes nationaux pour le médecin NonCodes nationaux pour la structure d’exercice NonCouplage à une autre base de données Non

SécuritéOù sont conservées les données ? Serveur sécurisé non reliéVersion sauvegarde Serveur / 3 versions sauvegarde

ConfidentialitéFormat des données individuelles ? AnonymeInformation des patients cf annexeConsentement Non


Page 45

Résultats

L'objectif est de détecter un signal d'alarme pour quelques données de santé, l'unité INSERM du projet a par ailleurs réalisé un grand nombre de travaux de recherche.

AnalysesFréquence de collecte des données En temps réel.Analyse ad hoc au profit des praticiens

localement Non


Oui, sur le site web (mail de synthèse)

AuditFréquence des audits sur données médecin 12 jours (limite de rythme de déclaration ou

délai d'exclusion)Fréquence des audits sur données agrégées HebdomadairePublication Mise à disposition via le Web des données

épidémiologiques (système de veille).Recherche scientifique (cf Bibliographie)

Management

Ce réseau est valorisé au travers de nombreuses collaboration avec des partenaires français et internationaux, publiques et privés.

Management

Reconnaissance institutionnelle Animé par l’Unité mixte de recherche en Santé UMR-S 707 Inserm -Université Pierre et Marie Curie.

INVSCentre collaborateur de l’OMS

Composition de l’équipe de management Médecins, épidémiologistes, statisticiens, informaticiens.

Source de financement Publique pour la maintenance.Privée sur projet (ex : publication quotidien du

médecin…).

Perspective L’augmentation du nombre de médecins sentinelles vise une régionalisation de l’observatoire, qui autoriserait une surveillance spécifique (ex maladie de Lyme dans l’Est de la France).

Augmentation du nombre d’indicateurs de santé surveillés (Coqueluche et Syphilis).


Page 46

http://websenti.b3e.jussieu.fr/sentiweb/index.php?rub=37

http://websenti.b3e.jussieu.fr/sentiweb/index.php?rub=37

http://www.u707.jussieu.fr/

http://www.u707.jussieu.fr/

http://www.inserm.fr/fr/home.html

http://www.inserm.fr/fr/home.html

http://www.upmc.fr/FR/info/00




Qualité

ReprésentativitéSentinelle n'est pas représentatif des médecins français ou des des patients.

ReprésentativitéA

BCD


Niveau 2 pour les médecinsNiveau 2 pour les patients

Exhaustivité du recrutement Niveau 2*Variables incluses Niveau 1Données manquantes Niveau 3*

* *attesté par des études ponctuelles sur la grippe, les tentatives de suicide et les gastro-enétérites. Il est par ailleurs postulé sur des audits personnels, que le taux de déclaration est d’autant meilleur que la pathologie est fréquente.

PrécisionSur les paramètres d'intérêt, la précision est bonne, toutefois nous somme dans le cadre de quelques pathologies seulement.

PrécisionE

FG

HIJ

Collecte des variables continues sous forme continue Niveau 1

Utilisation de définitions explicites pour les variables Niveau 4Utilisation de règles de codage Niveau 3

Reproductibilité du codage Niveau 4Indépendance du codeur Niveau 1Procédure de contrôle de validité des données Niveau 4*

* *Certification ISO 9001


Page 47

3.1.5.L’observatoire de l’accés aux soins de Médecins du monde

Médecins du monde assure une mission de soins, auprès des populations les plus défavorisées en France, patients sans papier ou marginalisés (gens du voyage, milieux festifs, prostitution).

Outre l’action de soin, d’assistance humaine et sociale, l’association s’est engagée dans un processus de témoignage, qui aboutit depuis 2004 à une véritable étude épidémiologique, de type cohorte prospective.

Ce travail repose sur le bénévolat. L’innovation méthodologique vient de ce qu’il s’agit de la seule initiative de soins primaires utilisant la CISP en France (cf consultation structurée en annexe).

Les données sont issues du rapport d’activité de l’observatoire 2006 et de la mise à disposition des documents techniques tels que le protocole de recueil. Les points méthodologique ont été revus avec le Dr Guillaume FAUVEL, responsable du STAO de médecin du monde.

Thèse de Médecine MdM

Page 48

Aspects généraux

L'exercice au sein de médecin du monde est réalisé au sein de centre de soins primaires, avec des dossiers comportant un volet médical et un volet social partagé par des professionnels de ces deux branches. La population consultante est celle exclue du parcours de soin habituel.

Information contextuelleAcronyme L’observatoire de l'accès aux soinsContexte et méthodologie Recueil systèmatique d’informations sociales et

médicales auprès des patients consultant un des programmes de la mission France de MdM .

Les informations présentées ici porteront exclusivement sur le recueil en CASO.

Population de référenceCirconstances d’inclusion Population rencontrée par la mission France

en CASO (population ayant rencontrée une difficulté dans l'accès au soin).

Suivi longitudinal Oui*Aire géographique France entière (y compris Guyanne et

Mayotte), extension européenne à venirDate de début 2000 première parution du témoignageMode de recrutement Continu

* * en théorie, mais la volatilité des patients le rend inexistant, en 2006 59% des patients n’ont consulté qu’une seule fois.


Page 49

Data set

Cette base est extrêmement complète, avec de nombreuses informations socio-démographiques, des données de morbidité codées selon la CISP. Les informations socio-démographique proviennent de deux sources : le codage CISP du médecin et un interview plus complet par une assistante sociale.

ContenuNombre d’individus En 2006

24977 patients (17 343 nouveaux patients) 56 137 consultations

Date de dernier point Eté 2007Mode d’interrogation Questionnaire médical structuré, utilisant la CISP

(cf annexe)pour les motifs de consultations et les diagnostics Dossier social papier.Intégralement repris sur le logiciel Sphinx Plus2- Euréka.

Data linkageCodes nationaux pour le

patient Non

Le médecin NonLa structure d’exercice NonCouplage à une autre base de

données Non

SécuritéOù sont conservées les données? CentralisésBack up version Questionnaires conservés dans les centres.

ConfidentialitéFormat des données individuelles. AnonymeInformation des patients NonConsentement Non


Page 50

Résultats

Les informations épidémiologiques sont exploitées par MdM dans un rapport annuel et les Observatoires régionaux de santé. Sur le plan scientifique l'expérience est suivie en particulier par le CISP-club, à ma connaissance elle n'a donné lieu qu'à des communications orales.

AnalysesFréquence de collecte des données MensuelleAnalyse ad hoc au profit des praticiens

localement Oui


Oui

AuditFréquence des audits sur données médecin MensuelleFréquence des audits sur données agrégées NationalePublication Rapport d’activité

Management

ManagementReconnaissance institutionnelle Observatoires régionaux de santéComposition de l’équipe de management Médecin, manageur, épidémiologisteSource de financement Sur les fonds de l’association.Perspective Informatisation, mise en place d’un mouvement

européen, développement des recherches.


Page 51

Qualité

ReprésentativitéCette base n'est pas représentative de l'exercice en médecine générale dans la population française.

ReprésentativitéA

BC

D


Niveau 4*Niveau 1**

Exhaustivité du recrutement Niveau 4Variables incluses Niveau 3

Un volet socialUn volet médical codé selon un mode structuréUn suivi actif des sujets Pas de Bio-Pas de prescription, pas de résultat

observé.Données manquantes Niveau 2 sur le dossier médical pour les motifs

Niveau 3 pour les diagnosticsNiveau 3 sur le volet social

* tous les médecins bénévoles sont impliqués **pas de réponse possible

L’importance des données manquantes peut s’expliquer notamment par la brièveté du contact et doit être mis en regard de la difficulté de la situation. On appréciera la transparence de l'analyse de la base (nombre de donnée manquantes…). Celle ci a été la plus précise en ma possession.


E

F

GHIJ


Niveau 4


Niveau 2

Utilisation de règles de codage Niveau 3 : Organisation de session de formationReproductibilité du codage Niveau 4Indépendance du codeur Niveau 2Procédure de contrôle de validité des données

Niveau 3

L’utilisation de la CISP assure une bonne reproductibilité et une bonne précision du codage 17, notamment l'interférence des problèmes sociaux et psychologiques. Il faut noter que la CISP est utilisée pour le codage du motif de consultation et le codage du diagnostic de travail. La description des procédures diagnostics (examen de tel ou tel partie du corps) n'est pas utilisée, comme le voudrait le SOAP ou SOPAP. Par ailleurs les critères d'inclusion et d'exclusion du diagnostic ne sont pas disponibles en temps réel lors de la consultation.


Page 52

3.1.6. THALES

Les données sont issues d’un entretien avec le Dr BRUNEAU, Mr SERRE , responsable informatique et Mme DELPIROU, responsable marketing. Aucun document ne m’a été remis. La consultation du rapport de l’IRDES a apporté un complément d’information.

Aspects généraux

Il s'agit d'une base dont la vocation première est l'étude de la prescription médicale. Elle repose sur l'utilisation d'un logiciel dédié. Elle n'implique aucune démarche de recherche en médecine générale mais contient potentiellement de nombreuses données.

Information contextuelleAcronyme THALES Contexte Cette base est développée par CEGEDIM, dont

le cœur de métier est la mise au point de logiciel métier. C’est un observatoire épidémiologique permanent de l’activité en médecine libérale, initialement en médecine générale, puis dans huit spécialités (cardiologie, pédiatrie..). L’objectif général est de recueillir des informations sur la prescription de médicaments par les médecins. Les informations collectées par THALES sont utilisées par la société BKL qui effectue des études de marché des études et propose une expertise pharmao-economique.

Population de référenceCirconstances d’inclusion Consultation chez l’un des médecins

participants équipé du logiciel Crossway dédié et inclus dans l’échantillon.

Suivi longitudinal OuiAire géographique France métropolitaine (Champ d'observation:

médecins généralistes, cardiologues, neurologues, rhumatologues, pédiatres, gynécologues)

Thèse de Médecine Thales

Page 53

Date de début 1991Mode de recrutement continu

Data set

L'échantillon de médecin est représentatif de la population médicale prescriptrice.

ContenuNombre d’individus 1500 médecins généralistes, 1 800 000 épisode

contact patientsDate de dernier point avril 2007Questionnaire , nomenclature. Pas de questionnaire formalisé

Les médecins relèvent les données de morbidité à l’aide d’un Thésaurus spécifique à Thales (élaboré selon dénomination AMM). Celui est court puisqu’il comporte quelques centaines d’items. Les codes CIM 10 sont affectés à ces items. Code CIP, classe Ephmra, base Claude Bernard (base de données médicamenteuse).

Data linkageCodes nationaux pour le patient NonCodes nationaux pour le médecin NonCodes nationaux pour la structure d’exercice NonCouplage à une autre base de données Non

SécuritéOù sont conservées les données Service dédiéBack up version Oui


individuelles Anonymat irréversible

Information des patients Patients informés collectivement (affichage en cabinet)

Consentement Pas de consentement écrit, mais une option de sortie de la base


Page 54

Résultats

La base de donnée est propriété de Cegedim. Cegedim ne délivre que des produits finis (études ad hoc), jamais d'échantillon. Ceci pourrait évoluer en cas d'ouverture universitaire.

AnalysesFréquence de collecte des données MensuelAnalyse ad hoc au profit Des praticiens

Localement Oui (logiciel intégrant des modules d’analyse)

Analyse ad hoc au profit Des praticiens Centralisée

Non

AuditFréquence des audits sur données

médecin Mensuel

Fréquence des audits sur données agrégées

Non public

PublicationPublication et politique de mise à disposition

des donnéesDiffusion non systématique : études ad hoc sur

devis

Management

ManagementSoutien institutionnel NonEquipe de management Médecins, informaticien, manager,

épidémiologistes, statisticiensSource de financement Privé


Page 55

Qualité

L'appréciation de ces paramètres est difficile, en raison du secret industriel, qui entoure la base.

ReprésentativitéLa représentativité de la population est vérifiée à posteriori, on ne dispose pas de liste de patient. Il est procéder à une randomisation au sein de l'échantillon des utilisateurs de Doc Ware.

Représentativité

A

B

C

D


Niveau 3Représentativité des médecins assurée par

l’échantillonnage selon la méthode des quotas.

Niveau 3 Représentativité des patientsThalès compare ses caractéristiques à celle de la

population du régime général d'Assurance maladie suivie en médecine générale (référentiel: CNAMTS/Echantillon Permanent d'Assurés Sociaux), en termes de structure d'âge et de sexe et de taux de patients en affection de longue durée.

Exhaustivité du recrutement Niveau 4

Variables incluses Niveau 3Les patients : année de naissance, sexe, CSP,

département de résidence, facteurs de risque (tabac, alcool...), taille, poids, antécédents médicaux...,

Les médecins : âge, sexe, région d’exercice, secteur conventionnel, mode d’exercice et d’activité,

La consultation : motif principal de recours, symptômes, signes, diagnostics, prescriptions (pharmaceutiques, d’examens complémentaires, d’actes paramédicaux, d’arrêt de travail...),

Les prescriptions pharmaceutiques : indication médicale, posologie, initiation du traitement, durée du traitement, renouvellement, co-prescriptions, prise en charge éventuelle à 100 %, motif de la suppression ou de la modification d’un traitement de fond.

Données manquantes Niveau 3 L’exigence porte sur le remplissage de la

prescription pour chaque épisode, pas sur les autres champs


Page 56

PrécisionLe recueil est effectué par consultation, à partir d'un thésaurus non reconnu par la communauté scientifique. Par opposition à la CISP ou au DRC, ce thesaurus n'est pas structurant pour la consultation. Les termes y sont intégrer selon les besoins d'usage des utilisateurs professionnels de santé et industriels.

PrécisionE

F

G

H

IJ


Niveau 4


Niveau 3 Les médecins relèvent les données de morbidité à l'aide d'un

Thésaurus spécifique à Thales. Celui ci est Court puisqu'il comporte quelques centaines d'items. Les codes CIM 10 sont affectés à ces items. CIP, classe EphMRA, base Claude Bernard (base de données médicamenteuse).

Utilisation de règles de codage

Niveau 2

Reproductibilité du codage

Niveau 2Pas de données, disponible, procédure interne pour le

thésaurus, basé sur les mentions utilisés dans les AMM

Indépendance du codeur Niveau 1Procédure de contrôle de validité des données

Niveau 4


Page 57

3.2.Bases anglaises

Les principales bases anglaises ont été recensées en 2003 selon la méthodologie DocDat (développée dans cette intention) 18, 105 bases de données sont incluses . Ce registre est accessible aux chercheurs via le site internet du projet, renforçant la visibilité de ces bases. En 2003 la moitié de ces bases n’a pas plus de quatre articles indexés dans PubMed.

Je me suis intéressé aux bases anglaises, dont la fiche précisait que l’intervention était « primary care » :

• Spécialité d’organe : indifférent

• Processus pathologique sous-jacent : indifférent

• Type d’intervention médicale : médecine générale

• Population concernée : indifférent

• Localisation géographique : indifférentes

J'ai obtenu quatre bases.

• General Practice Research Database (GPRD)

• Royal College of General Practice – Weekly return Service (RCGP-WRS)

• The Health Improvment Network (THIN)

• Morbidity Statistics from General Practice. Fourth National Study 1991-1992

J'ai écarté le HeartStart Scotland, qui correspond à une base d’urgence, spécialité distincte en France,

Parmi ces quatre bases, les trois encore actives sont GPRD, RCGP-WRS et THIN.

Dans les informations générales de DocDat de ces bases, THIN est une variante du GPRD destiné à l’industrie. Le propriétaire du logiciel est dans les deux cas CEGEDIM, les 300 participants de THIN participaient déjà au GPRD initiative plus ancienne, dont la base de donnée a une administration institutionnelle (cf historique GPRD). Conséquence, il n’y a pas de travaux publiés à partir de THIN et seuls deux bases de données dans le domaine de la médecine générale sont actuellement actives et indexées dans DocDat.En revanche et de façon étonnante, DocDat ne répertorie pas une BDME d’importance Qresearch.

Je présente donc le GPRD, Q research et RCPG-WRS.

Thèse de Médecine Bases Anglaises

Page 59

3.2.1.Le GPRD : General Practive research database

Les données sont issues du site internet (http://www.gprd.com/), le rapport de l’IRDES a apporté quelques informations supplémentaires, l’appréciation qualité est issue de DocDat.

Aspects généraux

Il s'agit de la première BDME et actuellement la plus importante.

Information contextuelleAcronyme GPRDContexte et méthodologie Cette initiative anglaise est la première, initiée en 1987, elle se

présente comme le Gold standard de l’information en soins primaires.

Le Dr Dean est le fondateur du GPRD. Son succès fut tel qu’il a transformé ce projet local (incluant son seul centre de santé d’exercice) en une entreprise privé Value Added Medical Product, racheté ensuite par Reuters.

En 1994, Reuters offre au ministère de la santé la base de donnée en elle même (le GPRD), ne conservant que le logiciel. Il revend ce dernier, le logiciel Vision, à Cegedim en dernier ressort.

Au nom du ministère de la santé, c’est désormais l’office national des statistiques qui est en charge de la maintenance de la base et de l’utilisation de celle ci.

Cegedim a développé une autre base à partir du logiciel Vision, certains centres de santé participent donc aux deux bases. The Healht Improvement Network, équivalent de Thales en France est exploité pour des études de post marketing.

Population de référenceCirconstances d’inclusion Les patients inscrits dans un des centres participants.Suivi longitudinal Les patients sont suivis au travers de chacun de leur contact

avec le centre de santé (théoriquement leur interlocuteur central).Aire géographique Les royaumes unisDate de début Depuis le premier mai 1987Mode de recrutement Continu

Thèse de Médecine GPRD

Page 60

Data set

Cette base a gagné en puissance récemment, grâce à l'utilisation d'un identifiant national pour le patient, qui permet un couplage avec d'autre bases entretenue par la NHS.

ContenuNombre d’individus En 2007,

3 millions de patients suivis,plus de 13 millions de patients enregistrés,43 millions de personnes années,

Date de dernier point 1 janv. 07Mode d’interrogation Pas de questionnaire, un logiciel unique

Couplage des donnéesCodes nationaux pour le

patient Oui

Codes nationaux pour le médecin

Non

Codes nationaux pour la structure d’exercice

Non


Le couplage des données avec d’autres bases de la NHS est maintenant possible (en particulier registre des hospitalisations et des registres), par autorisation gouvernementale.

SécuritéOù sont conservées les données Un ordinateur connecté à un réseau externeBack up version Disque de sauvegarde régulièrement réalisé.


individuelles ?De manière anonyme de façon réversible

Information des patients Les patients sont informés collectivementsConsentement Pas de consentement individuel, mais la

possibilité de sortir de la base..


Page 61

Résultats

Plus de 600 articles de recherche clinique ont été publiés à partir de ces données.

AnalysesFréquence de collecte des données Internet via the NHS net, transmission des

données toutes les 6 semaines.Analyse ad hoc au profit des praticiens

localement oui


oui

AuditFréquence des audits sur données médecin tous les trois moisFréquence des audits sur données agrégées toutes les huit semainesPublication bibliographie (plus de 500 publications)

Management

Cette base appartient actuellement à la NHS, tandis que le logiciel appartient à Cegedim.

ManagementReconnaissance institutionnelle NHSComposition de l’équipe de management médecins, infirmières, statisticiens,

épidémiologistes, informaticiens, managerSource de financement la base opère comme une entreprise à but non

lucratif, administrée par le Medical Health Regulation Administation

Les usagers paient une participation, pour l’accés au données.

Perspective


Page 62

http://www.gprd.com/info/bibliography.asp

http://www.gprd.com/info/bibliography.asp

Qualité

ReprésentativitéReprésentativité

A

B

C

D


Niveau 3

Exhaustivité du recrutement

Niveau 4

Variables incluses Niveau 4Aux patients sont alloués un numéro d’identifiant unique, ni

le nom ni l’adresse ne sont récupérées.Sont collectées Informations administratives du praticien et du patient, les

données démographiques, Le diagnostic médical, Toutes les prescriptions; Les événements conduisant au retrait d’un médicament ou

à l'arrêt d’un traitement; Les références aux spécialistes et à l'hôpital, Les résultats de laboratoire Le résultat du traitementLes principaux facteurs confondant de santé tel que le

tabagisme, le poid la taille, les vaccinationsDonnées manquantes Niveau 3

PrécisionLe code read explique le score de précision relativement bas. Il n'appartient pas à la famille des classifications internationales. Uniformément utilisé au Royaume Uni, il devrait être remplacé dans la prochaine décennie.

PrécisionEFGHIJ



Page 63

3.2.2.Le Q research Project

Les données sont issues du site internet (http://www.qresearch.org//), de la consultation du protocole. Le rapport de l’IRDES a apporté quelques informations supplémentaires.

Aspects généraux

Il s'agit d'un projet récent en tout point similaire au GPRD. Il est d'initiative universitaire, il est basé sur un autre logiciel.

Information contextuelleAcronyme Q researchContexte et méthodologie Le projet est inité en 2003, par le département

de médecine de Nothingham en association avec le deuxième groupe de logiciel médical en angleterre EMIS. (le premier étant Vision utilisé dans le GPRD).

L’objectif est de décliner une base entièrement tournée d’orientation résolument universitaire, avec une exigence de publication et de l’approbation préalable du protocole par un comité éthique et l’exclusion de toute étude sponsorisée, promue par des instances non commerciales :"Generating new knowledge to improve patient care".

Par rapport au GPRD, Qresearch est moins cher. Chaque utilisation se fera sur une partie de la base et une participation financière sera demandée pour chaque étude afin de permettre sa maintenance, mais sans but lucratifs avec l’objectif de permettre un large accès.

Population de référenceCirconstances d’inclusion Les patients inscrits dans un des centres

participants.Suivi longitudinal OuiAire géographique Les royaumes unisDate de début Début de la base 2003, information depuis

1996Mode de recrutement Continu

Thèse de Médecine Qresearch

Page 64

http://www.gprd.com

http://www.gprd.com

Data set

La politique d'identification est différente, en particulier les médecins ne peuvent être identifiés.

ContenuNombre d’individus 9 000 000 de patients suivisDate de dernier point 2007Mode d’interrogation Logiciel médical EMIS,

Diagnostic et données cliniques : code Read. Prescription médicamenteuse : actuellement

classification propre à EMIS, mais le remplacement par la classification nationale est en cours.

Data linkageCode nationaux pour le

patient Non

Code nationaux pour le médecin

Non

Code nationaux pour la structure d’exercice

Non


Non

SécuritéOù sont conservées les données Deux serveurs un à EMIS, un à l’université de

Nottingham, ce dernier est le seul point d’accès aux données.

Back up version Oui


individuelles ?Pseudo anonyme, Données mise à disposition de manière

complètement anonymeInformation des patients CollectiveConsentement Ecrit des centres de santé.


Page 65

Résultats

AnalysesFréquence de collecte des données La transmission des données est

hebdomadaire.Internet via le NHSnet

Analyse ad hoc au profit des praticiens localement

Les médecins ne reçoivent pas de contrepartie financière pour leur participation. Ils ont en revanche une contrepartie intellectuelle : Ils peuvent faire des études sur leur propres pratiques à partir des données qu’ils ont enregistrées et les comparer aux résultats des études menées sur l’ensemble de la base par les gestionnaires de la base.


L’accès aux données est possible pour des équipes de recherche. Le projet d’étude et les données requises pour sa réalisation, sont soumis à approbation du comité d’éthique. Ce dernier est un comité multicentre : Multi-centre Research Ethics Committee (MREC)

Le projet est également soumis à l’approbation du comité scientifique.

Seules les données nécessaires à la conduite du projet sont mises à disposition des chercheurs (pas plus).

Le tarif d’accès aux données est décidé par le advisory board (comité consultatif) et dépend de la demande.

AuditFréquence des audits sur données médecin Fréquence des audits sur données agrégées Diffusion systématique annuelle, des études

de morbidité menées par l’équipe de recherche de Nottingham et diffusées gratuitement à tout demandeur (disponibles sur Internet).

Publication bibliographie (plus de 50 articles)Tous les travaux doivent être publiés.


Page 66

http://www.qresearch.org/public/publications.aspx

http://www.qresearch.org/public/publications.aspx

Management

ManagementReconnaissance institutionnelle Le conseil consultatif doit représenter les

différentes parties impliquées dans QRESEARCH et gagner le respect du public, du NHS, des cabinets de médecins et de la communauté des chercheurs. Il comprend des membres des institutions suivantes : − The Royal College of General Practitioners −The British Medical Association et son

General Practitioners Committee − EMIS National Users Group − À representative of the practices

contributing data to QRESEARCH − EMIS − Patient representation − The Research Ethics Committee − University of Nottingham − Chair of the Scientific Committee Son rôle est de surveiller et de donner son avis

sur les conditions de stockage des données, leurs conditions d’utilisation et le type d’analyses menées

Composition de l’équipe de management Le management board : le comité directeur fait fonctionner la base sur le principe d’une association à but non lucratif. Il est composé de représentants d’EMIS et de l’université de Nottingham.

Source de financement Autofinancement de la base de données en vendant l’accès aux données, tout en s’assurant que le tarif ne soit pas prohibitif pour les équipes de chercheurs.

Emis a investi dans la phase de développement mais devrait recouvrer l’argent investi. A part les chercheurs, les principaux financeurs de la base sont le Department of Health (ministère de la santé) et les institutions du NHS.

Perspective


Page 67

Qualité

ReprésentativitéReprésentativité

A

B

C

D


Niveau 3L’échantillon a été élaboré comme suit : Contact de tous les cabinets de généralistes utilisant EMIS

en 2003 (60 % des cabinets au Royaume-Uni) pour leur présenter le projet et leur proposer de participer.

Parmi les volontaires, tirage aléatoire de 500 cabinets stratifié sur la taille des cabinets, le score de défavorisation (Townsend score) et le score de ruralité (Carstairs rurality score).

Niveau 3 patientsLes patients sont représentatifs de la population du

Royaume-Uni.Exhaustivité du recrutement

Niveau 4

Variables incluses Niveau 4Médecin : Dans un souci de protéger l’identité des groupes

de médecins (P4P!!), aucune information n’est disponible sur l’identité des médecins et du cabinet où ils pratiquent, leur âge, leur sexe, leur situation par rapport au contrat d’objectifs ou leur contrat de rémunération.

Un numéro d’identifiant anonyme permet de connaître les patients rattachés à un même cabinet. Recodées en classe et rattachées au code postal : taille de la liste de patients du cabinet (moins de 5000, 5000 à 7999, plus de 8000), du score de précarité moyen et du score de ruralité de la zone d’implantation.

Patients : Un numéro d’anonymat.Sexe Année de naissance Zone géographique d’habitation du patient correspondant à

la « electoral ward » qui couvre environ 100 000 personnes. Date d’inscription au cabinet, date de résiliation du cabinet

ou date de mort. Facteurs de risque : antécédents familiaux, consommation de

tabac, taux de cholestérol, indice de masse corporel, chiffre de tension artérielle, autre données cliniques ou biologiques

Contact : diagnostic clinique, symptômes, problèmes (ex : stress professionnel), actes : date, nature, prescriptions : médicament (nature, quantité, renouvellement), examen complémentaire, adressage, Rubrique divers.

Données manquantes Niveau 3


Page 68


EFGHIJ



Page 69

3.2.3.Le Royal College General Practice Weekly Return Service

Les données sont issues du rapport de l’IRDES et de DocDat.

Aspects généraux

Il s'agit de la plus ancienne base de donnée sur l'exercice ambulatoire d'Europe. Ses objectifs et sa production de résultat sont similaires à ceux de sentinelle, mais l'architecture est désormais celle d'une BDME type Qresearch ou GPRD, faute de budget elle n'est pas exploitée de cette manière.

Information contextuelleAcronyme RCGP-WRSContexte et méthodologie Le RCGP est le plus ancien des systèmes

d’information en médecine de ville présenté ici. Cette démarche épidémiologique est initiée en 1967.

Population de référenceCirconstances d’inclusion Consultation dans l’un des centres de santé

participantSuivi longitudinal OuiAire géographique Angleterre et EcosseDate de début 1 janv. 67Mode de recrutement Continu

Thèse de Médecine RCGP

Page 70

Data Set

ContenuNombre d’individus 80 cabinets représentant environs 400

médecins généralistes et couvrant approximativement 0.75 million de patients.

Unité observé le médecin, Unité statistiques contact médecin patientChamps d’observation cabinet de médecins

généralistesDate de dernier point Mode d’interrogation Logiciel utilisation code read

Data linkageCodes nationaux pour le

patient Non

Codes nationaux pour le médecin

Non

Codes nationaux pour la structure d’exercice

Non


Non

SécuritéOù sont conservées les données Ordinateur relié au réseau

Back up version Ordinateur relié au réseau Confidentialité

Comme sont stockées les données individuelles ?

Anonyme

Information des patients Non informéConsentement Pas de consentement, pas d’option de sortie


Page 71

Résultats

AnalysesFréquence de collecte des données HebdomadairesAnalyse ad hoc au profit des praticiens

localement Non


Les médecins bénéficient également d’un retour d’information sur les données les concernant.

Audit

Fréquence des audits sur données médecin JamaisFréquence des audits sur données agrégées Diffusion systématique hebdomadaire sur

support papier et sur internet : Weekly Return Service. Couplé avec l’information d’autres sources dont le Qresearch, pour la publication du CDR weekly ou Communicable Disease Report Weekly .

Publication Diffusion non systématique Support : article ou rapport. Modalités d’accès : utilisation par la

Birmingham Research Unit ou en collaboration avec elle. Il n’y a pas de possibilité d’accès extérieur indépendant.

bibliographie (50 articles)

Management

ManagementReconnaissance institutionnelle Royal College of General Practtioners

Université de BirminghamComposition de l’équipe de management Médecins, statisticiens et informaticiensSource de financement financement sur les fonds de la RCGP, c’est à

dire du ministére de la santéLes médecins reçoivent une contrepartie

financière s’élevant à 40 pence (soit 0,6 €) par an par patient inscrit sur leur liste.

Perspective


Page 72

http://www.hpa.org.uk/cdr/pages/primarycarewr.htm

http://www.hpa.org.uk/cdr/pages/primarycarewr.htm

http://pdfdownload.capt.de/pdf2html.php?url=http%253A%252F%252Fwww.nchod.nhs.uk%252FNCHOD%252FDocDat_2.nsf%252F66b7b8bd948e99be8025717e00542cd2%252F31110482e50f5fe06525725a002f9a71%252F%2524FILE%252FRCGP-WRS_bibliography.pdf&images=yes

http://pdfdownload.capt.de/pdf2html.php?url=http%253A%252F%252Fwww.nchod.nhs.uk%252FNCHOD%252FDocDat_2.nsf%252F66b7b8bd948e99be8025717e00542cd2%252F31110482e50f5fe06525725a002f9a71%252F%2524FILE%252FRCGP-WRS_bibliography.pdf&images=yes

Qualité

ReprésentativitéReprésentatvité

A

B

C

D


Niveau 3L’échantillon est stratifié pour obtenir une représentativité

régionale qui prend également en compte les scores de défavorisation. Cependant, une étude au niveau infrarégionale a montré que cette représentativité pour les zones de défavorisation n’était pas atteinte.

Niveau 3Les patients sont représentatifs de la population anglaise.

Cependant, les classes sociales les plus favorisées sont surreprésentées à Londres et les classes les moins favorisées le sont dans les autres régions.

Exhaustivité du recrutement

Niveau 2

Variables incluses Niveau 3 Médecin : les variables recueillies concernent uniquement

les cabinets : localisation, taille des listes de patients, nombre de médecins...

Patients : âge, sexe. Contact : la principale variable recueillie concerne le

diagnostic puisque c’est une base de données mise en place dans un objectif de surveillance épidémiologique. Cependant, l’ensemble des données recueillies par les logiciels médicaux (données semblables à celles recueillies dans Qresearch et GPPRD) sont disponibles.

Données manquantes Niveau 3


EFGHIJ

Collecte des variables continues sous forme continue Niveau 3Utilisation de définitions explicites pour les variables Niveau 2Utilisation de règles de codage Niveau 2Reproductibilité du codage Niveau 1Indépendance du codeur Pas de résultats observésProcédure de contrôle de validité des données Niveau 4


Page 73

3.3.Comparaison des bases anglaises et françaises.

3.3.1.Le nombre de praticiens impliqués et de patients

En France comme en Grande Bretagne, le nombre de praticiens impliqués dans un recueil de données pour la médecine primaire approche des 10 %, sachant que la BDME d’IMS disease analyser collecte les données de quelques 840 médecins.

Parmi ces cinq mille praticiens, 500 utilisent la casugraphie, 1200 médecins sentinelles recueillent des données traduites en CISP Les 1500 investigateurs de Thales et les 840 d’IMS travaillent avec des thesaurus spécifiques (sauf pour les médicaments). Entre autre problème, la diversité des outils informatiques et des classifications ne rend pas ces panels comparables entre eux.

En Angleterre, prés de 5000 médecins dupliquent leur données, pour les confier à trois principales unités dédiées à la recherche en Médecine Générale. Leur activité est comparable à celle des autres médecins anglais et représentatives. Il y a peu de logiciels, tous les praticiens utilisent le code Read.

Davantage de patients sont suivis au Royaume Uni. Les populations des différentes BDME sont représentatives de la population générale. Le libre accès aux médecins en France rend cette assertion moins forte pour une population suivie moins nombreuses.

Tableau 1 : Comparaison des effectifs des BDME françaises et anglaisesNombre

d'investigateursNombre de

patients dans la base

Niveau des données (item C)

âge de la base

Nombres de publication

OMG 157 médecins 640000 3 14 <20

Thales 1500 médecins 1800000 4 16 <10

CONSTANCES 17 centres de soins 200000 4 0 <10

MdM 21 centres de soins 120000 3 3 3Sentinel 1260 médecins 2000000 1 23 315

ASTI 72 médecins 2400 2 1 <10

Qresearch 525 centres de soins 9000000 4 3 >50

GPRD 320 centres de soins 13000000 4 40 >500

RCPG 80 centres de soins 5000000 3 20 50

* pas de liste officielle, nombre de publication scientifique repéré* *environ 20% de la population totale


Page 75

3.3.2.Comparaisons qualitatives

Figure 8 : Comparaison des scores qualité DocDat des BDME anglaises et françaises

A B C D E F G H I J

OMG

Thales

CONSTANCES

L’observatoire MdM

Sentinel

ASTI

GPRD

RCGP

Qresearch

THIN

2 3 3 3 4 3 3 4 2 3

3 4 3 3 4 3 2 2 1 3

3 4 4 4 4 4 4 4 4 3

1 4 3 2 4 2 3 4 2 3

2 2 1 3 1 4 3 4 1 4

1 1 2 4 4 4 4 2 4 2

3 4 4 3 4 2 4 1 2 4

3 2 3 3 3 2 2 2 1 4

3 4 4 3 4 2 4 2 2 4

2 4 4 3 4 2 4 1 2 3

A

B

C

D

E

F

G

H

I

J

0 1 2 3 4

GPRD

A

B

C

D

E

F

G

H

I

J

0 1 2 3 4

Qresearch

A

B

C

D

E

F

G

H

I

J

0 1 2 3 4

RCGP

A

B

C

D

E

F

G

H

I

J

0 1 2 3 4

OMG

A

B

C

D

E

F

G

H

I

J

0 1 2 3 4

CONSTANCES

A

B

C

D

E

F

G

H

I

J

0 1 2 3 4

L’observatoire MdM

A

B

C

D

E

F

G

H

I

J

0 1 2 3 4

Sentinel

A

B

C

D

E

F

G

H

I

J

0 1 2 3 4

ASTI

A

B

C

D

E

F

G

H

I

J

0 1 2 3 4

THIN

A

B

C

D

E

F

G

H

I

J

0 1 2 3 4

Thales

REPRESENTATIVITE

A Preuve de la représentativité de la population éligible/

population de référence

B Proportion de la population éligible effectivement recrutée

C Information relevée

D Proportion de variable complète à 95% dans la base de

donnée

PRECISION

E Pourcentage de variable continue non regroupée

F Pourcentage de variable clairement définie

G Pourcentage de variable avec règles de codage

H Fidélité du codage

I Indépendance de l’observateur

J Importance des mesures de contrôles

Thèse de Médecine Comparaison bases anglaises et françaises

Page 76

La représentativité est meilleure en Angleterre, grâce à un système de liste de patients et à une participation massive des médecins.

Sur l’item A appréciant représentativité de la population éligible par rapport à la population de référence, le manque d’effectif investigateur français entraîne une baisse de représentativité. Par ailleurs l'absence de liste de patients est un handicap.

Sur l’item B concernant l'exhaustivité du recrutement, les BDME se montre globalement performantes. Il faut nuancer cette bonne présentation, par son pendant, à savoir l'absence de consentement individuel pour la plupart d'entre elle.

Sur l’item C appréciant la quantité de variable incluse, l’information obtenue par une BDME est maximale, en cas de liste ou de couplage de la base de données, ce qui explique le niveau 3 de l’OMG et de Thales.

Sur l’item D à propos des données manquantes, la réponse est ici donnée selon le point d'intérêt de la base (résultat de DRC pour l'OMG, prescription associé à un diagnostic pour Thales), le paramètre apparaît alors comme peu discriminant dans le contexte des BDME.

La précision des BDME anglaise n’est pas optimale ( biais de mesure?), et l’on peut y voir deux causes : le code Read et un couplage insuffisant des données avec d’autres bases (la situation a changer pour le GPRD récemment). On peut également dégager là une faiblesse structurelle de ces outils, dont les conséquences méthodologique sont à débattre.

Sur l’item E, la règle est l’enregistrement en variable continue et il m’a semblé que cet item était peu discriminant pour la collecte électronique (MdM utilise encore une collecte papier partielle).

Sur l’item F relatif à l'utilisation de définition explicite pour les variables, la plupart des codages de morbidité intègre une définition, c'est l'absence de procédure de rappel de cette définition au moment du codage qui est pris en compte.

Sur l’item G, la démarche de formation, l'ensemble des BDME à intègrent cette dimension.

Sur l’item H qui apprécie la reproductibilité du codage, le DRC s'est montré le plus abouti couplant une définition spécifique à la médecine générale et un outil informatique de codage.

Pour l’item I , l'indépendance du codeur est impossible dans le cadre vrai d’une BDME. Toutefois le paramètre pertinent dans le cadre de la recherche en médecine générale est l’hypothèse de travail du médecin et donc le niveau 2 de ce paramètre.

Sur l’item J, appréciant les procédures de contrôle des données, on constate que l’audit externe n’est pas la règle. Peut on considérer le retour des utilisateurs comme un audit ? Quelle est la place de la certification ?

Thèse de Médecine Comparaison des bases anglaises et françaises

Page 77

3.3.3.La production de résultat

La production anglaise du GPRD et du Q research

Le GPRD met en ligne une bibliographie de 563 articles depuis 1988 jusqu’en septembre 2007, une large partie est occupée par les études de pharmacovigilance. Plus d'un millier d'auteurs sont répertoriés. Le Qresearch affiche une cinquantaine d’études en trois ans d’existence. On comptabilise également une cinquantaine d’études pour le RCGP , qui existe depuis 43 ans.

L’exploration de la bibliographie du GPRD retrouve :

• 67 articles, qui proposent “clinical” et “epidemiology” comme mots clés .

• 77 références comportent le terme “ pharmaco-épidémi*” dans le titre de l’article ou du journal de publication, l’immense majorité des 563 articles a pharmaco* comme mot clés;.

• 6 études de pharmaco-économie .

• Une dizaine d’études sur l’organisation des soins.

• Une dizaine d’études sur l’évaluation des pratiques (les publications sont ici un mauvais indicateur de l’intensité de l’activité, les audits locaux, ne donnant pas lieu à une publication) .

Les méthodologies sont principalement : l'enquête transversale, l’étude de cohorte historique et l’étude cas témoin. Récemment les données de ces bases ont été utilisées à des fins de simulation 19,20,21. Utilisant Qresearch, il a même pu être développé et testé en un temps record un nouvel algorithme de risque cardio-vasculaire pour remplacer le risque Framingham 22 inadaptée à la population anglaise.

La production française en recherche

La recherche bibliographique s’est révélée très difficile, démontrant un manque de savoir faire, sauf pour les réseaux INSERM.

Parmi les bases identifiées, seul le réseau Sentinelles affiche une bibliographie conséquente. La bibliographie Sentinelles regroupe quelques 300 articles. La majorité des études sont relatives aux thèmes étudiés en continue, tels que la grippe. D’autres sont issus de travaux menés au sein du réseau en monopolisant son potentiel de recherche, sur des thèmes tels que le suicide ou le Burn Out.

CONSTANCE n’est pas encore fonctionnelle, elle a donné lieu à des publications méthodologiques, relativement confidentielles.

Il n'y a pas de recherches menées à partir de l’observatoire de Médecins du Monde, mais un rapport d’activité annuel. Il n'y a pas de bibliographie publiée par Thales. Il y a peu de publications pour ASTI


Page 78

(<10) et l’OMG (<50).

Le bilan est pauvre et doit se replacer dans le contexte français. En 2001, Levasseur et Schweyer ont analysé les articles de recherche en médecine générale publiés dans trois revues françaises : la revue Exercer, (1990-2000) la revue du Praticien-Médecine Générale (1990-2000) et le Concours Médical (1997-2000)23.

L’analyse des revues a conduit à dénombrer 271 articles sur 11 ans, et 161 premiers auteurs différents. Douze auteurs ont publié quatre articles et plus sur la période d’étude, une vingtaine entre deux et trois articles, les autres publications sont isolées, ce qui conduit les auteurs à parler d’une production dispersée, ne reposant pas sur une stratégie régulière de production de recherche. Les auteurs identifient quatre UFR de médecine qui se distinguent des autres organismes de rattachement : Nantes, Bichat, Lyon et Paris V. Aucun de ces organismes n’a une part active dans une des BDME.

Parmi les différents sujets de recherche possible, on signalera la faible utilisation des bases utilisant le CISP et le DRC, dans les études diagnostiques.


Page 79

4.Discussion

4.1.L’outil s’est-il montré adapté ?

4.1.1.Faisabilité-déroulement de l'enquête.

La méthode d'identification et d'évaluation des BDME s’est montré praticable, sur un semestre de prospection. La recherche bibliographique sur les bases françaises a été difficile. Le développement d’un centre de référencement d’information francophone plus important l’aurait facilité.

4.1.2.Qualité des descripteurs

Les items descriptifs se sont montrés pertinents pour structurer l'entretien. Toutefois, la fiche est insuffisante pour décrire la complexité croissante des bases : Quel tables sont disponibles (patients, prescripteurs, contact, procédure)?

L’outil est spécifiquement anglais et certains items pourrait être ajouté pour une utilisation hors Royaume Uni : Quelles classifications (CISP, CIM, DRC)? Existence de liste de patients?

Certains items pourraient être ajoutés pour explorer les spécificités de la médecine générale : Suivi longitudinal par épisode de santé ? Présence de données socio-culturelles ?

4.1.3.Le score Qualité

Le score qualité Docdat se montre plus favorable aux cohortes épidémiologiques classiques comme Constances et Sentinelles, qui suivent le chemin classique:

Questionnement-objectif -> Protocole de recueil -> Protocole d’analyse.

alors que le principe même des BDME est inverse :

Protocole de recueil -> Questionnement-objectif -> Protocole d’analyse

Par ailleurs il est certainement trop vague pour apprécier certainement dimension propre à la médecine générale. La présence des quatre dimensions (sociale-morbidité intervention parcours de soin) n'est pas objectivable. Une description qualitative de l'outil de recueil aurait été appropriée.

4.1.4.Conclusion

La grille d’analyse DocDat dresse des portraits assez discriminant avec une précision éprouvée. Elle permet une comparaison avec les bases anglaises. La méthode peut probablement servir à la mise en place d’un registre des bases de données en Médecine générale.

Thèse de Médecine Les problèmes méthodologiques

Page 81

4.2.Les problèmes méthodologiques

4.2.1.Comment évaluer une BDME ?

En suivant la méthodologie Docdat, deux dimensions caractérisent la validité d’une information : la représentativité et la précision. Ces dimensions sont attestées par une observation de la base et de sa méthodologie (recueil des données quantitatives, ou règles de codage) et par des études de validation, qui peuvent être :

1. Des procédures de suivi incluses dans le protocole, comme la mesure du nombre de données manquantes, ou encore des comparaisons d’incidence entre investigateur 24.

2. Des comparaisons externes sur des données de santé, comme l’incidence par rapport à des données de référence 25,26.

3. Des études attestant la précision des données 27 28.

En France, faute d’un langage commun et de liste de patient, les comparaisons externes sont difficiles.

4.2.2.Le problème de la représentativité

Sur la première partie concernant la représentativité, les bases anglaises plus importantes en terme d’effectif s’avèrent mieux notées, exception faite de la base Constance.

En Angleterre, le parcours de soins très encadré dispensé au sein de centre de santé, le faible nombre de logiciels, et peut être surtout l’utilisation courante d’un langage de codage, obligatoire du fait d’un paiement à la performance, confère un avantage considérable à ce type d’entreprise. Virtuellement l’ensemble des prestataires de santé est éligible dans une telle base, les effectifs sont stables, un échantillonnage est possible.

En France, la seule réelle BDME de médecine générale courante est finalement l’OMG, qui présente les même caractéristiques : un groupe de médecin habitué à coder, utilisant un modèle structuré de consultation. Mais ils représentent un îlot de médecins. La mise en place de listes, par la réforme du médecin traitant, n’ a pas encore été incluse dans le protocole d’extraction.

La constitution et la représentativité de l’échantillon (item A)

On distingue classiquement deux grandes familles de méthodes utilisant de l’information auxiliaire dans la sélection d’un échantillon :

- La méthode des quotas, privilégiée dans Thales.

- Les méthodes d’échantillonnage (ou « de sondage ») aléatoire, utilisée dans Constance


Page 82

La méthode des Quotas de ThalesLa représentativité est ici réfléchie vis à vis des médecins, qui sont l’unité pertinente dans le cadre de l’étude de post marketing.

La représentativité des médecins est assurée par un échantillonnage selon la méthode des quotas basé sur le contrôle de trois critères:

• la région d'exercice (8 zones à partir des 22 régions INSEE),

• l'âge (< 40 ans, 40-49 ans, > 50 ans)

• le sexe des médecins.

Parmi les 5000 utilisateurs de DocWare, Thales a constitué un échantillon permanent de 1500 médecins. Le réservoir permanent est ainsi de 3500 médecins, ce qui permet à Cegedim de maintenir constant l’échantillon. Le taux de renouvellement annoncé est de 2% par an. Par ailleurs, trois critères de contrôle sont utilisés répartition par secteur conventionnel, répartition entre exercice isolé et exercice en groupe, répartition temps complet/temps partiel.

Pour la représentativité des patients, Thalès compare leurs caractéristiques à celle de la population du régime général d'Assurance maladie suivie en médecine générale (référentiel: CNAMTS/Echantillon Permanent d'Assurés Sociaux), en termes de structure d'âge et de sexe et de taux de patients en affection de longue durée.

La méthode d'échantillonnage dans Constance.Constances a prévu trois mesures pour répondre à cette exigence formulée par la CNAM:

1/ Une étude comparant les caractéristiques des patients des CES à la population générale

2/ La mise en place d’un plan de sondage stratifié, sur-représentant les catégories populationnelle les plus vraisemblablement réticentes à ce type d’enquête et de suivi (métodologie disponible en annexe).

3/ La mise en place d’ un dispositif permettant de comparer systématiquement certaines données recueillies dans CONSTANCES à celles provenant d’un échantillon réellement aléatoire de la population-source. Il sera tiré au sort, non pas directement parmi les sujets enregistrés dans la base de données du SNIIR-AM, mais à partir des fichiers de la CNAV. En effet, la base de données du SNIIR-AM contient des données sur les personnes ayant bénéficié d’au moins une prestation de soins, et sur-représente donc les sujets ayant un problème de santé. Un autre avantage de sélectionner les sujets à partir des bases de données de la CNAV est qu’il est ainsi possible de disposer de la Catégorie Socio Professionnelle (CSP), alors qu’aucune caractérisation du statut socio-économique n’est disponible dans le SNIIR-AM.

Cet échantillon aléatoire fera ensuite l’objet d’un suivi anonyme dans le SNIIR-AM et les bases de la Cnav pour certaines données également présentes pour les participants de la cohorte CONSTANCES et qui sont habituellement associées à des phénomènes de sélection 34,18. Les données comparées entre les participants de CONSTANCES et ceux de cette « cohorte-témoin » seront les suivantes :



• Hospitalisations (nombre d’épisodes, diagnostic de sortie),

• Accidents,

• Absentéisme,

• Consommation détaillée de soins (nature des actes, fréquence des recours par type de professionnels, médicaments, etc.),

• Diagnostic des ALD,

• Lieu d’habitation,

• Trajectoire socioprofessionnelle.

Les données manquantes (item D) et le suivi longitudinal

Le suivi des sujets de CONSTANCES sera à la fois « actif » et « passif» (auto-questionnaires réguliers et suivi dans des bases de données ; on verra plus loin les modalités envisagées pour ces deux types de suivi). Le suivi de la mortalité est simple et efficace grâce à la procédure décrite dans le Décret 98-37 autorisant l’accès au RNIPP et à la base de données du CépiDc-Inserm. Le suivi longitudinal individuel des sujets, doit minimiser le nombre des perdus de vue et permettre le recueil en continu des données les concernant. Il rencontre trois problèmes distincts :

• La possibilité d’un « traçage » des sujets passif

• L’adresse postale des participants doit être connue et mise à jour.

• La participation « active » des sujets au suivi doit être encouragée. D’autant qu’un consentement individuel des sujets est identifié comme une facteur de qualité des données18.

Figure 9 : croisement de l’information dans le protocole Constances


Page 84

4.2.3.Le problème de la précision

Nous pouvons noter qu’à la question H (fidélité du codage), le DRC et la CISP17 font mieux que le code Read dont la faiblesse est connue 29.

La hausse des critères de précision passe par une implication volontaire des patients (projet CONSTANCES par exemple). Elle permet de les solliciter. Cette conclusion avait été formulée par le travail anglais Docdat 7: “le consentement individuel et libre du sujet augmente la qualité générale de l’étude”.

Utilisation d'un codage adapté pour les facteurs socio-démographiques (item F)

En Angleterre, il a été montré que la précision des EPR (Electronique Patient Record) est bonne pour les données de prescriptions, moindre en ce qui concerne les données cliniques de morbidité et les données de mode de vie 30. Le même constat a été fait en France sur l’OMG16. L’attention doit donc se porter sur ces deux points

Les bases anglaises DIN et Qresearch ont souligné l’importance de ces informations et incluent dans leur protocole une phase d’insertion des données socio-démographiques dans le dossier patient avant “upload”.

Constances identifie pour la France, les sources d’information les plus fiables sur ce sujet. L'approche de MdM est également pertinente.

Utilisation d'un codage adapté pour enregistrer les données de morbidité (item F)

L’enregistrement des données de consultation aux fins d’études longitudinales exigent 31:

• L’utilisation d’un vocabulaire commun.

• La possibilité de pouvoir reconstituer les “épisodes de santé”, c’est à dire la structuration du dossier. Cette option est inclue dans le DRC et il consiste en la structure de consultation SOAP pour la CISP. Cela n’est pas prévue dans la CIM 10. Leur utilisation doit être intégrée dans un outil informatique .

Je n’entamerai pas une analyse comparée des classifications 32 et me contenterai d’un bref état des lieux. En France, quatre groupes de classification :sont utilisées :

• la classification internationale des maladies de l’Organisation Mondiale de la Santé, 10ème révision (dite CIM-10) est réputée trop lourde (17 000 codes) pour une utilisation en routine en médecine générale .

• La classification internationale des soins primaires (CISP), conçue sur la base du modèle Subjectif Objectif Assessment (hypothèse de travail) Procédure. Le CISP club français est en partenariat avec SILK informatique. Avec la CIM 10 ce sont les deux classifications



utilisé en France, qui appartiennent à la famille internationale des classification47-49.

Tableau 2: CISP et CIM 10

CISP CIM 10

Genèse Conceptuelle (deux axes) Genèse historique

Classification par organe et par problème Classification étiologique

Centré sur le patient Centré sur le médecin

Classification structurante (SOAP) Classification liénaire

• La Casugraphie, développée par le médecin autrichien R.N. Braun et traduite en France par O. Rosowsky pour donner le Dictionnaire des résultats de consultation. Il regroupe environ 300 codes, permettant de décrire plus de 90% des situations rencontrées en médecine générale (les autres situations étant codées directement en CIM-10). Le DRC n’est pas reconnu au niveau international.

• Des thesaurus spécifiques ont été développés par une spécialité médicale donnée ou dans le cadre d’un applicatif de gestion du dossier médical. C’est le cas de la liste des diagnostics utilisés dans Doc’Ware ou du sémiologiste. Ces listes sont dites transposables en CIM-10.

Le Comité de gestion du Fonds de Réorientation et de Modernisation de la Médecine Libérale (FORMMEL) a réalisé en 1999-2000, avec le concours du Conseil Supérieur des Systèmes d’Information de Santé (CSSIS) et du Centre de Recherche d’Etude et de Documentation en Economie de la Santé (CREDES actuel IRDES), une étude sur l’apport de l’informatique dans la pratique médicale libérale.

La sous-fonctionnalité du « codage des diagnostics et des actes » était peu utilisée (13 %) et les nomenclatures diagnostiques le plus fréquemment rapportées dans cette étude étaient le Dictionnaire des Résultats de Consultation (DRC, SFMG) [31 %], la Classification statistique Internationale des Maladies et des problèmes de santé connexes (CIM-10, OMS) [30 %] et la Classification Internationale des Soins Primaires (CISP-2, WONCA) [17 %].

L’étude Prometheus constatait la meilleur acceptation du DRC, en arguant de l’inclusion de médecin de l’OMG comme facteur de confusion possible33.

Par comparaison, le code Read anglais est avant tout une nomenclature, qui devrait évoluer avec le projet anglo-saxon de SNOMED-CT, utiliser par la quasi totalité des prestataires de soins anglais.

Définition de règles de codage (item G)

Constances présente le plus haut niveau de précision parmi les BDME étudiées. Cette précision


Page 86

anticipée d'après l’expérience GAZEL, porte l’empreinte d’un comité de pilotage scientifique : l’unité INSERM 687.

La conjonction de quatre éléments me semble décisive :

- L’examen des CES est standardisé,

- Les examens complémentaires pratiqués seront systématisés au sein de la cohorte.

- le consentement écrit du patient permet une une sollicitation directe:

- La liste des variables incluses est fermée.

4.2.4.Puissance

J’ai peu parlé de puissance dans cette thèse, simplement parce que le questionnaire Docdat n’explore pas ou peu cette dimension, qui relève avant tout de la question de recherche et non de la base en elle même. Les effectifs sont très importants quelque soit la base.

Le protocole de Constances est le seul à envisager cette dimension. Pour évaluer la puissance de l’outil mis en place, il propose d’estimer le nombre d’événements de santé attendus au sein de la cohorte pour quelques pathologies importantes (cf annexe) , avec les hypothèses suivantes :

• Une cohorte ayant une structure d’âge et de sexe identique à celle de la population générale française de 18 à 70 ans au recensement de 1999

• Un effectif de 200 000 sujets

• Les taux de mortalité générale et par cause (CIM-9) sont identiques à ceux de la population générale française pour l’année 1999, et stables sur toutes les périodes envisagées.



4.3.Les aspects organisationnels d’une telle base

Pour étudier et discuter ce point, je reprendrai les quatre principes énoncés par le eCLinical Forum9.

Pour concevoir une BDME il s’agit de :

• Proposer un moyen de conjuguer l'utilisation quotidienne et la possibilité de générer des données pour la recherche, qui satisfasse les contraintes méthodologiques.

• Définir des standards pour ces données, afin de permettre leur échange entre effecteurs de santé et chercheurs : codage et classification.

• Mettre en place un réseau informatique capable de soutenir ce développement dans le respect des multiples contraintes, pratiques, réglementaires, éthiques.

• Se positionner, participer et influencer le développement des efforts nationaux.

Ces quatre points sous tendent l’organisation de BDME actuelles.

4.3.1.Utilisation quotidienne et utilisation scientifique

L’outil quotidien

L’étude Prométheus33 a mis en évidence que l’étape du codage préalable nécessaire à tout utilisation scientifique des données constitue une difficulté pour les médecins, notamment en raison de la perte de temps engendrée (à pondérer par l’expérience du codage). La moitié des médecins volontaires pour l’expérimentation (donc probablement particulièrement motivés) souhaitaient continuer à « coder » les problèmes de santé en routine, jugeant le retour sur information pertinent tandis qu’un quart d’entre eux n’envisageaient de le faire qu’à la condition de recevoir une indemnité financière.

Il revient aux sociétés savantes, d’avoir abordé le problème sous cet angle de l’utilisateur médecin. avec la conception d’ outils d’aide à la consultation comme le DRC ou le tableau de bord de suivi ASTI, mais aussi en valorisant cette participation, en termes d’évaluation des pratiques.

L’investigateur ASTIL’approche d’ASTI, postule que le praticien sera amené à coder si ce codage lui apporte un bénéfice à trois niveaux: celui du patient, celui de sa patientèle éventuellement celui de la santé publique. Il faut donc commencer par fournir un outil informatique pertinent dans la pratique quotidienne.

L’idée, dans ce cas, est de proposer un module d’aide à l’Evidence Based Practice, dans un premier temps centré sur l’HTA et le diabète (ASTI 1 et 2), mais prochainement extensible à d’autre pathologie (ASTI 3), en fait théoriquement à toute pathologie objet de consensus 35. Le parti pris est la mise en place d'une source de données en temps réel de la consultation.

Thèse de Médecine Les aspects organisationnels

Page 88

L’investigateur OMGLa création de l’OMG a découlé de la mise en place d’un outil informatique d’aide à la consultation : le DRC6. L'utilisation du DRC repose sur la maîtrise préalable de cet outil. Il s'agit ici avant tout de fournir un cadre conceptuel à la consultation. C'est également le cas de la CISP, même si cet objectif n'est pas pleinement réalisé dans l'expérience de MdM peut être en raison d'une informatisation incomplete.

L’investigateur CEGEDIMDans le panel Thales, le logiciel Docware fédère les investigateurs. Il offre une structure claire et lisible, permet un codage des pathologies au sein d'une liste de terme fixe avec laquelle le médecin se familiarise petit à petit et un dictionnaire d’aide à la prescription la BCB. La motivation des investigateurs vient donc de leur appropriation d'un outil de travail. Celui ci initialement offert, est actuellement proposé à moitié prix en cas d'accord pour l'upload des données qui deviennent propriété de Cegedim. En retour Cegedim fournit un retour d’information sur l'activité et d'information de formation.

Figure 10 : Ecran Crossway

La perspective scientifique

Il s'agit d'une méthode puissante de recueil de données en médecine générale. Evolution historique des


Page 89

réseaux épidémiologiques, liée à l'informatisation. Elles offrent de nombreuses potentialités de recherche et peuvent être la clef de voute de la réalisation de vaste réseau de recherche impliquant des centres de soins premiers épars.

La surveillance épidémiologique et l’évolution historique d’un réseauLe RCGP est le plus ancien réseau épidémiologique en soins primaires (1964). Des structures similaires ont vu le jour en Hollande (1970), Belgique (1979), France (1984), Espagne (1988), Portugal (1989) et Italie (1992).

Ses objectifs initiaux sont contraints par l'effort de rédaction demandé au médecin (CRF). Seul le diagnostic est renseigné Il n'y a pas de description des prescriptions et pas de renseignement sur la conduite pratique tenue. En 1994, Douglas Flemming, le gestionnaire de la base, déclare que l’informatisation rend l’ensemble de ces données disponibles. Elles ne sont pas exploitées à ce jour faute de financement.

On peut s’attendre à ce type d’évolution pour les autres réseaux de surveillance.

La recherche clinique

Les BDME permettent des études longitudinales, elles sont particulièrement adaptées à la réalisation d’études rétrospectives (Etudes de cohortes “historiques”, Etudes cas témoins) ou transversales. On peut également imaginer la réalisation d’études prospectives avec des essais cliniques randomisés, si la base est pseudo-anonymisée et si l’accord des patients a été préalablement obtenu, des suivis de cohortes. Ce type d’outil convient en particulier aux objectifs suivants :

A. Epidémiologie et santé publique

Calcul d’incidence et de prévalence, étude sur données de survies et épidémiologie analytique (eHID project : electronical Health Indicator Data40)

Modélisation des résultats des essais cliniques dans la population en général

Mesure et Surveillance des inégalités de santé en fonction de l'âge, du sexe, de la CSP et de la zone géographique

B.La recherche Clinique

Calcul de sensibilité et spécificité de signe, évaluation des procédures diagnostiques et évaluation pronostique.

C. Recherche sur les médicaments

Evaluation de l'innocuité et de l'efficacité de médicaments couramment utilisés

Détection des effets secondaires rares et très rares.

D. Organisation des soins

La planification des services de santé et projection des besoins.

Informer et évaluer les pratiques en soins primaires.


Page 90

Le réseau de recherche

Ce concept anglo-saxon rencontre celui de société savante en France. Il s’agit globalement d’un groupe de médecin qui adhérent à une structure, qui dispose d’un bureau de direction-coordination et qui est plus ou moins liée à une structure scientifique. La reconnaissance tardive de la médecine générale comme discipline universitaire a certainement constitué un obstacle à ce lien.

Ce type de structure prend en charge quatre mission principales dans le concept anglo-saxon:

• Promouvoir des recherches de qualités en soins primaires.

• Maintenir un haut niveau de vigilance quant aux progrès réalisés dans la discipline.

• Encourager les projets collaboratifs .

• Fournir des médecins investigateurs37.

Ce principe sous tend finalement chacune des BDME présentées, mais il est particulièrement prégnant au niveau du réseau Sentinelles. Si 1260 médecins sont référencés comme médecin Sentinelles, seuls 300 participent à une veille active. En revanche, 1260 médecins sont mobilisables comme médecins investigateurs ou comme médecins interrogés dans le cadre d’enquêtes ponctuelles (Burn-out récemment). Le principe est de conjuguer des compétences et un questionnement scientifiques, par exemple en épidémiologie, au potentiel d’investigation, que représente les médecins généralistes. Cette alliance garantit la valorisation des données.

Ici le lien entre unité de recherche et praticien se fait grâce à un journal interne et à un site internet avec forum. L’ensemble permet d’entretenir une dynamique, de questionnement et d’implication dans la recherche de la population médicale.

Les réseaux de recherches, sont perçu dans la littérature internationale à la fois comme des effecteurs efficaces de recherche et un relais clé pour l’application des résultats de ces recherches. Les Practice Based Research Network ou PBRN, sont à l'interface entre la recherche et l’amélioration des pratiques (TRIP : Translation Research Into Pratice). 38.

4.3.2.La définition de standards : les classifications utilisées

Les standards concernent deux aspects des données et je n'ai peut être pas assez insister sur ce point clé.

Le premier niveau d'exigence en codage est celui du codage par le médecin:

• Les classifications administratives et socio-démographiques (CSP...)

• Les nomenclatures utilisées pour les actes, comme la CCAM.

• Les nomenclatures utilisées pour les prescriptions : le code CIP ou La classification EphMRA, développée par l'European Pharmaceutical Marketing Research Association.


Page 91

• Les nomenclatures utilisées pour les états morbides : le point le plus délicat, dont nous avons parlé plus haut.

• Les nomenclatures utilisées pour les prescriptions biologiques.

Le second aspect relève de la structure du logiciel, il s’agit des standards informatiques supports de l’information clinique qui rendent les dossiers communicants (structure XML39, standard HL7,10). L’adoption de tel standard, permet par exemple d’envisager le couplage du logiciel d’un laboratoire (au standard HL7), avec celui du médecin, qui a prescrit l’examen.

4.3.3.La mise en place d’un réseau informatique

Une BDME repose sur l'exploitation de un ou plusieurs logiciels, le transfert de leur données vers un serveur, l'ensemble réalise un défi technologique.

La culture d’entreprise de Cegedim : l’informatique médicale

Cegedim, initialement Cogedim, est un pionnier dans la mise en place de BDME. Thales existe depuis 1994. Le système comprend en partant du médecin : un logiciel, un réseau internet, un serveur, un système de retour d’information.

Le logiciel historique est DocWare. Début 1999, la Cegedim rachète Reuters Health et la société Distal qui commercialise le logiciel Medigest, le plus vendu parmi le corps médical. Elle obtient dans le même temps le logiciel Vision, utilisé pour le développement du GPRD et lance, outre-Manche, The Health Improvment Network. En 2000, les sociétés LSI (Logiciel Dia), et Alliance Santé (Mediclick, Ordogest) sont absorbées par la Cegedim. Actuellement une migration vers le logiciel Crossway est en cours.

Tous ces logiciels intègrent la Banque Claude Bernard, racheté par Cegedim.

Le système de télétransmission de la Cegedim est Santésurf, actuellement leader. Ses concurrents sont Libéralis, conçu par les unions régionales des médecins libéraux, et la CSMF en partenariat avec Wanadoo, qui a très peu d'abonnés et semble en difficulté et Medsyn, l'intranet du syndicat MG-France.


Page 92

http://www.hprim.org/

http://www.hprim.org/

Figure 11 : Métiers de l’informatique chez Cegedim

La sécurité

Le protocole de Qresearch précise de manière très pointue les mesures de sécurité mises en place autour de trois sujets : la collecte des données, la procédure d’anonymisation des données et la sécurité physique des données. Le protocole détaille ces aspect pour les deux serveurs impliqués dans Qresearch, celui de Notthingham et celui d’EMIS.

La collecte des donnéesLa procédure de collecte doit emprunter un internet sécurisé (NHS-net pour Q research, SantéSurf pour Thales). Celui ci n’est possible qu’après l’activation au niveau du centre de santé du module Qresearch du logiciel EMIS.

Chaque patient signe un consentement. Il a été dit plus haut que le patient pouvait refuser de participer à cette cohorte, ce refus est notifié par un code Read qui empêche l’export et demande la destruction de toutes les données relatives au patient contenues dans la base.

Le texte libre ne doit pas être relevé.

L’anonymatEmis se charge de récolter les données. Celles ci sont pseudo-anonymes, puisque seul un code unique propre(et non national) à Qresearch permet de tracer un patient ( suivi longitudinal). Toutefois et afin d’y inclure les données relatif au score de pauvreté notamment ou l’indice de ruralité propre au practice), une procédure d’appariement est mise en place avant l’upload. L’upload utilise un identifiant unique le GUID et aucun autre identifiant solide. Chaque upload relatif à cet identifiant est ensuite encodé au niveau de la base, afin de renforcé la sécurité de cette donnée.

Qresearch n'adopte pas l'anonymisation complète pour trois raisons principales :


Page 93

• Identifier des patients éligibles dans des recherches particulières

• Faciliter un suivi longitudinal

• Permettre dans certains cas de revenir vers un patient pour des raisons de santé publique (ex alerte au Cox2)

La sécurité des serveursPour le serveur Nottingham, la base de données est stockée sur un ordinateur déconnecté du réseau. Il est énuméré un certain nombre de mesures physiques, tels que le nombre restreint de personnes susceptibles d’approcher la base (avec contrôle de l’identité, service de sécurité…). Enfin, les détenteurs des listings de centre et autres données clés sont spécifiés.


Page 94

4.3.4.Se positionner par rapport aux efforts nationaux

Les BDME sont de dimensions nationales et supposent une infrastructure de grande envergure. Il est donc important de fixer précocement ses objectifs et d'arrêter une politique de management dans le protocole.

Les objectifs des bases

Ces bases valorisent une information médicale précieuse. Cette information intéresse les décideurs de santé publique, les industries pharmaceutiques, les professionnels de santé ainsi que les usagers du système. On peut appréhender cette information à trois niveaux : la population agrégée (Epidémiologie), les praticiens (utilisable pour l’EPP et l'étude des habitudes de prescription par exemple), le patient (recherche clinique).

Tableau 3 : Epidémiologie, Evaluation des pratiques et Recherche Clinique

OMG ASTI CON SEN THA MdM Qres GPRD RCGP

Epi X X X X X X X X

EPP X X X X

RC X X X X X X X

Les objectifs de l’OMG et de ASTILe dessein initial de la SFMG et de la SFTG est de produire des outils d’observation de la pratique des médecins généralistes, et d’améliorer cette pratique, notamment par le retour sur information. Ces deux structures ont une envergure nationale.

L’OMG va fournir régulièrement des données épidémiologiques (gracieusement). Par ailleurs, elle fournit un retour individualisé au praticien sur son activité. L’information est collecté au niveau du patient (unité consultation, épisode de santé ou patient) doit également servir de support à des études de recherche clinique. Elle sert à la diffusion du DRC.

ASTI est initialement une étude d’intervention sur la prise en charge de patient chronique, avec un module de recrutement. Le centre d'intérêt peut être le praticien ou le patient. Les possibilités méthodologiques sont encore largement à explorer et développer, c’est l’objectif du partenariat entre la SFTG et les équipes de recherche en informatique médicale.

Les objectifs de ConstancesConstances est un outil épidémiologique, souhaité par l’assurance maladie qui s’attache au domaine de la prévention (cf annexe). Elle intègre dans ses objectifs les programmes de santé publique considérés comme prioritaires aujourd’hui :

• Risques post professionnels,


Page 95

• Précarité –Inégalités de santé,

• Personnes âgées.

CONSTANCES veut être un « Laboratoire épidémiologique ouvert », à l’instar des grands instruments scientifiques (comme un télescope ou un accélérateur de particules, par exemple, ou un laboratoire de génotypage équipé de séquenceurs),qui sont conçus pour aider à analyser une large gamme de problèmes scientifiques, et qui sont accessibles à la communauté des chercheurs spécialisés.

La constitution d’une Banque de Matériaux Biologique (BMB) est un des points forts de Constances, car là encore, outre l’originalité de cet outils, les analyses seront menées de manière centralisée, et à même d’être reprises avec des outils plus moderne, à mesure des besoins des études nichées dans Constances.

Les Objectifs du réseau SentinellesLe réseau Sentinelles est un élément clé du dispositif de veille sanitaire et le membre français de l’observatoire de l’OMS pour les maladies infectieuses. Son objectif n’est pas tant de décrire une pratique, que de détecter un signal d’alarme sur l’un des indicateurs d'intérêt (maladie infectieuse). En outre, ce réseau constitue un outil de recherche avec un échantillon de médecin mobilisable et un questionnement méthodologique.

Les objectifs de MdMMdM se place dans un rôle de vigile et de témoin, selon le credo de l’association humanitaire. de la situation sanitaire des plus démunis et des exclus du système de soins. Son objectif tient aussi de la veille sanitaire (reconnaissance par l’ORS).

Les objectifs de ThalesIl s'agit avant tout d'un outil d'analyse des prescription utilisée pour guider et adapter les efforts marketing de l'industrie pharmaceutique.

La politique d’une base

L’organisation de la gouvernance de Qresearch41

Nous présentons l’exemple du Qresearch, qui implique directement un département universitaire de médecine générale.

La direction de Q research échoit à trois entités identifiées au sein de la faculté de Nottingham :

• Un directeur stratégique en charge notamment des relations avec les partenaires nationaux (Pr Mike Pringle plus particulièrement en charge des statistiques de morbidité)

• Un directeur scientifique en charge de l’aspect méthodologique de la collecte des données au niveau des centres de santé et de l’utilisation de la base dans les projets de recherche (Dr Julia Hippisley-Cox).


Page 96

• Un troisième parti (actuellement une équipe de quatre personnes) en charge de la maintenance de la base (mise en place de routines informatiques pour préparer des échantillons d’analyse, des procédures internes de vérification de la base…)

Ce groupe de direction rend compte à trois structures de régulations.

• Q research bénéficie d’un support institutionnel. représenté au sein du “Qresearch advisory board” tels que Le Royal College of General Practitioners ou encore la NHS et bien sûr l’université de Nottingham.

• Le comité de management de Qresearch s’intéresse à la bonne gestion de Q research. Il comprend des représentants de EMIS du club d’utilisateurs et de Nottingham.

• Le conseil scientifique est en charge de l’autorisation d’utilisation de la base (suivant les recommandations du Qresearch advisory board).

Sont ainsi impliqués dans la gestion de Qresearch, médecins, épidémiologistes, managers etc…,

Le choix des enquêtes et des projets soutenus par Qresearch.Le processus de sélection des études est dans cette même perspective un point fondamental du protocole41.

Quelque soit le type d’étude, le projet de recherche proposé à la guvernance de Qresearch suit le diagramme présenté ci contre.

Il suppose :

• Un investigateur principal, et la caution d’un universitaire médecin.

• Un protocole écrit mettant en avant la méthodologie retenue.

• L’approbation d’un comité d’éthique

• Un sponsor, qui ne peut être l’industrie pharmaceutique.

• L’indépendance de l’équipe de recherche (obligation de publication)

• L’engagement à citer Qresearch comme source de donnée

• L’approbation du comité scientifique de Q research


Page 97

Figure 12 : Flux d’un protocole de recherche• x

L’exemple de gouvernance du GPRDL’originalité de la gestion de GPRD apparaît dans sa politique de mise à disposition des données. Piloté par un groupe dépendant du ministère de la santé, le GPRD propose un accès web à la base de données (entre 30000 et 325000£ /an), des jeux de données (entre 8000 et 65000£/an), ou encore des études clés en main (entre 30 000 et 250 000£/an).

Selon ses besoins en data, un devis est établi (figure 17). Le GPRD ne s’interdit à priori aucune étude tandis que le Qresearch s’interdit les études sponsorisés par l’industrie pharmaceutique.

Selon cette méthode la base est autofinancée et les médecins participants à la base rémunérés. Il faut signaler qu’un accord a dû être passer pour permettre un accès de la base aux universitaires, pour un coût réduit.


Page 98

Figure 13 : Grille tarifaire GPRD

L’originalité de cette technique est de hiérarchiser l’information. Hiérarchisation sur laquelle nous allons revenir, car elle permet de détailler l’ensemble de l’information disponible.

Figure 14 :Les niveaux d’information dans le GPRD

Le premier niveau regroupe des informations sur le contact et est désigné comme le niveau 3


Page 99

Figure 15 : Niveau 3 GPRD

Il est ensuite possible de compléter l‘information par modules.

Figure 16 : modules complémentaires GPRD

Pour finalement arriver au niveau 4, qui comprend l’ensemble de l’information.


Page 100

Figure 17 : Niveau 4 GPRD


Page 101

4.4.Aspects financiers, légaux et éthiques

Pour éviter un échec comme celui du DIN en Angleterre, BDME émanant d’une société savante, dont la particularité était un codage en mode orienté problème42,43. Il est important de soigner le management de ces bases et d’assurer leur financement. Un groupe de pilotage est capable de pérenniser l’outil BDME, en veillant à son bon fonctionnement 24 et en ouvrant ses perspectives 44.

Figure 18 : Stratégie de développement du GPRD

4.4.1.Le financement

Le financement se décline depuis le 100% public (Constances) au 100% privé (Thales). Les financeurs identifiés sont les acteurs institutionnels au travers d’achat d’audit, ou de financement de plan de recherche (ORS, IRDES, CNAM), les acteurs associatifs (SFMG, MdM, SFTG) les acteurs du secteur privé principalement industriels et enfin les médecins utilisateurs de l’outil informatique.

Le produit valorisé peut être une base de données brutes (1), des recherches universitaires (2) ou des recherches sponsorisées (3).

Tableau 4 : Données brutes, recherche sponsorisée, recherche universitaire

OMG ASTI CON SEN THA MdM Qres GPRD RCGP

1 X X X X X X

2 X X X X X X X

3 X X X X

Le problème du financement de la recherche est le principale frein à son développement 2 .

Thèse de Médecine Aspects financiers, légaux éthiques

Page 102

4.4.2.Les aspects juridiques.

Cet aspect est particulièrement, développé dans le protocole de CONSTANCES, qui va entretenir un fichier non anonyme. Il permettra un retour vers le patient d’une part, mais également la mise en relation avec d’autres grandes bases, pilotées par la CNAM ou l’INSERM.

Les lois réglementant l'accès aux données individuelles sont notamment :

• Le décret 98-37 et le suivi longitudinal

• La loi du 6 août 2004, qui modifie la loi 78-17 du 6 janvier 1978 relative à l’informatique, aux fichiers et aux libertés, définit comme « donnée à caractère personnel [...] toute information relative à une personne identifiée ou qui peut être identifiée, directement ou indirectement, par référence à un numéro d’identification ou à un ou plusieurs éléments qui lui sont propres ».

• Le décret 95-682 du 9 mai 1995 ...concernant le traitement de l’information en matière de recherches dans le domaine de la santé,

• La loi Bioéthique concernant le régime des collections génétiques,

• Le Code de Déontologie médicale.

Les instances compétentes :

• Le Comité consultatif sur le traitement de l’information en matière de recherches dans le domaine de la santé,

• La Commission Nationale Informatique et Libertés pour les aspects généraux du dispositif ;

• L’Agence de biomédecine prévue par la loi Bioéthique d’août 2004 pour la banque de matériel biologique ;

• Les organismes concernés pour l’accès à diverses bases de données (SNIIR-AM, DADS, etc.).

Bien que non strictement nécessaire, il semble judicieux de soumettre l’ensemble du projet à des autorités morales nationales : Comité National d’Éthique, Conseil National de l’Ordre des Médecins.


Page 103

4.4.3.Considération éthique

Lors de mes recherches documentaires, j’ai trouvé relativement peu de considérations éthiques sur ce sujet majeur. La question de l’anonymat et du secret médical sont loin d’être les seuls problèmes.

La mutation informatique modifie de la relation médecin patient au coeur du métier de médecin52.

L'interprétation des données et l'appropriation des méthodes d'analyses (data mining), développées pour le marketing notamment, constitue un autre enjeu.

Par ailleurs se pose un problème de propriété des enregistrements de données (particulièrement vrai dans le cadre de recherches sponsorisées) ou encore de l’évaluation des médecins.

Enfin le développement de l’informatique et de modes guidés, tels qu’ils sont proposés dans ASTI de nomenclature fermée, tels que dans Thales, soulève la question de l’indépendance du médecin (article 5 du code de déontologie).

Ces aspects ne sont pas développés dans cette thèse. Pourtant, il est impossible de ne pas dire un mot, dans le contexte actuel de lobbying pharmaceutique et de pression marketing croissante, sur le pouvoir formidable que constitue ces bases.

Ainsi, dans la partie Faq du site de Qresearch, on découvre le dialogue suivant :

Q :Pourquoi n'y at-il pas de rémunération des investigateurs? A: Le seul moyen réaliste d'un tel financement serait l'industrie pharmaceutique. QRESEARCH a été mis en place avec l'accord explicite de ne pas se trouver dans une relation commerciale avec l'industrie pharmaceutique. Par conséquent, nous n'aurons pas le flux de revenu nécessaire à la rémunération des investigateurs. Q: Si nous avons des préoccupations carl'Université de Nottingham a accepté le financement de l'industrie du tabac? R: La Division des soins primaires er QRESEARCH au sein de l'Université de Nottingham n'ont pas participé à cette Décision ... aucune donnée QRESEARCH ne sera fournie à l'industrie du tabac .

Le questionnement de Thales

La base Thales pose à mon avis de graves problèmes, que j'ai trouvé partagé par un grand nombre de personnes aussi bien médecin que patients.

La méthodologie de Thales est gardée largement secrète. Plus ennuyeux les résultats des études effectués sur les médicaments n'ont pas d'obligation de publication.

Il s’agit d’un échantillon de prescripteurs, qui utilisent le logiciel DocWare. Leur seule obligation est l’enregistrement (et non l’édition) de toute leur prescription, en nom commercial et l’association à l’un des diagnostics du thesaurus Thales. Or, la nomenclature de ce logiciel (sous licence propriétaire) est construite selon les besoins des utilisateurs et notamment des industriels, cette nomenclature est donc largement inspirée des AMM obtenus par les différents médicaments,

AMM repris par la base Claude Bernard propriété de Cegedim. On peutdans ce contexte craindre la mise en place de module d'aide à la prescription.


Page 104

Toutefois une évolution vers Crossway devrait résoudre ce problème en intégrant des classifications tel que la CISP et la CIM10 (version médecine générale ICDC).

L'information est traitée par Cegedim, sur commande des industriels pharmaceutiques, dans des fins de suivi marketing ou d’étude post marketing dont la diffusion est laissée au libre arbitre du client. La brochure d'incitation adressée aux praticiens omet cette fonction.

Cher confrère, Comme vous le savez, les études épidémiologiques sont devenues un véritable phénomène de société. Plébiscitées par l’ensemble des acteurs du monde de la Santé, elles offrent une vision claire et déterminante à ceux qui doivent prendre une décision en toute connaissance de cause. Si de grandes victoires ont été obtenues pour la santé des patients, c’est aussi grâce à la mise à disposition des données et à la pertinence de leur analyse. En effet, l’observation attentive des pratiques a permis de révéler la qualité de nouvelles réponses thérapeutiques. En retour, vous avez partagé le fruit de ces nombreuses avancées médicales. Aussi, devenir membre de l’Observatoire Thalès on Line consiste en un échange constructif et un engagement personnel pour une médecine plus éclairée et toujours plus consensuelle. Alors, que diriez-vous d’écrire ensemble les nouvelles pages de la médecine communicante ? (extrait du docuement Thalesonline).

Dans le prolongement directe de cette branche expertise, Cegedim gère 80% de la flottes de visiteurs médicaux (dont l’impact est mesuré grâce à Thales) et des sources d’information médicale (ex : Medexact).

Figure 19 : Objectif cegedim

En 2001 la violation de la loi liberté et informatique La CNIL a donné son accord pour les systèmes Thalès et Héraclès, mais sur les 4 000 médecins concernés, elle n'aurait reçu que 1 292 déclarations 45.

Cegedim est actuellement leader sur le marché du logiciel métier, grâce à une politique de rachat agressive, elle possède son propre réseau internet sécurisé et est l’un des six consortiums retenus pour le développement du DMP. Le seul écran de veille des logiciels propriété de cegedim est symptomatique de cette position de dominance

Compte tenu de la qualité de l’outil, on peut être tenté par un partenariat. Cegedim utilise ces


Page 105

http://www.cegedim-logiciels.com/Page/crossway/crossway.html

http://www.cegedim-logiciels.com/Page/crossway/crossway.html

http://www.cegedim-logiciels.com/download/thalesonline.pdf


coopérations, comme caution morale.

- Afssaps“Analyse descriptive de l’utilisation du traitement hormonal substitutif (THS) de la ménopause en France” (2004) - - Anaes “Evaluation de l’effet de rappels informatiques à l’instauration et au suivi de l’éducation diététique de patients diabétiques de type 2, obèses ou en surpoids, sur la pratique réelle en médecine générale et les résultats de soins, une étude avant/après, contrôlée” (2001-2002). - En collaboration avec le Credes - Caisse Nationale d’Assurance Maladie“Données sur le marché de l’arthrose et la diffusion des inhibiteurs sélectifs de la cyclo-oxygénase-2 (COX 2) dans la prescription des médecins” (2002) - Mutualité Française“Impact du retrait de la cérivastatine sur le marché des hypolipidémiants”(2002) - Sanesco“Prise en charge de la douleur en médecine généraleet rhumatologie libérale” (2002) - Université Catholique de Louvain “Incidences des pathologies infectieuses en médecine générale” - Université René Descartes Paris V“Études cas-témoins : migraine, ménopause et THS” (2003) - “Suivi d’une cohorte de femmes migraineuses : influence de la ménopause” (2003-2008). (extrait du docuement Thalesonline).

La charte éthique

Le CISP club et la SFTG se sont très vite penchés sur la question pour rédiger une charte du bon usage de l’information médicale informatisée, que je joins nécessairement en annexe.

Ce document affirme notamment le droit du patient sur ses données et son droit à l'oubli.

Il envisage le praticien comme un interlocuteur maîtrisant ces outils informatiques. Ce texte le rend responsable de cette information et de son usage en face du patient. Les expériences menées dans ce domaine ont également souligné sa vulnérabilité, (le Qresearch prévoit ainsi de ne pas identifié les praticiens).

Enfin, cette charte rend responsable le groupe gérant la base de son utilisation devant le patient et le médecin.


Page 106



5.Conclusion

5.1.Quels sont les intérêts pratiques de telle base pour la recherche clinique ?

Celles-ci se sont bien développées en Angleterre, moins en France. Pourtant ces bases en transformant le médecin dans son activité de soin en investigateur-chercheur permettent de générer une base de données, qui réduit et simplifie les frais liés à la collecte des données lors des études cliniques indispensables au développement de la médecine générale.

L’intérêt des BDME peut être débattu selon les points suivants 46.

Atouts Challenges

L’accumulation des données du fait de leur recueil en routine

L’interprétation des données.

L’amélioration de la qualité de l’information (suivi longitudinal, construction des épisodes de santé, observation en situation réelle).

Le couple médecin-technologies de l’information avec notamment l’intégration des codages dans la pratique.

L’existence de méthodes analytiques susceptibles d’exploiter de très grandes bases de données.

Les méthodes d’analyse doivent encore être améliorées afin d’exploiter au mieux les BDME..

La possibilité d’interfacer des bases différentes (notamment des bases dédiées à la santé publique ou à la recherche fondamentale comme en génétique).

Les problèmes d’identifiant de la personne.

L’existence d’un savoir faire dans la mise en place de BDME (notamment grâce aux expériences anglaises et néerlandaises).

Les problèmes légaux et éthiques ayant trait notamment à la confidentialité, à la sécurité et à la propriété des données.

La mise en place des BDME supposent de la part du médecin un effort de codage (DRC ou CISP), structurant son raisonnement et sa prise de décision, décuplant les possibilités d’in(ter)férences informatiques. Elles rendent souhaitable la mise en place de réseaux entre praticiens et scientifiques, rompant le cadre solitaire du cabinet. Enfin, elles questionnent sur les bénéfices et les menaces possibles de l’utilisation pour la recherche des données médicales recueillies en routine.

5.2.Exigence méthodologique

Les écueils méthodologiques ont été signalés et développés. Il reste un vaste champ de recherche. Le eHID a formulé récemment des recommandations pour la collecte des données médicales des dossiers électroniques. Ce groupe de travail est soutenu par DG SANCO (Direction Générale “Santé et

Thèse de Médecine Conclusion

Page 107

protection des consommateurs”), organisme émanent de l’UE et se focalise sur les applications épidémiologiques de la collecte des données.

1. La notion d’échantillon et de sa représentativité, est centrale. Une randomisation devrait porter davantage sur le prestataire de santé que sur la population source. Le problème de la constance de l’échantillon est déterminé par l’organisation du système de santé. et l’existence d’une liste de patients.

2. Sur ce même thème, le dénominateur idéal pour les calculs épidémiologiques est la population enregistrée auprès du praticien quand elle existe.

3. La qualité des données dominée par le problème des données manquantes, doit être explorée par des couplages de bases, des études internes.

4. De la plainte du patient, de l’hypothèse diagnostique du médecin et du diagnostic confirmé, l’information contenue dans la seconde est la plus pertinente.

5. La construction par épisodes est hautement recommandée, ce que permettent le DRC et la CISP.

6. Il n’y a pas lieu d’abandonner une classification ou l’autre (CISP –en Hollande: CISP-2 – en Belgique,en Espagne et à Malte: CIM-9 – Italie, CIM-10 – Espagne: DRC – en France: Read codes – RU), le transcodage vers la CIM 10 est impératif pour établir un lien vers les soins secondaires, mais il n’est pas évident.

7. Le texte libre n’est pas acceptable dés lors que l’on envisage un partage de l’information. Le codage devrait se faire à partir du langage naturel grâce à un thésaurus (ex 3T pour la CISP).

8. Il est hautement souhaitable que des connexions s’établissent entre logiciels métiers (laboratoire, hospitalisation et logiciel médecin par exemple) et que chacune des informations puisse être reliée au problème de santé qui la concerne.

9. Le suivi longitudinal des patients est amélioré par le consentement individuel. Cette demande de consentement peut engendrer des refus. Les refus d’inclusion pénalisent la représentativité. Cette tension est à gérer comme dans n’importe quelle enquête épidémiologique.

5.3.Les BDME en France

En France, il existe quelques BDME :

• Thales n’est pas accessibles aux chercheurs et impose des questions éthiques.

• MdM ne correspond pas à la population générale (1 au paramètre représentativité A)

• Sentinelles ne contient qu’une information limitée (1 au paramètre contenu) et ne permet pas de recherches cliniques.

• Constances s’apparente à une cohorte épidémiologique, qui ne recouvre pas entièrement le domaine de la médecine générale (pas de pédiatrie par exemple, pas d’intervention).


Page 108

• ASTI ne couvre que la pathologie chronique et n’utilise pas de codage pour la consultation courante pour le moment (à noter que le logiciel éO est en partenariat avec le CISP club).

• L’OMG utilise un codage propre, le DRC et sa production scientifique est assez faible, car si elle est actuellement la BDME la plus aboutie. il lui manque le soutien d’une unité de recherche.

5.4.Perspectives des BDME

Il existe principalement quatre débouchés pour ces bases :

• Les études de santé publique, qui intéressent particulièrement les instances de régulation du système de santé.

• L'évaluation des pratiques, qui intéresse les professionnels et l’assurance maladie.

• La recherche clinique, qui intéresse sociétés savantes et le milieu académique.

• La pharmaco-épidémiologie, qui intéresse non seulement les acteurs précédents mais aussi l’industrie pharmaceutique .

Notre but est de développer les travaux de recherche dans le département de médecine générale. Il est sans doute possible de créer un groupe d'appui à l'utilisation des données des BDME existantes comme l(OMG ou ASTI. Il est probablement plus difficile d’ouvrir aux chercheurs universitaires des bases privées. La question essentielle est : faut-il créer de nouvelles BDME ?

5.5.La création de nouvelles bases ?

Ces créations doivent concerner des réseaux de recherche, afin de réaliser un couplage recherche-pratique, probablement bénéfique pour les patients et stimulants pour les praticiens engagés dans le recueil. Il serait certainement souhaitable que celle ci utilise la CISP.

Parmi les pré-requis de la construction de ces base de données longitudinales 31, on peut distinguer des conditions externes et des conditions internes au réseau.

La principale condition externe est la stabilité de la population et la continuité assurée des soins. Cette continuité est désormais attestable et formalisée avant l'avènement du dispositift médecin traitant. Le faible développement des cabinets de groupes demeure un handicap.

Parmi les conditions internes, on trouve :

• La dynamique de groupe (réseau Sentinelles, équipe MdM)

• L’engouement individuel (la question de la propriété des données est un des points importants de cet engagement).


Page 109

• L’utilisation de codage assurant une précision suffisante (OMG, MdM)

• L’apport d’un outil stimulant la participation (ASTI, OMG)

• Le retour sur participation (OMG)

• La production de résultats installant une spirale du succès (Sentinelles)

Dans le contexte français, on peut s’interroger sur plusieurs points :

• Faible nombre de praticiens impliqués dans un réseau.

• Faible utilisation du codage.

• Suivi longitudinal difficile (parcours de soins peu formalisé).

• Multiplicité des éditeurs de logiciel et risque de conflits d'intérêt.

Nous avons conçu une enquête qui explore les attitudes, les attentes et les motivations des médecins généralistes sur ce sujet. Ce projet a été présenté au nom du département de Médecine générale de Paris Descartes, à l’appel d’offre de l’URML Ile de France (questionnaire en annexe).

5.6.Quelle place pour l’université dans ce contexte ?

Comme le souligne G de Pouvourville, il faut certainement engager l’université comme référent scientifique des réseaux de recherche. Celle-ci offre mieux que d’autres le support méthodologique nécessaire à la croissance du nombre de publications.

Le développement des réseaux nécessitera l’implication d’un grand nombre de jeunes médecins généralistes comme investigateurs . L’université se doit de développer leur “appétence scientifique” et leur volonté de s’impliquer dans le développement scientifique de leur spécialité. Concrètement, la maîtrise du codage en soins primaire (DRC ou CISP) devrait faire partie des compétences à atteindre lors du DES de Médecine Générale.


Page 110

6.Bibliographie

1. Backer P. National and international research in the future in general practice. Scand J Prim Health Care Suppl 1993;2:4-6.

2. Lionis C, Stoffers HE, Hummers-Pradier E, Griffiths F, Rotar-Pavlic D, Rethans JJ. Setting priorities and identifying barriers for general practice research in Europe. Results from an EGPRW meeting. Fam Pract 2004;21(5):587-93.

3. Grobbee DE, Hoes AW, Verheij TJ, Schrijvers AJ, van Ameijden EJ, Numans ME. The Utrecht Health Project: optimization of routine healthcare data for research. Eur J Epidemiol 2005;20(3):285-7.

4. Sayer GP, McGeechan K, Kemp A, et al. The General Practice Research Network: the capabilities of an electronic patient management system for longitudinal patient data. Pharmacoepidemiol Drug Saf 2003;12(6):483-9.

5. Pouvourville Gd. Développer la recherche en médecine générale et en soins primaires en France : Propositions 2006.

6. Chevreul K. LFP, Renaud T., Sermet C. Faisabilité d’un système d’information public sur la médecine de ville.: IRDES, Octobre 2006: 205.

7. Black N, Payne M. Directory of clinical databases: improving and promoting their use. Qual Saf Health Care 2003;12(5):348-52.

8. Martin JC, Avant RF, Bowman MA, et al. The Future of Family Medicine: a collaborative project of the family medicine community. Ann Fam Med 2004;2 Suppl 1:S3-32.

9. eClinical-Forum. The Future Vision of Electronic Health Records as eSource for Clinical Research 2006: 41.

10. Gerdsen F, Mueller S, Jablonski S, Prokosch HU. Standardized exchange of medical data between a research database, an electronic patient record and an electronic health record using CDA/SCIPHOX. AMIA Annu Symp Proc 2005:963.

11. Ricciardi TN, Lieberman MI, Kahn MG, Masarie FE, Jr. Clinical terminology support for a national ambulatory practice outcomes research network. AMIA Annu Symp Proc 2005:629-33.

12. Chaperon J, P.Czenichow, Coutour XL. Epidémiologie: Masson, 2001.13. J.bouyer, D.Hémon, S.Cordier, et al. Epidemiologie Principes et Methodes quantitatives. INSERM

ed, 1995.14. Moher D, Schulz K, Altman D. The CONSORT statement. Lancet 2001;357(9263):1191-1194.15. Générale SFdM. Observatoire de la médecine générale, 2006.16. Clerc P, Boisnault P, Kandel O, et al. Observatoire de la médecine générale: quels bénéfices pour

les médecins? . LA REVUE DU PRATICIEN - MÉDECINE GÉNÉRALE. 2004;18 (N° 650/651).

17. Britt H, Angelis M, Harris E. The reliability and validity of doctor-recorded morbidity data in active data collection systems. Scand J Prim Health Care 1998;16(1):50-5.

18. Black N, Barker M, Payne M. Cross sectional survey of multicentre clinical databases in the United Kingdom. Bmj 2004;328(7454):1478.

19. Tannen RL, Weiner MG, Marcus SM. Simulation of the Syst-Eur randomized control trial using a primary care electronic medical record was feasible. J Clin Epidemiol 2006;59(3):254-64.

20. Tannen RL, Weiner MG, Xie D, Barnhart K. A simulation using data from a primary care practice database closely replicated the women's health initiative trial. J Clin Epidemiol 2007;60(7):686-95.

Thèse de Médecine Bibliographie

Page 111

21. Thiru K, Donnan P, Sullivan F. A validated logistic regression model to identify coronary heart disease patients within primary care databases in the United kingdom. AMIA Annu Symp Proc 2003:1030.

22. Hippisley-Cox J, Coupland C, Vinogradova Y, Robson J, May M, Brindle P. Derivation and validation of QRISK, a new cardiovascular disease risk score for the United Kingdom: prospective open cohort study. Bmj 2007;335(7611):136.

23. Levasseur G, Schweyer Fo-X, Perriniaux J. Research in general practice in France today : Appraisal, perspectives and challenges. European Journal General Practice 2001;7:62-7.

24. Jick SS, Kaye JA, Vasilakis-Scaramozza C, et al. Validity of the general practice research database. Pharmacotherapy 2003;23(5):686-9.

25. Hollowell J. The General Practice Research Database: quality of morbidity data. Popul Trends 1997(87):36-40.

26. Hansell A, Hollowell J, Nichols T, McNiece R, Strachan D. Use of the General Practice Research Database (GPRD) for respiratory epidemiology: a comparison with the 4th Morbidity Survey in General Practice (MSGP4). Thorax 1999;54(5):413-9.

27. Lewis JD, Brensinger C, Bilker WB, Strom BL. Validity and completeness of the General Practice Research Database for studies of inflammatory bowel disease. Pharmacoepidemiol Drug Saf 2002;11(3):211-8.

28. Hassey A, Gerrett D, Wilson A. A survey of validity and utility of electronic patient records in a general practice. Bmj 2001;322(7299):1401-5.

29. Peat G, Greig J, Wood L, Wilkie R, Thomas E, Croft P. Diagnostic discordance: we cannot agree when to call knee pain 'osteoarthritis'. Fam Pract 2005;22(1):96-102.

30. Thiru K, Hassey A, Sullivan F. Systematic review of scope and quality of electronic patient record data in primary care. Bmj 2003;326(7398):1070.

31. van Weel C. Longitudinal research and data collection in primary care. Ann Fam Med 2005;3 Suppl 1:S46-51.

32. Plasseraud-Desgranges J-C. Du codage des états morbides en médecine générale. Etude comparative selon les principales classifications (CIM 10 ET CISP) et le dictionnaire de la SFMG. thèse d’exercice, 1997.

33. Letrilliart L. Evaluation du projet Prometheus de codage des problèmes de santé diagnostiqués en médecine générale, Réseau Alpha Medica, Mai 2004: 113.

34. Goldberg M, Luce D. Les effets de sélections dans les cohortes épidémiologiques Nature, causes et conséquences. . Rev Epidemiol Sante Publique 2001;49:477-492.

35. Séroussi B, Bouaud J, Falcoff H, Venot3 A. Effet de la complexité des cas cliniques sur les modalités d’utilisation d'un système de diffusion des guides de bonnes pratiques : complémentarité des approches « à la demande » et « par alertes » Journées Francophones d’Informatique Médicale 2005, Lille.

36. Ferru P, O K. Dictionnaire des Résultats de Consultation (révision 2003-04). Doc. Rech. Méd. Gén 2004;62:3-54.

37. Clement S, Pickering A, Rowlands G, Thiru K, Candy B, de Lusignan S. Towards a conceptual framework for evaluating primary care research networks. Br J Gen Pract 2000;50(457):651-2.

38. Mold JW, Peterson KA. Primary care practice-based research networks: working at the interface between research and quality improvement. Ann Fam Med 2005;3 Suppl 1:S12-20.

39. Johnson SB, Campbell DA, Krauthammer M, et al. A native XML database design for clinical document research. AMIA Annu Symp Proc 2003:883.

40. Care UoN-DoP. Electronic Health Indicator Data (eHID) Project 2004-.


Page 112

41. Julia Hippisley-Cox, Mike Pringle, Nottingham Uo, David Stables, computing E. QRESEARCH :A new ethical high quality general practice derived database for research 2003.

42. De Wilde S, Carey IM, Bremner SA, et al. A comparison of the recording of 30 common childhood conditions in the Doctor's Independent Network and General Practice Research Databases. Health Stat Q 2004(22):21-31.

43. Iain M. Carey, Derek G. Cook , Stephen De Wilde , et al. Developing a large electronic primary care database (Doctors’ Independent Network) for research International Journal of Medical Informatics 2004(73):443-453.

44. Wood L, Coulson R. Revitalizing the General Practice Research Database: plans, challenges, and opportunities. Pharmacoepidemiol Drug Saf 2001;10(5):379-83.

45. Tavé D. Bienvenue chez Cegedim Pratiques, les cahiers de la médecine utopique 2000;12.46. Lusignan S, van Weel C. The use of routinely collected computer data for research in primary care:

opportunities and challenges. Fam Pract 2006;23(2):253-63.47. Klinkman MS, Green LA. Using ICPC in a computer-based primary care information system. Fam

Med 1995;27(7):449-56.48. Hofmans-Okkes IM, Lamberts H. The International Classification of Primary Care (ICPC): new

applications in research and computer-based patient records in family practice. Fam Pract 1996;13(3):294-302.

49. Brage S, Bentsen BG, Bjerkedal T, Nygard JF, Tellnes G. ICPC as a standard classification in Norway. Fam Pract 1996;13(4):391-6.

50. Mansson J, Nilsson G, Bjorkelund C, Strender LE. Collection and retrieval of structured clinical data from electronic patient records in general practice. A first-phase study to create a health care database for research and quality assessment. Scand J Prim Health Care 2004;22(1):6-10.

51. Lowrance WW. Learning from experience: privacy and the secondary use of data in health research. J Biolaw Bus 2003;6(4):30-60.

52. Powell J, Fitton R, Fitton C. Sharing electronic health records: the patient view. Inform Prim Care 2006;14(1):55-7.


Page 113

7.Annexes

A. Personnes ressources

B. Futur of family medicine

C. Présentation DRC

D. Données Constances

E. Feuille de données sentinelles

F. CISP

G. Consultation standardisée médecine du monde.

H. Questionnaire RCGP

I. Bases non analysées

J. Les Domaines de recherche en Médecine Générale

K. Participation aux objectifs de santé publique

L. Evaluation de la puissance dans Constances

M. Charte éthique SFTG

N. Questionnaire étude d’opportunité Paris Descartes

Thèse de Médecine Annexe

Page 115

A.Personnes contactées

Philippe LeFUR IRDES

Hector Falcoff Université Paris 5 SFTG- ASTI

Gilles Hebrecht SFMG - OMG

Marcel Goldberg Constances

Clément Turbelin Sentinelles

Guillaume Fauvel MdM

Dr Pierre BRUNEAU Cegedim

Jean-Laurent SERRE Cegedim

Gwenaelle DELPIROU Cegedim

Marc JAMOULE UCL CISP-Club

Madeleine FAVRE Université paris 5 CISP-Club

Mike PRINGLE Université de Nottingham eHID project Qresearch

Elliot CATHERINE Université de Nottingham eHID project

Jean Karl Soler Malta College of Family Doctors EGPRN

Avec tous mes remerciements pour leur collaboration et leur expertise.


Page 116

B.Le Futur of Family Medicine

Au sein des pays occidentaux, le système de santé américain est le moins orienté vers la médecine générale, avec un impact direct sur son coût (15% du PIB) et ses performances (17e rang de l’OMS). Afin d’amorcer un revirement de situation, 7 institutions majeures se sont retrouvées en 2002 pour lancer un vaste programme de réflexion sur le renouveau de la spécialité médecine générale. Ce projet est le FFM pour Futur of Family Medicine. Ces travaux toujours en cours suivent 6 axes de réflexion (Taskforce) :

• Identifier les attributs fondamentaux de la discipline

• Orientations pédagogiques de la formation des Médecins généralistes

• Formation continue du MG

• Marketing et communication

• Influencer l’organisation du système de soins

• Financements des soins primaires

Le tableau ci dessous… illustre ces réflexions et le contenu du projet.


Page 117

C.Le DRC

Quelques points fondamentaux sur le Résultat de Consultation et le dictionnaire.

1. Toute science commence par le dénombrement des objets ou phénomènes observés dans son champ d'application. La médecine générale, comme toutes les autres spécialités médicales, ne peut pas se développer scientifiquement sans avoir rempli cette condition.

2. Le dictionnaire, n'est pas une classification, mais une nomenclature. Une classification " distribution systématique en diverses catégories d'après des critères précis " consisterait à grouper les résultats de consultation (RC) qu'il contient, selon certains caractères communs pour les réunir en classes. Alors qu'une nomenclature, " ensemble de termes techniques d'une science " classés, par ordre alphabétique, est bien un dictionnaire.

3. Le dictionnaire permet au praticien de retrouver facilement dans une liste alphabétique, les 270 termes qu'il utilise le plus souvent dans son exercice journalier. En vertu de la "Loi de répartition régulière des cas", tout praticien exerçant la médecine générale, sous la même "latitude", doit s'attendre à retrouver de façon régulière environ 300 RC, pourvu qu'il les désigne toujours de la même manière.

4. Le dictionnaire permet au médecin de relever par le RC, la certitude clinique (le plus haut niveau de preuve) qu'il a en fin de séance, en fonction des éléments en sa possession au moment de la consultation. Le RC décrit le "problème" que le médecin prend en compte (qu'il a résoudre) pendant la séance (consultation ou visite).

5. Les 270 RC recouvrent 95% des phénomènes pathologiques rencontrés par un praticien généraliste dans son exercice. Il ne doit pas pour autant, méconnaître les 5% d'affections qu'il observera plus rarement.

6. Les quatre "positions diagnostiques" (symptôme, syndrome, tableau de maladie et diagnostic certifié) possibles n'ont pas de valeur hiérarchique. Elles sont équivalentes en tant que certitude clinique en fin de séance. En revanche, elles définissent le degré d'ouverture diagnostique de la situation clinique relevée.

7. En consultant, la liste des RCE et aussi celle des "voir aussi", le praticien pourra s'assurer qu'aucun RC plus caractéristique ne peut correspondre à la situation clinique qu'il a à résoudre.

8. Le dictionnaire ne répond pas seulement à une nécessité de langage commun, mais à la triple exigence de rationalité (modéliser l'information), de transparence ("c'est bien la situation que j'ai observée") et de justification ("ce que j'ai observé, me sert à prendre ma décision").

9. La correspondance de chaque définition du dictionnaire avec la CIM-10 est la garantie d'un langage transversal et international commun à toutes les spécialités médicales.

10. Chaque définition comporte des critères d'inclusion et des compléments sémiologiques, mais aussi les risques d'évolution critique de la situation observée.

Thèse de Médecine Résultat

Guillaume Avenin Page 118 30/05/08 /

D.Consultation Constances

Protocole scientifique CONSTANCES - Annexes -!" 2. Synthèse des données à recueillir

Les tableaux suivants résument l’ensemble des données qui doivent être recueillies pour l’ensemble des participants de CONSTANCES, en fonction des critères de sexe et d’âge définis ci-dessus. Pour chaque variable, on a indiqué la référence lorsque elle provient d’enquêtes existantes, le moment du recueil et la périodicité, ainsi que la source du recueil.

Caractéristiques sociodémographiques, statut et situation sociale

Variables Réf.

Enquête

¶Suivi /

Périodicité

Source des

données

Date naissance JJ-MM-AAAA Inclusion AQ

Genre F/M Inclusion AQ

Adresse complète Format compatible en vue d’un géocodage Inclusion+ Suivi

CES+Cnav

Lieu de naissance (commune, pays)

Code Insee Inclusion AQ

Situation / Activité professionnelle

Cf. Histoire professionnelle Insee+ Gazel

Inclusion+ Suivi

AQ

Niveau d’étude Diplôme le plus élevé Gazel Inclusion+ Suivi

AQ

Niveau de revenus Sources des ressources personnelles, montant global + nb personnes adultes qui y contribuent, payement de l’impôt sur le revenu, dettes en cours (emprunts + pension alimentaire), difficultés actuelles

Insee+ Gazel+ Epices

Inclusion+ Suivi

AQ

Position subjective socio-économique

Échelle Gazel, Whitehall

Inclusion+ Suivi

AQ

Couverture sociale Assurance maladie complémentaire, CMU Inclusion+ Suivi

AQ

Reconnaissance d’un handicap

Nature Inclusion+ Suivi

AQ

Situation matrimoniale Situation de famille (état civil), nb de mariages, relation sentimentale suivie (si pas en ménage)

Gazel+ Enveff

Inclusion+ Suivi

AQ

Composition du ménage Vivre en couple ? Avec d’autres personnes ? Année de naissance du conjoint, nb de personnes au foyer, nb d’enfants au foyer, nb d’ascendants au foyer

Monica+ Gazel

Inclusion+ Suivi

AQ

Statut socio-économique du conjoint

Si a une activité professionnelle : quelle est la profession ? Si n’en a pas : quelle situation ? (+ ex profession) (+ date de départ à la retraite), Diplôme le plus élevé

Gazel+ Monica

Inclusion+ Suivi

AQ

Conditions de vie matérielles Statut d’occupation du logement, Possession d’autres biens immobiliers, Éléments d’équipement (ordinateur, accès à Internet, voiture), Partir en vacances ? Fréquence ? Disposer d’un moyen de paiement ?

Insee Inclusion+ Suivi

AQ

Caractéristiques du lieu de résidence

Logement : nb de pièces à usage d’habitation, satisfaction des conditions de logement, inconvénients du logement Localité, quartier : taille de l’agglomération (insee directement ?), satisfaction de la qualité de vie dans le quartier, inconvénients du quartier

Insee+ Gazel

Inclusion+ Suivi

AQ


Page 119

Protocole scientifique CONSTANCES - Annexes -!"

SANTÉ

Variables communes pour tous

Variables Réf.

Enquête

Inclusion / Suivi / Périodicité

Source des données

Antécédents Personnels : naissance, cancer, cardiovasculaire, psychiatrie, hospitalisations

Inclusion AQ Carnet de santé si possible

Familiaux : cancer, cardiovasculaire, psychiatrie Inclusion AQ

Échelles de santé Santé perçue (générale et comparative) Inclusion +Suivi

AQ

Qualité de vie : SF-36, NHP (alternance au cours du suivi)

Inclusion +Suivi

AQ

Santé mentale : GHQ, CES-D (alternance au cours du suivi)

Inclusion +Suivi

AQ

Cardiopathie ischémique: Rose Inclusion +Suivi

AQ

TMS : Nordic Examen SALTSA

Inclusion +Suivi

AQ Médecins CES

Respiratoire : asthme, BPCO Inclusion+Suivi AQ

Données paracliniques Poids, taille, tour de taille, tour de hanche, longueur des jambes, pression artérielle, spirométrie, ECG, vision, audition, état dentaire, fonctions cognitives

Inclusion+ Suivi (pour sous-ensemble)

EPS

Biologie Régulation glycémique, bilan lipidique, bilan hépatique, créatinémie, NFS, recueil ADN

Inclusion +Suivi (pour sous-ensemble)

EPS

Pathologies Liste pathologies prévalentes déclarées Gazel Inclusion +Suivi

AQ/Médecins CES

Liste pathologies incidentes déclarées Gazel Inclusion +Suivi

AQ/Médecins CES

Affections Longue Durée Suivi SNIIR-AM

Hospitalisation (diagnostic) Suivi PMSI

Tentative(s) de suicide Inclusion +Suivi

AQ, PMSI

Handicaps, limitations, incapacités, traumatismes

Difficultés physiques Limitations physiques et fonctionnelles

HID Inclusion +Suivi

AQ/Médecins CES

Recours aux soins consultations, visites et soins de spécialiste, consultations, visites et soins de généraliste, radios et autres examens d’imagerie, pharmacie remboursable ou non, kinésithérapie, massages, analyses de laboratoires, prothèses dentaires, soins dentaires, lunettes (verres, montures, lentilles)

ESPS Inclusion +Suivi

AQ SNIIR-AM

Prise en charge 100 % ; renoncer pour raisons financières (soi-même, enfants)

Inclusion +Suivi

AQ SNIIR-AM

Absence au travail Date et durée des arrêts Suivi Cnav

Décès Suivi CépiDc HID : enquête Handicaps Incapacités -– Déficiences (Insee) ; ESPS : Enquête Santé Protection Sociale (Irdes)


Page 120


SANTÉ (suite)

Variables spécifiques Femmes

Variables Réf. Enquête

Inclusion / Suivi /

Périodicité

Source des données

Antécédents familiaux Cancer du sein, de l’utérus, de l’ovaire, incontinence urinaire, descente d’organes ou de vessie, endométriose, fracture du col du fémur

Inclusion AQ

Antécédents personnels Médicaux et chirurgicaux

Chirurgie pelvienne, endométriose, salpingites, pathologies mammaires

Gazel Inclusion AQ

Antécédents obstétricaux Nombre de grossesses, nombre d’enfants, dates de naissance, poids de naissance, mode d’accouchement, allaitement, grossesses extra-utérines, IVG

Inclusion AQ

Problèmes de fertilité Désir de grossesse, consultations, traitement en cours Inclusion + suivi

AQ

Contraception Méthode actuelle, utilisation de la pilule (âge de début, durée totale d’utilisation)

Inclusion + suivi

AQ

Cycle menstruel Age des premières règles, caractéristiques du cycle (régularité, durée, douleurs)

Inclusion + suivi

AQ

Pathologies mammaires bénignes

Douleurs mammaires Inclusion + suivi

AQ

Pratiques de dépistage Fréquence des frottis, mammographies, ostéodensitométries

Inclusion

Ménopause et Traitement hormonal

Age / date de la ménopause, confirmation, modifications de poids, traitement

Epidos Inclusion + suivi

AQ

Incontinence urinaire Incontinence urinaire (ICIQ), incontinence anale, dysurie (IPPS)

Inclusion + suivi

AQ

Sexualité et maladies sexuellement transmissibles

Age au premier rapport, orientation sexuelle, nombre de partenaires H / F, utilisation du préservatif, IST, douleurs au cours des rapports, satisfaction générale (vie sexuelle et vie de couple)

Enveff Inclusion + suivi

AQ


Page 121


SANTÉ (suite et fin)

Variables spécifiques Personnes âgées (> 55 ans)

Variables Réf. Enquête Inclusion /

Suivi / Périodicité

Source des données

Clinique Recherche tremblement de repos, aréflexie Inclusion Médecin

Chutes, Fractures Epidos Inclusion +Suivi

AQ

Activités physiques Epidos Inclusion +Suivi

AQ

Test marche/équilibre Mesure de la marche chronométrée, test de l’équilibre 3C, EVA, Whitehall II

Inclusion EPS

Force musculaire Hand Grip test Timed Five Chair Stands

Whitehall II Inclusion EPS

Fonctions cognitives Recueil de plainte, Mémoire, Troubles du langage, Orientation, Capacité de calcul, Tests : MMSE, Fluence verbale, Digital Finger Tapping Test, Trail Making Test- B, Codes de Wechler, Test de vocabulaire de Binois-Pichot, Test de mémoire

3C, EVA, PAQUID, Whitehall II

Inclusion AQ, EPS

Qualité de vie CASP-12 British Household Panel Survey, ELSA, HRS, Whitehall II, Gazel

Inclusion +Suivi

AQ

Epidos : Epidémiologie De l’OStéoporose ; 3C: Étude des Trois Cités; EVA : Épidémiologie du Vieillissement Artériel ; PAQUID : Personnes Agées Quid ; ELSA : English Longitudinal Study of Aging ; HRS : US Health and Retirement Survey.

Comportements

Variables Réf.

Enquête

Inclusion / Suivi /

Périodicité

Source des

données

Tabac Consommation (historique, actuelle), échelle de Fagerstrom

Gazel Inclusion+ Suivi

AQ

Alcool Consommation (historique, actuelle), échelle de Cage Gazel Inclusion+ Suivi

AQ

Alimentation Fréquence alimentaire Gazel Inclusion+ Suivi

AQ

Activité Activité physique Inclusion+ Suivi

AQ

Consommation de cannabis Consommation (historique, actuelle) Vespa Inclusion+ Suivi

AQ

Orientation sexuelle Pratiques Vespa Inclusion AQ Vespa : VIH - Enquête sur les Personnes Atteintes


Page 122


Facteurs professionnels (vie entière)

Variables Réf.

Enquête

Inclusion / Suivi /

Périodicité

Source des données

Histoire professionnelle Description de chaque épisode de plus de 6 mois (y compris périodes sans emploi)

Inclusion AQ

Contraintes organisationnelles

Horaires de travail et temps de trajet, travail répétitif sous contrainte de temps, travail posté, horaires alternant

Conditions travail Dares

Inclusion AQ

Expositions Bruits, Produits chimiques [gaz d’échappement, fumées de soudage, brasage, oxycoupage, matières plastiques ou caoutchouc, dues au chauffage ou à la combustion de matériaux, poussières de matériaux de construction (ciment, fibrociment, sable, béton sec, matières plastiques ou caoutchouc, charbon, bois, textile, métaux, fer, fonte ou acier doux, huiles et graisses (huiles de coupe, huiles moteur, huiles hydrauliques), carburants (gasoil, essence), solvants, diluants, dégraissants], autres nuisances [pesticides (désherbants, insecticides, fongicides), engrais, acides, colles ou adhésifs, amiante, laine de verre ou de roche, matériaux d’isolation autres peintures, vernis, encres, teintures, autres produits chimiques], expositions biologiques [microbes, virus, parasites], radiations

Inclusion+ Suivi

AQ Matrices MATGÉNÉ pour certaines expositions

Emploi actuel Type de contrat, établissement Conditions travail Dares

Inclusion+ Suivi

AQ

Durée de trajet domicile – travail Conditions travail Dares

Inclusion+ Suivi

AQ

Horaires Conditions travail Dares

Inclusion+ Suivi

AQ

Polyvalence Conditions travail Dares

Inclusion+ Suivi

AQ

Contacts avec le public Conditions travail Dares

Inclusion+ Suivi

AQ

Stress au travail : Karasek/Siegrist (en alternance) Gazel Inclusion+ Suivi

AQ

Contraintes posturales (efforts physiques, rythme de travail, répétitivité des gestes, attention, postures et gestes, etc.)

TMS Pays de Loire

Inclusion+ Suivi

AQ

Expositions a des températures extrêmes Gazel Inclusion+ Suivi

AQ

Expositions physico-chimiques et biologiques (idem Historique)

Inclusion+ Suivi

AQ Matrice Matgéné


Page 123

E.Les données SENTINELLE

Crises d'asthme

• Définition des cas :

• * Avant 3 ans = épisode de sibilants (bronchiolite incluse), uniquement à partir du 3ème épisode.

• * Après 3 ans = crise d'asthme (dyspnée expiratoire aiguë avec sibilants et/ou toux), exclusion des poussées de BPCO et d'insuffisance cardiaque gauche.

• Données recueillies : âge, sexe, fumeur, asthme connu et âge du diagnostic, terrain atopique, traitement et hospitalisation.

Diarrhée aiguë


• diarrhée aiguë récente (au moins 3 selles liquides ou molles par jour datant de moins de 14 jours) motivant la consultation.

• Données recueillies : pour chaque cas, des renseignements concernant l’âge et le sexe sont communiqués.

Grippe clinique


• fièvre supérieure à 39°C, d'apparition brutale, accompagnée de myalgies et de signes respiratoires.

• Données recueillies : pour chaque cas, des renseignements concernant l’âge, le sexe, le statut vaccinal et l’éventuelle hospitalisation (motifs cardiaque, respiratoire ou autre) sont communiqués.

Hépatite A aiguë


• les hépatites aiguës virales sont définies par un taux de transaminases au moins 2 fois supérieur à la valeur normale du laboratoire ou par un ictère ou par une asthénie, d’apparition récente en l’absence d’autre cause d’hépatite. Une hépatite virale A (VHA) est définie par la présence d’anticorps IgM anti VHA.

• Données recueillies : pas de descrition des cas

Hépatite B aiguë


• les hépatites aiguës virales sont définies par un taux de transaminases au moins 2 fois


Page 124

supérieur à la valeur normale du laboratoire ou par un ictère ou par une asthénie, d’apparition récente en l’absence d’autre cause d’hépatite. Une hépatite B (VHB) est définie par la présence d’anticorps IgM anti-HBc ou d’antigènes HBs.

• Données recueillies : âge, sexe, vaccination (si oui à quel âge,) résultat de la sérologie, s’il s’agit selon le médecin d’une hépatite aiguë ou chronique et si un avis spécialisé a été demandé.

Hépatite C


• Sérologie VHC prescrite = dépistage d’hépatite C demandé. Hépatite C = présence d'anticorps Anti-VHC.

• Données recueillies : Pour l’hépatite C = médecin à l’origine du dépistage ou patient séropositif adressé par un confrère, l’âge, le sexe, les dates de la découverte de la séropositivité et de la dernière sérologie négative, les signes cliniques (asthénie, ictère), les raisons du dépistage (antécédents de transfusion, risques iatrogènes, toxicomanie, professionnel de santé), examens biologiques (taux d'ALAT, ARN).

Hospitalisation


• toute hospitalisation décidée à l'issue d'une consultation ou d'une visite.

• Données recueillies : âge, sexe, médecin traitant, lieu de consultation, motif d'hospitalisation, contexte principal (programmé, urgence, réanimation, autre) et secteur d'hospitalisation (public, privé conventionné ou non, hospitalisation à domicile)

Oreillons


• tuméfaction parotidienne uni ou bilatérale, douloureuse, récente, isolée ou associée à une atteinte testiculaire, pancréatique, méningée ou encéphalique ; ou - en l'absence de parotidite - l'association d'une orchite, d'une méningite ou d'une pancréatite et d'une séroconversion ourlienne.

• Données recueillies : pour chaque cas sont communiqués des renseignements concernant : l’âge, le sexe, l’éventuel contage au cours des 21 jours précédant la maladie et si oui dans quel environnement (crèche, garderie, nourrice, école, cabinet médical, de consultation ou autres), les éventuelles complications et l’existence d’une vaccination (dates et sources).

Rougeole


• la définition de cas de rougeole utilisée correspond à celle d'une rougeole typique :


Page 125

éruption généralisée d’une durée supérieure à 3 jours - les cas qui se présentent en deçà ne sont pas pris en compte -, accompagnée d’une fièvre supérieure à 38,5°C et d’une toux, d’un coryza ou d’une conjonctivite.

• Données recueillies : pour chaque cas, des renseignements concernant l’âge, le sexe, le foyer épidémique (au cours des 14 jours précédant le début de la maladie, s’il est connu le préciser), le statut vaccinal (date de vaccination, et d'après quel type de source), la notion de contage, la présence : de catarrhe occulo-nasal avant l'éruption, de signe de Köplick ou autres éruptions sont éventuellement communiqués.

Urétrite masculine


• présence d’une dysurie d'apparition récente et/ou d'un écoulement urétral purulent, muco-purulent ou mucoïde récent.

• Données recueillies : âge, présence d’un écoulement, préférence sexuelle, partenaires multiples, antécédents de MST dans les 12 derniers mois, prescription d’un prélèvement, résultat si disponible (gonocoque, chlamydia, trichomonas ou autre).

Tentatives de suicide


• Tout acte délibéré, visant à accomplir un geste de violence sur sa propre personne (phlébotomie, précipitation, pendaison, arme à feu, intoxication au gaz ...) ou à ingérer une substance toxique ou des médicaments à une dose supérieure à la dose reconnue comme thérapeutique. Cet acte doit être inhabituel : les conduites addictives (alcool, drogues...) sont donc exclues ainsi que les automutilations répétées et les refus de s'alimenter.

• Données recueillies : âge, sexe, antécédents de tentatives de suicide, modalité (médicaments, phlébotomie, arme à feu, pendaison, si autres les préciser), suivi ambulatoire, nécessité d'une hospitalisation, décès.

Sérologies VHC prescrites


• Dépistage d'hépatite C demandés.


Page 126

F.CISP

http://www.ulb.ac.be/esp/cisp/cisp-braun-mk2000.htm

Il s’agit d’une classification remarquablement bien adaptée à l’exercice quotidien de la médecine générale.

En effet, les items présentés dans 17 chapitres affectés d’un code alphabétique (A : Général ; B : Sang ; D : Digestif…), sont répartis en 3 composants numériques (de 01 à 99), reprenant :

• Les motifs de contacts-patients (codes 01 à 29),

• Les procédures décisionnelles issues des plaintes et des appréciations (codes 30 à 69),

• Les « diagnostics » (codes 70 à 99).

Une originalité bien utile, est l’existence d’un chapitre Social (Z) ne contenant que des motifs de contacts relatifs aux omniprésents problèmes socio-économiques vécus par nos patients.

Cette classification permet une utilisation optimale du schéma SOAP ou SOPAP (S : subjectif ; O : objectif ; P : procédure pré-appréciation ; A : appréciation et P : procédure post-appréciation), en limitant la variabilité intra et inter-individuelle de l’encodage (intra-individuelle : j’encode différemment d’un jour à l’autre ; inter-individuelle : j’encode différemment par rapport à d’autres confrères).

Chaque item reçoit donc un et un seul (c’est une classification) code alpha-numérique (1 lettre et 1 chiffre de 01 à 99), sur une base essentiellement physiopathologique (l’accident vasculaire cérébral a une traduction neurologique mais une physiopathologie vasculaire, il est classé K (Cœur et Vaisseaux) 90).

Présentée de cette façon succincte, la CISP peut sembler rigide d’utilisation, mais tel n’est pas son cas puisqu’un diagnostic (code 70 à 99) ou une procédure (code 30 à 69) peut être un motif de consultation ; de même la plainte du patient (code 01 à 29) peut également constituer l’appréciation de fin de contact si aucun autre item ne s’y prête mieux


Page 127



G.Consultation structurée Médecin du Monde

dossier médical Mission France – Observatoire 2008, version prov, 13/11/07

Nom du médecin / infirmier(e) : _ _ _ _ _ _ _ _ _ _ _ _ _ _

A. Numéro de dossier : _ _ _ _ _ _ _ _

B. Date de consultation : _ _ / _ _ / _ _ _ _ (jj/mm/aaaa)

Nom : _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _

_ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _

Prénom : _ _ _ _ _ _ _ _ _ _ _ _ _ _ _

C. Date de Naissance : _ _ / _ _ / _ _ _ _ (jj/mm/aaaa)

D. Sexe : 1 ! M 2 ! F

Se référer au dossier social pour connaître

les éléments sociaux indispensables au suivi médical du patient

1. Etat des vaccinations :

a) ROR………………. 1 ! Oui (à jour) 2 ! Oui à priori 3 ! Non 4 ! Ne sait pas

b) Tétanos…………… 1 ! Oui (à jour) 2 ! Oui à priori 3 ! Non 4 ! Ne sait pas

c) Diphtérie / Polio….. 1 ! Oui (à jour) 2 ! Oui à priori 3 ! Non 4 ! Ne sait pas

d) BCG………………. 1 ! Oui (à jour) 2 ! Oui à priori 3 ! Non 4 ! Ne sait pas

e) Hépatite B………… 1 ! Oui (à jour) 2 ! Oui à priori 3 ! Non 4 ! Ne sait pas

f) Coqueluche / haemophilus 1 ! Oui (à jour) 2 ! Oui à priori 3 ! Non 4 ! Ne sait pas

! Penser à orienter ou à vacciner

2008

DOSSIER MEDICAL

Saisie ? "

Mission France

Observatoire

Conformément à la loi n°78-17 du 06 janvier 1978 relative à l’informatique, aux fichiers, et aux libertés, vous disposez d’un droit d’accès et de rectification aux données vous concernant

No

m :

Prén

om

:

N° d

e d

ossier :

Transmission de l'accueil : (perception de souffrance psychique, conditions de logement néfastes à la santé, risque de

saturnisme, état des droits à la couverture maladie,…) :

Espace libre :


Page 128


2. Dépendances :

Problème d’abus répété ou d’addiction à :

a) Alcool………………………………………………… 1 ! Oui 2 ! Non

b) Tabac (+ 10 cigarettes / jour)………………...…………... 1 ! Oui 2 ! Non

c) Médicaments (prise abusive, conso. chronique)………………. 1 ! Oui 2 ! Non

d) Cannabis …………………………………………….. 1 ! Oui 2 ! Non

e) Autres produits : amphét., cocaïne, ecstasy, LSD, opiacés.… 1 ! Oui 2 ! Non

3. Statut sérologique : ! Penser à orienter pour le dépistage

Inconnu Connu Date du dernier dépistage Proposition de dépistage a) VHB 1 ! 2 ! Positif 3 ! Négatif _ _ / _ _ / _ _ _ _ 1 ! d’accord 2 ! pas d’accord 3 ! NSP 4 ! déjà fait

b) VHC 1 ! 2 ! Positif 3 ! Négatif _ _ / _ _ / _ _ _ _ 1 ! d’accord 2 ! pas d’accord 3 ! NSP 4 ! déjà fait

c) VIH 1 ! 2 ! Positif 3 ! Négatif _ _ / _ _ / _ _ _ _ 1 ! d’accord 2 ! pas d’accord 3 ! NSP 4 ! déjà fait

4. Nous allons à présent aborder des questions sur différentes formes de violence, que certaines personnes

ont pu subir. Vous-même, au cours de votre vie… (entourer les numéros des réponses)

Si oui,

Chronologie par rapport à

l’arrivée en France Non Oui

Avant Pendant

le trajet

En

France

1. Avez-vous vécu dans un pays en guerre ? 1 2 3 4 5

2. Avez-vous été battu ou blessé lors de violences

familiales ou lors d'une agression ?

1 2 3 4 5

3. Vous a-t-on empêché de gagner de l'argent ou avez-

vous été privé de l'argent que vous aviez gagné ?

1 2 3 4 5

4. Avez-vous souffert de la famine ou de pas avoir

suffisamment à manger ?

1 2 3 4 5

5. Avez-vous été menacé(e) physiquement ou emprisonné

pour vos idées ?

1 2 3 4 5

6. Vos actes ont-ils été surveillés ou interdits ? (y

compris par un proche ou dans la sphère familiale)

1 2 3 4 5

7. Avez-vous été victime de violences de la part de forces

de l’ordre (police, armée, …) ?

1 2 3 4 5

8. Avez-vous subi une agression sexuelle ? 1 2 3 4 5

9. Avez-vous été torturé ? 1 2 3 4 5

10. Avez-vous été exposé à un autre événement violent

non évoqué dans les questions précédentes ?

11. Laquelle ? Précisez éventuellement :

_ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _

1 2 3 4 5

12. ! Sujet non abordé


Page 129


Antécédents / Allergies / Contre indications :

Traitement habituel / en cours (Classe / posologie / durée) :

1. MOTIF(S) DE CONSULTATION ou de rencontre exprimé(s) par le patient

1.1 _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ 1.3 _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _

1.2 _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ 1.4 _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _

Observation médicale

TA : _ _ _ _ _ 2. Poids : _ _ _ _ _ kg

Fréquence cardiaque : _ _ _ _ _ 3. Taille (en mètres) : _ _ _ _ _m

(IMC : _ _ _ _ )

4. PROBLEME(S) DE SANTE ou résultat(s) de la consultation ou diagnostic(s)

Codage

CISP

complet

Si problème de santé

chronique

5. Aviez-vous

connaissance de ce pb

de santé avant votre

arrivée en France ?

4.1 _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ 1 ! Oui 2 ! Non

4.2 _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ 1 ! Oui 2 ! Non

4.3 _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ 1 ! Oui 2 ! Non

4.4 _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ 1 ! Oui 2 ! Non

(ORL : selon le cas, coder «H Oreille» ou «R Respiratoire» / Dentaire-stomato : coder «D Digestif»)

Codage CISP

Codage CISP


Page 130


Commentaires :

Traitement et examens complémentaires prescrits : Vérifier l’état des droits à la couverture maladie

6. Traitement (forme, posologie, durée, quantité remise) : à revoir

Traitement Forme Posologie Durée Quantité remise

Examens complémentaires :

7. Le(s) problème(s) de santé aurai(en)t-il(s) dû(s) être traité(s) plus tôt ? 1 ! Oui 2 ! Non 3 ! Diagnostic en attente

8. Le patient a-t-il besoin de soins nécessitant une ouverture immédiate de droits ? 1 ! Oui 2 ! Non Si oui, voir avec l’accueil pour l’ouverture immédiate des droits à la couverture maladie

9. Globalement, le patient est-il en très mauvais état de santé ou très bon état de santé ?

noter de 0 à 10 – entourer le n°! (très mauvais) 0 1 2 4 5 6 7 8 9 10 (très bon) en attente confirmation formulation

10. Orientation/Dépistage, vers quelle(s) structure(s) ?

1 ! VIH _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _

2 ! VHB _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _

3 ! VHC _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _

4 ! Radio pulmonaire _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _

5 ! Autre examen de dépistage, précisez (autre IST, plombémie, frottis

cervico vaginal, mammographie, etc.…) :_ _ _ _ _ _ _ _ _ _ _ _

_ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _

Autres Orientations

11. Orientation externe : 1 ! Oui, précisez: _ _ _ _ _

_ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _

_ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _

_ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ (Vers vaccination, dentiste, consultation psy, PMI, planning familial, centre de santé,

PASS, hôpital (hors PASS), médecin généraliste, spécialiste libéral, centre spécialisé,

consultation spécialisée, autre / date prise de rdv, date du rdv, avec qui,

accompagnement, où,…)

12. Orientation interne : 1 ! Oui, précisez : _ _ _ _ _

_ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _

_ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _

13. D’après le diagnostic, le patient devrait-il engager une procédure de régularisation pour soins ? 1 ! Oui 2 ! Non 3 ! Diagnostic en attente Si oui, penser à rédiger un certificat médical dit «non descriptif» et orienter le patient vers un médecin agréé (Cf. procédure dans la notice d’accompagnement du dossier médical) Précisez :


Page 131

H.Feuille de recueil RCGP-WRS

Royal College of General Practitioners – Weekly Returns Service list of variables (There is no questionnaire for this database as all data are collected electronically) Year Week Practice Read code for disease Episode type The following details split into age/sex groups: male <1, 1-4, 5-14, 15-24, 25-44, 45-64, 65-74, >75 and female <1, 1-4, 5-14, 15-24, 25-44, 45-64, 65-74, 75+

Number of cases Population Referrals Deaths (but not accurate) Contact days

Pre 1994 the age groups were different: 0-4, 5-14, 15-44, 45-64 and 65+. Male and female data was collected but not split into ages. Most of this data is not yet computerised.


Page 132 /

I.Autres Bases

En France

Outils comportant simultanément les motifs de recours et la prescription

Enquêtes ou recueil permanents

Enquête EPPM d’IMS Health

Observatoire épidémiologique permanent THALES

Observatoire de la Médecine Générale (OMG)

IMS Disease Analyzer

Enquêtes ponctuelles

Enquête sur la pratique des médecins généralistes libéraux - DREES

Outils comportant un recueil des prescriptions ou des acquisitions pharmaceutiques, sans recueil des diagnostics

Le SNIIR-AM (Système national d’information interrégimes de l’Assurance maladie)

Medic’Am (Cnamts), Medicanam (CANAM), Medicmsa (MSA)

Outils en cours de développement en 2005

Le dossier médical personnel (DMP)

Le « Web médecin »

Oscour (service de surveillance premier recours service urgence-SOS médecin - SAMU)

Outils ne comportant pas de recueil systematique des motifs de recours et de la prescription mais pouvant eventuellement en inclure

Réseau Epi de MG France

Panel de médecins généralistes libéraux de la région PACA (Urml PACA, ORS PACA)

Baromètre des pratiques en médecine libérale (URML Bretagne)

Medcur (URML Pays de la Loire)


Page 133

L’existence de panels de médecins mis en place par deux instituts de sondage :

le panel Omnimed de la SOFRES et le Panel de professionnels de santé IFOP.

A l’étranger

Hollande

Second Dutch National Survey of General Practice – Pays Bas Second Dutch National Survey of General Practice – Pays Bas

The Nijmegen research entwork

Belgique

Intego

Italie

Health Search Database – Italie www.healthsearch.it

Allemagne

ADT-Panel (Patienten-Artzt-Panel) Allemagne http://www.zi-koeln.de/

Australie

Medic-GP http://www.generalpractice.adelaideuni.org/menu/medicgp.shtml

GPRN http://www.australiandoctor.com.au/gprn.asp

Nouvelle-Zélande

RNZCGP computer research network http://healthsci.otago.ac.nz/division/medicine/dnschmed/gp/rnzcgp/cgpdata.html


Page 134

http://www.healthsearch.it

http://www.healthsearch.it

http://www.zi-koeln.de

http://www.zi-koeln.de

http://www.generalpractice.adelaideuni.org/menu/medicgp.shtml

http://www.generalpractice.adelaideuni.org/menu/medicgp.shtml

http://www.australiandoctor.com.au/gprn.asp

http://www.australiandoctor.com.au/gprn.asp

http://healthsci.otago.ac.nz/division/medicine/dnschmed/gp/rnzcgp/cgpdata.html




J.Les domaines de recherche en Médecine générale selon l’EGPRN 2

Recherche sur l’organisation de l’offre de soin

Etudes économiques / Etude de circuit de santé (optimiser le parcours de soin) / Recherche sur la fonction de « gatekeeper » / sur l’interface spécialiste-généraliste / Recherche sur les technologies de l’information / Recherche sur les soins à domicile.

Recherche sur les thématiques de santé publiques

Données épidémiologiques de morbidité basées sur les consultation de MG /surveillance de population particulière/ Comparaison géographique /études environnementales /Etudes sur les déterminants sociaux/ Besoin de santé des populations/ Besoin des effecteurs de santé.

Recherche à thématique clinique

Recherche clinique pour promouvoir une médecine basée sur des preuves/ Recherche clinique sur des maladies communes et sur les maladies chroniques (sur le terrain MG)/ Recherche de stratégies diagnostiques adaptée aux soins primaires (ex dépistage suicide…)/ Etudes sur des populations particulières (personnes âgées, immigrants) / Anticiper l’éruption de la génétique.

L’approche qualité

Les développements méthodologiques de la recherche en Médecine Générale, Rédactions de recommandations et le Développement de standards pour la démarche qualité dans le cadre des soins. La formation continue, Les méthodes d’audit et d’évaluation des pratiques (place du “feedback”) et L’apprentissage à distance

Question spécifiques

Le patient chronique, L’influence des réseaux sociaux, Le point de vue du patient, L’approche holistique, Les aspects culturaux de la médecine, L’approche qualitative, L’approche multidisciplinaire


Page 135

K.Contribution de Constance à la loi de santé publique

Protocole scientifique CONSTANCES - Annexes -!"#

4. Contribution de CONSTANCES aux objectifs de la loi de Santé Publique

Les tableaux suivants listent les objectifs du GTNDO pour lesquels CONSTANCES apportera des données permettant de contribuer à l’établissement des indicateurs prévus par la loi. Pour chacun d’eux figurent les données correspondantes recueillies dans CONSTANCES. Ces données proviennent de l’examen de santé, des autoquestionnaires, des bases de données de l’Assurance maladie, du PMSI, ou de la Cnav.

Objectifs GTNDO CONSTANCES

! !"#$%&'()(#*+

,- !"#$"%%&'("#)*+&,-"",) X

.- !"#$"%%&'("#)*.)'&/&-)X (dont âge à la 1ère

cigarette)

/- !"#$"%%&'("#)*.)01"*2('$)0$3-4"5&-'(6$)

X (dont âge au 1er joint ; limité au cannabis)

(consommation de médicaments psychotropes)

0- 7/8$('8) X

1- 9&(/,.)-"#$"%%&'("#)*.)612('$).'),8:2%.$) X

2- ;8*.#'&1('8).')(#&-'(<('8)043$(=2.)X (dont inactivité pour

raison de santé)

3- >($=2.$)01"6.$$("##.,$)

X (Risques liés à l'environnement physique et professionnel / Maladies

professionnelles et accidents du travail)

! 4)5)6'$*+6$*+7%8)($*+6$*+*$(*+ X

! 4)5)6'$*+'(9$:#'$;*$*+

<- ?#6.-'("#)@?A)5)$(*&)X VIH (prévalence très

faible)

=- A80&'('.$) X (VHB et VHC)

! >)(#"+?"%'()#)5$+X (Poids de naissance, naissance prématurée)

! @99$:#'7(*+A;::7B6$(#)'%$*+ X

! C;&$;%*+&)5'8($*+Antécédents familiaux et

personnels

,D- !&#-.1)*2)$.(#) X

,,- !&#-.1)-","1.-'&,) X

,.- !&#-.1)*2)-",)*.),+2'812$) X

,/- !&#-.1)*.),&)01"$'&'.) X

,0- !&#-.1)*.),&)0.&2B)%8,&#"%.) X

,1- !&#-.1)*.),&)'431"C*.) X



Protocole scientifique CONSTANCES - Annexes -!"#

Objectifs GTNDO CONSTANCES

! Pathologies endocriniennes

16. Diabète X

17. Hyper- et hypothyroïdie X

! Maladies cardio-vasculaires Antécédents familiaux

18. Cardiopathies ischémiques, accidents vasculaires cérébraux et insuffisance cardiaque X

19. Hypercholestérolémie X

20. Hypertension artérielle X

! Affections voies respiratoires X

21. Broncho-pneumopathie chronique obstructive X

22. Asthme X + Allergies

! Troubles musculo-squelettiques X (troubles

périarticulaires ; handicaps moteurs)

! Aff neuro-psychiatriques

23. Psychoses délirantes chroniques, troubles bipolaires, troubles dépressifs, troubles névrotiques et anxieux

X (Dépression + Maladies psychiatriques)

24. Toxicomanie-dépendance X

! Santé perçue, Qualité de vie X

! Traitements, hospitalisations, arrêts de travail X

! Déficiences et handicaps X

! Traumatismes X (accidents travail, route, domestiques, tentative de

suicide)

! Difficultés d'accès aux soins et à la prévention X

! Couverture sociale X

! Problèmes de santé spécifiques à des groupes de population X

! Santé des personnes âgées (troubles psychiatriques, chutes, consommation médicamenteuse…) X

25. Affections neuropsychiatriques X

26. Maladie d’Alzheimer X

27. Maladie de Parkinson X

! Affections maternelles X

! Maladies de l’appareil génito-urinaire X

! Reproduction, contraception, IVG X (Comportements

sexuels à risque (dont Âge au 1er rapport sexuel))

! Violences, agressions X

Thèse de Médecine Résultat

Page 137

L.Evaluation de la puissance de Constances


Page 138

M.La charte Ethique

1

!"

#"

$"

%""

!"

&"

'"

("

")**+,-./-+0"12*"'/-&-*./2'3*""

43.0,+56+02*"12"&."!#$%"

7778,-*5,&'(8+39"""

"

""

!6.3/2"5+'3"'02":/6-;'2"

"12"&<-04+3=./-+0",&-0-;'2"

">2?/2".@.&-*:"&+3*"1'"6'-/-A=2"./2&-23"1'"!#$%"!&'(B"

$.(&2*"1<C&+002B"D3.0,2"&2"E"+,/+(32"FGGH"

"!"#$$%&'#('%)*+,$*-('.'$#(,-/$*0/#)&%12%),$*+,*.#*3.#$$'0'&#('%)*4)(,/)#('%)#.,*+,$*5%')$*6/'7#'/,$8*#$$%&'#('%)*#00'.'9,*#-*:433*;:%)&#*4)(,/)#('%)#.*3.#$$'0'&#('%)*3%77'((,,<*,$(*1.-$*&%))-,*$%-$*.,*)%7*+,*3456*3.-=>**?,1-'$*@AAB8*.,*3456C3.-=*;DDD>&'$1&.-=>%/E<*#*(,)-*+,$*#(,.',/$*#))-,.$*F*5#')(CG(',)),8*H#)(,$8*H#7-/8*H,-&2I(,.8*J,(K8*6#/'$8*J%)$8*L)),&M*,(*#-N*5#=.,$*+"O.%)),8*/,)&%)(/,$*#-*0'.*+,$P-,..,$*#*7Q/'*.#*/90.,N'%)*P-"'.*1/%1%$,*+#)$*&,*+%&-7,)(>*

*R*R*R*R*R*R*R*R*

3,*(,N(,*/9+'E9*1#/*J'&2,.*?,*S%)E2,*;JT*F*U%-/)#'<8*J#+,.,'),*V#W/,*;JT*F*6#/'$8*X/-)%*5,M$*;JT*F*X/-N,..,$<*,(*9+'(9*1#/*J#/&*S#7%-..,*;JT*F*32#/.,/%'<>*4.*,$(*+'$1%)'=.,*$-/*.,*$'(,*2((1YZZDDD>&'$1&.-=>%/E**

*

I+'*B"=2=(32*"1'"!#$%"J"!&'("

1/%0,$$'%)),.$*+,*.#*$#)(9*%-*')0%/7#('&',)$8*0#7'.',/$*+#)$*.,*(/#'(,7,)(*+,*."')0%/7#('%)*79+'&#.,8*

K:,&.3+0*"

• [(/,$*#((#&29$*F*.#*/,.#('%)*(29/#1,-('P-,*#-*(/#W,/$*+-*&%..%P-,*$')E-.',/8*

• 6/%7%-W%'/*-),*-('.'$#('%)*9&.#'/9,*1#/*.,$*1/%0,$$'%)),.$*+,*.#*$#)(9*+,$*)%-W,..,$*(,&2)%.%E',$*+,*&%77-)'&#('%)8*

• \%-.%'/*#(('/,/*."#((,)('%)*+,*)%$*&%..]E-,$*$-/*.,*+,W,)'/*+,$*+%))9,$*79+'&#.,$*;%-*4)0%/7#('%)$*1,/$%)),..,$*+,*$#)(9*;465<**%-*)%7')#('W,$<*+,*)%$*1#(',)($8*

• ^,&%))#_(/,*P-,*.,$*1/%0,$$'%)),.$*+,*.#*$#)(9*$,*(/%-W,)(*$%-W,)(*+97-)'$*+,W#)(*.#*(,&2)'&'(9*+,*.#*7'$,*,)*&%)0%/7'(9*+,$*.%E'&',.$*#-N*/,&%77#)+#('%)$8*

• `(/,*W'E'.#)($*P-#)(**F*."')(/-$'%)*+,*(',/$*;[(#(8*1%.'('P-,8*')(9/a($*&%77,/&'#-N8**#$$-/#)&,$8*,71.%M,-/$<**+#)$*.,*+%7#'),*+,*.#*W',*1/'W9,*1%-W#)(*,)(/#_),/*F*(%-(*7%7,)(*-),*/-1(-/,*+-*$,&/,(*1/%0,$$'%)),.8*

• `(/,*')(,/1,..9$*1#/*.,$*,N19/',)&,$**7#.2,-/,-$,$*W9&-,$*1#/*&,/(#')$*+,*)%$**&%..]E-,$*#((,)('0$*#-*+/%'(*F*."')0%/7#('%)*+-*1#(',)(8*

• `(/,*')(,/1,..9$*1#/*.#*W#.%/'$#('%)*&%77,/&'#.,*&/%'$$#)(,*+,$*4658*

• 6/,)+/,*,)*&%71(,*.#*&%71.,N'(9*+,*.#*/,.#('%)*79+'&#.,*F*)%(/,*91%P-,*&%)(,71%/#'),8*


Page 139

2

!"#$$%&'()*++

!"#$%&'&()*(+)%&*!+(,$!)$+(*-#(.*"&.*,&(%*+-&%).%-/*+",0%12/*+$()3#'/),#24+%/0$..#()*)+1)*)%#$)&'&()*-&*

-+((/&.*'/-$!#"&.2*3*.#,+$%*4*

! 5&.6&!)*-&*"#*,$&*6%$,/&2*

! 7+(8$-&()$#"$)/*&)*.&!%&)*6%+8&..$+((&"2*

! 7+(.&()&'&()*-1*6#)$&()9*

*

5/4,/*+3/+&"$"&/)./+6++

:&.*)%+$.*6%$(!$6&.*!$;-&..1.*.+()*-/,&"+66/.*&)*-/8&(-1.*-#(.*!"#$%&#'$()&*)&$(+&(',-,'&./&0((

!"#$%&'()'(%&*#+,-.(+'-/)&(+&0'1$2/(&3&&

! </!"#%#)$+(*-=>&".$(?$2*@ABC*D@E*

! FGG2*</!"#%#)$+(*-&*:$.H+((&2*@AI@DJE*

! KLL2*F.6&!).*/)M$N1&.*-&*"=1)$"$.#)$+(*-&.*-+((/&.*6&%.+((&""&.*-&*.#()/*-#(.*"#*.+!$/)/*-&*

"=$(8+%'#)$+(2*@AAADOE*

!()'(%&$+'("+-'$#+-/)&3&&

! </!"#%#)$+(*P($,&%.&""&*-&.*<%+$).*-&*"=M+''&*-1*@Q*-/!&'H%&*@ACI2*#%)9*@JDCE*

! 7+(,&()$+(*&1%+6/&((&*-&.*<%+$).*-&*:=>+''&*4*7+(,&()$+(*-&*.#1,&0#%-&*-&.*<%+$).*-&*"=>+''&*&)*

-&.*:$H&%)/.*8+(-#'&()#"&.2*#%)*I*R*@DSE*

! 7M#%)&*&1%+6/&((&*-&.*<%+$).*8+(-#'&()#1T*-&*"=P($+(*&1%+6/&((&2*#%)9*O*&)*IDBE*

!()'(%&+-'$#+-/)&3&&

! 5&!+''#(-#)$+(.*%&"#)$,&.*3*"#*)&(1&*-&*H#.&.*-&*-+((/&.*'/-$!#"&.*!+()&(#()*-&.*-+((/&.*

(+'$(#)$,&.*+1*$-&()$8$#H"&.2*7+(.&$"*(#)$+(#"*-&*"=U%-%&*-&*'/-&!$(.*DV&"0$N1&E2*@AAWDWE*

4#5/.(+'%&,(&%6+'17%(&3&&

! 7M&,#"$&%*X9*L)M$N1&*&)*$(8+%'#)$N1&2*"#*6%+)&!)$+(*-&.*-+((/&.*'/-$!#"&.*$(8+%'#)$./&.9*JQQODIE*

&8/'"(%&,#5/.(+'%&3&&

! 5/6&%)+%$/.*-#(.*"#*H$H"$+0%#6M$&9*

7(),+)(2*+-(28()*+.().92&/+6++

91-:$'"(&;&3&<(&:-'$(+'&

! L.)*6%+6%$/)#$%&*-&.*-+((/&.*'/-$!#"&.*Y*"&*-/6+.$)#$%&*&(*&.)*"&*6%+8&..$+((&"*-&*"#*.#()/9*<Z.*"+%.2*"&*

6#)$&()*6&1)*3*)+1)*'+'&()*"&.*!+(.1")&%*&)*"&.*8#$%&*'+-$8$&%9**["*6&1)*/0#"&'&()*"&.*8#$%&*.166%$'&%9*

! *F*-%+$)*3*"#*!+(8$-&()$#"$)/9**

! \&1)*&T$0&%*N1&*!&%)#$(&.*[\X*(&*.+$&()*($*&(%&0$.)%/&.*($*-$,1"01/&.*D"&*-+..$&%*'/-$!#"*(&*-+$)*6#.*])%&*

&TM#1.)$8E9*

! <+((&*.+(*!+(.&()&'&()*3*"=&T$.)&(!&*-&.*[\X*&)*3*"&1%.*1)$"$.#)$+(.9*

! L.)*"&*6#%)&(#$%&*-&.*.+$(.9*

! F*-%+$)*3*(&*6#.*#,+$%*!+((#$..#(!&*-&*)+1.*"&.*/"/'&().*-&*.+(*-+..$&%2*6#%*%&.6&!)*-&**"#*6%+)&!)$+(*

-1&*#1T*6&%.+((&.*,1"(/%#H"&.2*&)*-&*8#^+(*6"1.*0/(/%#"&*#1*(+'*-&*"#*%&!+((#$..#(!&*-&*"#*8%#0$"$)/*-&*

"_M1'#$(9*

91-:$'"(&=&3&<(&:"#*(%%$#++(>&,(&>-&%-+'0&

! L.)*%&.6+(.#H"&*-&.*[\X*N1$*"1$*.+()*!+(8$/&.9**

! L.)*0#%#()*-&*"#*!+(8$-&()$#"$)/*-&,#()*"&*6#)$&()9*


Page 140

3

! !"#$"%&"'()'*+(+,&-'./'$)&0",&'.1"2$304"3'/,"'3-#"3*"'5/),&'6'(1",3"70#&3"4",&'"&8+/'()'.0*/(7)&0+,'."'

%"3&)0,"#'0,9+34)&0+,#:'

! ;"0(("'6'0,9+34"3'("'$)&0",&'."'(1/&0(0#)&0+,'."#'<=>'5/0'("'%+,%"3,",&:'

! !"4"&?'6'#)'."4),."?'#"#'<=>')/'$)&0",&?'%"(/0@%0'-&),&'')%&"/3'."'#)'#),&-:'

! !"#$"%&"'("'.3+0&'./'$)&0",&'6'(1+/A(0:''

''

!"#$%&'()*)+),()-./'0%11(/')2()1('3%4(1)%0-.'5#&%6/(1)./)&./&()$('1.00()#$$(,7()8)&'#%&(')2(1)2.007(1)

$('1.00(,,(1)2()1#0&7)+))

! B#&'3"#$+,#)A("'*0#@6@*0#'./'$)&0",&'"&'./'$3+9"##0+,,"('."'()'#),&-'."'(1/&0(0#)&0+,'5/10('9)0&'."#'<=>:'

! B#&'#+/40#')/'#"%3"&'$3+9"##0+,,"(:'

! C##/3"'()'$30+30&-')A#+(/"'6'()'%+,90.",&0)(0&-'."#'<=>'#/3'()'%+,*0*0)(0&-'+/'()'$"39+34),%"'&"%D,05/":'

! ="/&'.-4+,&3"3')/'$3+9"##0+,,"('."'()'#),&-'5/"'("'&3)0&"4",&'."#'<=>'3"#$"%&"'("'$30,%0$"'."'

%+,90.",&0)(0&-?'E'%+4$30#'.),#'#"#')#$"%&#'&"%D,05/"#:'

! !"#$"%&"'()'3-#"3*"'"2$304-"'$)3'("'$)&0",&'"&'&3),#40#"'$)3'("'$3+9"##0+,,"('."'()'#),&-'%+,%"3,),&'()'

7"#&0+,'."'#"#'<=>:'

! =3-*+0&'/,'.+%/4",&'."'%+,#",&"4",&'5/"'("'$3+9"##0+,,"('."'()'#),&-'$+/33)'#+/4"&&3"')/'$)&0",&:'

! F+,,"')/'$3+9"##0+,,"('."'()'#),&-'("#'4+E",#'.10,9+34"3'("'$)&0",&'."#'3-#/(&)&#'+A&",/#'73G%"')/'

&3)0&"4",&'."'#"#'<=>:'

! ="/&'"2$(0%0&"3'%()03"4",&'("#'4+.)(0&-#'."'%+,#"3*)&0+,'"&'."'."#&3/%&0+,'."#'<=>'+3070,)("#')$3H#'("/3'

/#)7"'%+,*",/')*"%'("'$3+9"##0+,,"('."'()'#),&-:'<(')$$(05/"'%"#'4+.)(0&-#:'

!"#$%&'()9)+),(1)#/&'(1)$#'&(0#%'(1+)

! !"#$"%&",&'("'9+,%&0+,,"4",&'."#')%&"/3#'&"(#'5/"'.-%30&#'%0@."##/#:''

! !"#$"%&",&'("#'$30,%0$"#'%+,#&3/0&#')/'%+/3#'."#'#0H%("#')E),&'$"340#'."'4)0,&",03'()'%+,90),%"'

3-%0$3+5/"'.),#'()'3"()&0+,'$)&0",&'@'#+07,),&'",'$3-#"3*),&'("'#"%3"&?'A)#"'."'&+/&"')$$3+%D"'

&D-3)$"/&05/"'."$/0#'I0$$+%3)&":'

!"#"$%&$'()$*+,)-"-./",)%+)!012))3)!4+.()

>+/%0"/2'."'()',-%"##0&-'."'()'3"%D"3%D"'.),#'("'.+4)0,"'."'()'#),&-'"&'%+,*)0,%/#'."'#+,'04$+3&),%"'$+/3'()'

5/)(0&-'."#'#+0,#?''

J+,*)0,%/#'5/"'(1+/&0('0,9+34)&05/"'"#&'0,.0#$",#)A("'6'%"'K+/3'$+/3'.-(0*3"3'."#'#+0,#'."'5/)(0&-?'

J"3&)0,#'5/"'("'$)3&)7"'."#'.+,,-"#'$"3#+,,"(("#?'.+,&'("#'.+,,-"#'4-.0%)("#?'$"/&'L&3"'/,'+/&0('$+/3'/,"'$(/#'

73),."'"990%0",%"'"&'/,"'4"0(("/3"'-5/0&-'."#'#+0,#?'

C&&",&09#'6'3"#$"%&"3'("'%D+02'."'&+/&'$3+9"##0+,,"('."'()'#),&-'6'$3)&05/"3'.),#'()'#&3/%&/3"'5/0'(/0'%+,*0",&'("'

40"/2?'

!*$5&6$7+,)8+964):)&)'*+;*+/,)46"+)%")7*$'"<'+&46,"/)+$")%*$$=")-=%67&4"())

! M+/#'0,&"3$"((+,#',+#'%+((H7/"#')90,'5/10(#'"2"3%",&'("/3'K/7"4",&'%30&05/"'.),#'&+/&"#'("#'#0&/)&0+,#''

$)3&0%/(0H3"#')/25/"(("#'0(#'#"3+,&'%+,93+,&-#'04$(05/),&'(10,9+34)&0#)&0+,'+/'("'$)3&)7"'."'<=>?'

! M+/#'("#'",%+/3)7"+,#'6'.0*/(7/"3'&+/&'4),5/"4",&')/2'$30,%0$"#'%0@."##/#'-,+,%-#'5/10(#'$+/33)0",&'

3",%+,&3"3?'

! M+/#'("#'",%+/3)7"+,#'6'0,9+34"3'("/3#'$)&0",&#'"&'6'3"#$"%&"3'("/3#'%D+02:'

'

N'N'N'N'N'N'N'N'N'N'

'

O)0&')/2'>)A("#'.1P(+,,"?'("'Q'+%&+A3"'RSST'

'

=D0(0$$"'C4"(0,"'<,9+34)&05/"?'=)30#'UOV'mailto:[email protected]''''W),/'X"35/0,'W-."%0,"'7-,-3)("?'X3/2"(("#'UXV'''

C()0,'X3+D-"'W-."%0,"'."'9)40(("?'Y"#&0+,'."'.+,,-"#'."'#),&-?'YD(0,'UXV'

mailto:[email protected]''


Page 141

4

!"#$%&'#$()*+,-'./"0,123"4*$",52$2'#/"6,78+09:"+,3;*$<)':#0*)$,7#*$0,1#'0*$6,="+0'#,>&?,mailto:[email protected],,1*4@"/,A",!)$5@",123"4*$",52$2'#/"6,B@"'4@".',C,/;D$*E"'+*02,=*F'",3",-'.G"//"+6,A2H#'0":"$0,3",123"4*$",I2$2'#/"6,J)$58,>-?,mailto:[email protected],,,-"'$#'3,A"$3"#.,K$<)':#0*L."6,M#0"'/)),>-?,mailto:[email protected],,,1#3"/"*$",&#E'",123"4*$",52$2'#/"6,N*$4"$$"+,>&?,,!#4L."+,O*3*"'6,123"4*$,52$2'#/*+0",2:2'*0"6B@#//#$+,>&?,mailto:[email protected],,,!)+"H@,O.F"'086,123"4*$",3",<#:*//"6,B*$"8,>-?,mailto:[email protected],,!#4L."+,O.:F"'06,123"4*$",3",<#:*//"6,-"#.E)*',7.',1"',>&?,mailto:[email protected],,,mailto:[email protected]$"+H@)'",Q.FR*:#$#6,B))'3*$#0".',:23*4#/,123"4*$+,3.,1)$3"6,1)$')E*#6,=*F"'*#,>=K-?,,,1#'4,!#:).//"6,123"4*$",3",<#:*//"6,I"+0*)$,3",3)$$2"+,3",+#$026,I*//8,>-?,mailto:[email protected],,P/*E*"',=#0*5$*"+6,K$<)':#0*L."6,&)++"+%/#%E*//",>-?,mailto:[email protected],,,=#.'"$0,="0'*//*#'06,123"4*$",52$2'#/"6,J"4@"'4@","$,+)*$+,H'*:#*'"+6,N*//".'F#$$",>&?,,,,=.4,J*F"0)$6,123"4*$",52$2'#/"6,J25./#0*)$,#.,B"$0'",ST,3",-)'3"#.G6,7#*$0%=).F"+,>&?,mailto:[email protected],,,1*4@"/,J)/#$36,123"4*$",52$2'#/"6,I"+0*)$,3",3)$$2"+,3",+#$026,D$*E"'+*02,=*F'",3",-'.G"//"+6,32H#'0":"$0,3",123"4*$",I2$2'#/"6,-'.G"//"+,>-?,mailto:[email protected],,1#'4,N#$:""'F""U6,123"4*$",52$2'#/"6,7#$02,H.F/*L."6,I"+0*)$,3",3)$$2"+,3",+#$026,A2H#'0":"$0,3",123"4*$",I2$2'#/"6,=*95",>-?,mailto:[email protected],,,1#'4,N"'F"U"6,123"4*$",52$2'#/"6,V++*+0#$0,C,/;D$*E"'+*02,3",I#$36,A"H#'0:"$0,)<,H'*:#'8,@"#/0@,4#'"6,W"/",>-?,mailto:[email protected],,,A2+*'2,N"'F'#"4U,123"4*$",52$2'#/"6,I"+0*)$,3",3)$$2"+,3",+#$026,&/#R*$$",>-?,mailto:[email protected],,,B@'*+0*#$,7*:)$,K$<)':#0*L.",:23*4#/"6,V$5"'+,>&?,mailto:[email protected],,,-'.$),7"8+6,123"4*$,3",<#:*//"6,I"+0*)$,3",3)$$2"+,3",+#$026,-'.G"//"+,>-?,!!

!

!,

!-*F/*)5'#H@*",>+*0"+,K$0"'$"0,4)$+./02+,/",T,)40)F'",XYYT?,

,SZ M)'/3,1"3*4#/,V++)4*#0*)$,A"4/#'#0*)$,)<,O"/+*$U*Z,[0@*4#/,H'*$4*H/"+,<)',:"3*4#/,'"+"#'4@,*$E)/E*$5,O.:#$,7.F\"40+Z,

M1V,I"$"'#/,V++":F/8Z,O"/+*$U*6,&*$/#$36,!.$",S]^_6,#$3,#:"$3"3,F8,0@",/#+0,'"E*+*)$,>`)U8)?,XYY_,@00HabbRRRZR:#Z$"0b"bH)/*48bFcZ@0:6,,,

XZ M)'/3,1"3*4#/,V++)4*#0*)$,A"4/#'#0*)$,)$,0@",J*5@0+,)<,0@",d#0*"$0,V3)H0"3,F8,0@",c_0@,M)'/3,1"3*4#/,V++":F/8,=*+F)$6,d)'0.5#/6,7"H0":F"'bP40)F"',S]eS,#$3,#:"$3"3,F8,0@",_f0@,I"$"'#/,V++":F/8,-#/*6,K$3)$"+*#6,7"H0":F"',S]]TZ,@00HabbRRRZR:#Z$"0b"bH)/*48b/_Z@0:Z,,

cZ VE*+,3.,5').H",".')H2"$,3;20@*L.",3"+,+4*"$4"+,"0,3"+,$).E"//"+,0"4@$)/)5*"+,#.H'9+,3",/#,4)::.$#.02,".')H2"$$"a,V+H"40+,20@*L."+,3",/;.0*/*+#0*)$,3"+,3)$$2"+,H"'+)$$"//"+,3",+#$02,3#$+,/#,+)4*202,3",/;*$<)':#0*)$,$gSch,cY,\.*//"0,S]]]Z,@00Habb".')H#Z".Z*$0b4)::b".')H"#$i5').Hi"0@*4+b#E*+i)/3i"$Z@0:,

_Z A24/#'#0*)$,D$*E"'+"//",3"+,A')*0+,3",/j@)::"Z,k#0*)$+,D$*"+ZSY,324":F'",S]_e,@00HabbRRRZ.$Z)'5b<'"$4@b#F).0.$b3.3@Z@0:,,

TZ B)$E"$0*)$,".')H2"$$",3"+,3')*0+,3",/j@)::",a,B)$E"$0*)$,3",+#.E"5#'3",3"+,A')*0+,3",/;O)::","0,3"+,=*F"'02+,<)$3#:"$0#/"+,>S]TY?,0"//",L.;#:"$32",H#',/",d')0)4)/",$gSS,>S]]e?,@00Habb4)$E"$0*)$+Z4)"Z*$0b`'"#08b&Jb`'"#0*"+bO0:/bYYTZ@0:,,,

^Z B@#'0",".')H2"$$",3"+,3')*0+,<)$3#:"$0#.G,3",/;D$*)$,".')H2"$$"Z,D[6,d#'/":"$0,".')H2"$Z,P<<*4",3"+,H.F/*4#0*)$+,)<<*4*"//"+,3"+,B)::.$#.02+,".')H2"$$"+Z,!PB[,B,c^_bS,3.,SebSXbXYYY,XXH,"0,S,H,l,!PB[,B,YYfbe,3.,SSbYSbXYYS,>'"40*<*4#0*<?Z,@00Habb".')H#Z".Z*$0b4)::b\.+0*4"i@):"b.$*0b4@#'0"b*$3"Gi<'Z@0:/",

fZ J"4)::#$3#0*)$+,'"/#0*E"+,C,/#,0"$.",3",F#+"+,3",3)$$2"+,:23*4#/"+,4)$0"$#$0,3"+,3)$$2"+,$):*$#0*E"+,).,*3"$0*<*#F/"+6,B)$+"*/,$#0*)$#/,3",/jP'3'",3",:23"4*$+,>-"/5*L."?6,-.//"0*$,3.,B)$+"*/,k#0*)$#/6,$g]f,HZ,^,>3)4,a,VY]fYYe?Z@00HabbS]TZXc_ZSe_Z^_bR"F%&'b<'b#Y]fb#Y]fYYe<Z@0:,

eZ B@"E#/*"',7Z,[0@*L.","0,*$<)':#0*L."6,/#,H')0"40*)$,3"+,3)$$2"+,:23*4#/"+,*$<)':#0*+2"+Z,m`@9+",3",3)40)'#0,"$,:23"4*$"n,&#4./02,3",123"4*$",!#4L."+,=*+<'#$4Z,7#*$0%o0*"$$"6,&'#$4"Z,,V$$2",.$*E"'+*0#*'",XYYX%,XYYc,h,Tf,HHZ,

]Z `@",R)'/3,:"3*4#/,#++)4*#0*)$,3"4/#'#0*)$,)$,"0@*4#/,4)$+*3"'#0*)$+,'"5#'3*$5,@"#/0@,3#0#F#+"+Z,M1V,I"$"'#/,V++":F/86,M#+@*$50)$,XYYXZ,@00HabbRRRZR:#Z$"0b"bH)/*48b3SZ@0:,

SYZ B)$E"$0*)$,<)',0@",H')0"40*)$,)<,O.:#$,J*5@0+,#$3,A*5$*08,)<,0@",@.:#$,-"*$5,R*0@,'"5#'3,0),0@",#HH/*4#0*)$,)<,F*)/)58,#$3,:"3*4*$"a,B)$E"$0*)$,)$,O.:#$,J*5@0+,#$3,-*):"3*4*$"Z,PE*"3),Y_,Y_,S]]fZ,@00Habb4)$E"$0*)$+Z4)"Z*$0b0'"#08b"$b0'"#0*"+b@0:/bS^_Z@0:,


Page 142

N.Etude de Faisabilité : questionnaire04/11/07 19:45Printable Version of Survey

Page 1 of 5http://gavenin.free.fr/phpsurveyor/admin/printablesurvey.php?sid=1

Dossier médicaux electroniques et recherche enmédecine générale.

ENQUETE ANONYME dans le cadre d'une thèse de médecine générale (université Paris 5).

A/ Questions d'ordre générale ? Ces renseignements permettent de caractériser les répondants à l'enquête.

* 01: Etes-vous un homme ou une femme ?

Choisissez seulement une des réponses suivantes :Femme

Homme

* 02: Quel âge avez-vous ?

Ecrivez votre réponse ici :

03: Quel est votre type d'exercice?

Choisissez seulement une des réponses suivantes :

Liberal seul

Exercice mixte

04: Quelle est votre structure d'exercice principal?


Cabinet seul

Cabinet de groupe

Hôpital

Centre de santé

Autre

05: Quelle est votre région d'exercice ?


Alsace

Aquitaine

Auvergne

Basse-Normandie

Bourgogne

Bretagne

Centre

Champagne-Ardenne

Corse

DOM-TOM

Franche-Comté

Haute-Normandie

Ile-de-France

Languedoc-Roussillon

Limousin

Midi-Pyrénées

Nord-Pas-de-Calais

Pays de la Loire

Picardie

Poitou-Charentes

Provence-Alpes-Côte-d Azur

Rhône-Alpes

06: Dans quel environnement exercez-vous ?


Commune rurale

Moins de 20 000 hab.

De 20 000 à 200 000 hab.

De 200 000 à 2 millions hab.

Agglomération parisienne

07: A combien de consultations évaluez-vous votre activité hebdomadaire sur votre lieud'exercice principal?


08: Avez-vous une activité universitaire?

Choisissez toutes les réponses qui conviennent :

Aucune

Enseignement

Maître de stage


Page 143

04/11/07 19:45Printable Version of Survey


Maître de stage

09: Appartenez-vous à l'une des sociétés suivantes ?


CNGE

SFTG

SFMG

SFDRMG

Autre

Aucune

B/ Quel est votre équipement informatique ?10: Utilisez vous l'informatique dans votre activité médicale?

Choisissez seulement une des réponses suivantes :Oui

Non

[Répondez à cette question si vous avez répondu 'Oui' à la question '10 ']

* 11: Quel est votre système d'exploitation ?


Mac

PC

Autre


12: Quel est votre logiciel de dossier médical?

Choisissez seulement une des réponses suivantes :Axisanté

Crossway

Docware

Easyprat

Eglantine

éO

Fisimed

Hellodoc

Hypermed

Medistory

Medicawin

Mediclick

Medigest

Medimust

Megabaze

Ordogest

Shaman

123 sante

Autre

Faites le commentaire de votre choix ici :


13: Combien d'années d'expérience avez-vous avec ce logiciel ?



14: Disposez-vous d'une connexion internet à votre cabinet?


Non

Bas débit

Haut débit


* 15: Votre dossier est-il partagé avec d'autres praticiens de votre cabinet (hors remplaçant

et interne)?


Non


Page 144



Systèmatiquement Régulièrement Irrégulièrement

Rarement

ou

jamais

Le pays de naissance

Les "événements de vie" (décèsde proche, événementprofessionnel...)

La catégorie socio-professionnelle

La désignation comme médecintraitant

C/ Comment utilisez-vous votre logiciel? Cette partie explore votre utilisation du logiciel médical.


16: Quelle(s) partie(s) du dossier médical est (sont) informatisée(s)?


Aucunes

Les données administratives et sesam vital

Les antécédents

Les consultations

Les correspondances et les résultats biologiques

Les ordonnances

[Répondez à cette question si vous avez répondu 'Les ordonnances' ou 'Les données administrativeset sesam vital' ou 'Les correspondances et les résultats biologiques' ou 'Les consultations' à laquestion '16 ']

17: Concernant les données adminstratives, enregistrez-vous les informations suivantes?

Choisissez la réponse appropriée pour chaque élément :

[Répondez à cette question si vous avez répondu 'Les consultations' à la question '16 ' et si vousavez répondu 'Oui' à la question '19 ']

* 18: Quels dictionnaires de codage connaissez-vous?


Dictionnaire des résultats de consultations

Classification Internationale des Soins Primaires

CIM10

Dictionnaire propre au logiciel

Aucun

Autre:

[Répondez à cette question si vous avez répondu 'Les consultations' à la question '16 ']

19: Utilisez-vous un codage ?


Non


* 20: Lequel?


Dictionnaire des résultats de consultations

Classification Internationale des Soins Primaires

CIM10

Dictionnaire propre au logiciel

Aucun

Autre:

[Répondez à cette question si vous avez répondu 'Les consultations' à la question '16 ']

21: Utilisez-vous votre logiciel en "mode orienté problème" ?

Le mode orienté

problème, disponible

sur certains logiciels,

permet de classer les

informations par

problème en plus du

classement par

consultation.


Non

[Répondez à cette question si vous avez répondu 'Les ordonnances' à la question '16 ']

22: Quelle base de données médicamenteuse utilisez-vous pour la prescription?


Vidal

Claude Bernard

Dictionnaire personnel

Autre


Page 145



prioritaire important

moins

important

peu ou

pas

important

Données épidémiologiques de morbidités enmédecine générale

Etudes environnementales

Etudes sur les déterminants sociaux etculturels

Etudes sur des populations particulières(personnes agées, immigrants)

Recherche clinique sur des maladiescommunes

Recherche clinique sur les maladieschroniques

Pharmaco-épidémiologie, pharmaco-vigilance

Recherche de stratégies diagnostiques etthérapeutiques dédiées aux soins primaires

Organisation des soins (parcours desoin,interface spécialiste-généraliste...)

Les soins à domicile

Etudes économiques

[Répondez à cette question si vous avez répondu 'Les ordonnances' à la question '16 ']

23: Prescrivez vous en DCI ?


Non

D/ Participation à la recherche en médecine générale. Où il vous est demandé si ces démarches vous intéressent et quels sont vos priorités et besoins en

terme de recherche.

24: Avez-vous déjà participé à une étude en tant qu'investigateur?


Non

25: Participez-vous à un réseau ou un groupe de recherche?


Non

26: Il est utile de collecter les données de consultations, pour développer la recherche enmédecine générale. Etes-vous d'accord avec cette affirmation ?


Non

[Répondez à cette question si vous avez répondu 'Non' à la question '26 ']

27: Pourquoi?



28: Quels thématiques de recherche devraient être prioritaires pour la médecine générale ?


29: Contribuez-vous à une Base de données de Dossiers Médicaux Electroniques (BDME) ?


Non


30: Laquelle ?

Choisissez seulement une des réponses suivantes :ASTI

Baromètre des pratiques en médecine libérale

Enquête Permanente sur la Prescription Médicale

Enquête pratique des médecins généralistes libéraux

IMS disease analyser

MEDCUR

Observatoire de la médecine générale

Panel de médecins généralistes libéraux de la région PACA

Thales

Autre



Page 146



prioritaire important

moins

important

peu ou

pas

important

Contrepartie intellectuelle (intérêt pour larecherche)

Contrepartie financière (rétribution pourcette activité supplémentaire)

Aide directe à la pratique (mise àdisposition d outil informatique)

Evaluation des pratiques (retourd'information) et Points FMC



31: Seriez-vous prêt à contribuer à une nouvelle base dédiée à la recherche universitaire enmédecine générale?

Il s'agit généralement

d'autoriser un

transfert de ses

données de

consultation

périodiquement,

selon le même

principe que la

télétransmission.


Non

[Répondez à cette question si vous avez répondu 'Non' à la question '31 ']

32: Pourquoi?



33: Seriez-vous prêt à changer de logiciel informatique dans cette optique?


Non


34: Quel bénéfice attendez-vous d'une telle participation?


[Répondez à cette question si vous avez répondu 'moins important' ou 'prioritaire' ou 'important' à laquestion '34 ']

35: En supposant cette participations rallonge de 1 à 2 minutes la durée de la consultation,quelle somme constituerait une indemnité raisonnable?


Envoyer votre questionnaire.

Merci d'avoir complété ce questionnaire. SVP faxez ce questionnaire rempli à : by 2008-08-01.


Page 147

Les Bases de données issues des dossiers médicaux électroniques en France.

Problèmes méthodologiques et perspectives.Les Bases de données issues des Dossiers Médicaux Électroniques ou BDME se construisent à partir des données de consultation du médecin. J’étudie la situation française ; la compare à la situation anglaise et précise les défis méthodologiques des BDME, au travers d’un questionnaire standardisé Docdat. Je présente neuf BDME : l’Observatoire de la Médecine Générale, l’expérience ASTI, Constances et Sentinelles, l’observatoire de l’accès au soin de Médecin du Monde et Thales, Qresearch le GPRD et le RCGP.. La France présente un retard par rapport à l'Angleterre sur la collecte de données longitudinales en médecine générale. Les listes de patients utiles pour apprécier la représentativité des données sont récentes. Un parc logiciel varié et l’absence de culture du codage, facteurs de précisions, sont des handicaps. Un lien étroit avec les laboratoires de recherche est un atout dans la production de travaux scientifiques. L’expérience méthodologique actuelle permet de préciser un cadre précis de développement des BDME, outils pertinents de recherche en médecine générale. Les départements universitaires de médecine générale ont un rôle important à jouer.

Mots clésBase de donnée, Médecine générale, Méthodologie, Recherche, Science de l’Information, Dossier médical.

Database using Electronic Medical Record in general practice in France methodological issues and perspective.Electronic database in general practice is build from the download of the electronic medical record. This work highlights the French situation by comparaison with the english situation, and focus on the main methodological issue.Using the docdat questionnaire, which was elaborate by the London school of hygiene and public Health, six French database are screened: The “Observatoire de la Médecine Générale”, the “Aide au Suivi et à la Thérapeutique Informatisée”, Constances and Sentinelles managed by INSERM, the “Observatoire de l’Accés au Soins” and Thales, which is managed by a private company. RCGP Qresearch and GPRD are also described. France is less performing than the United Kingdom for collecting longitudinal data in primary care. Patient’s list is recent and useful to assess the coverage of data. Software capabilities and the use of classification are important for accuracy. And there must be a link between practice and laboratories.Today we know how to manage electronic database in general practice, which are probably very useful for general practice research. University should be engaged in such experiment.

KeyWordsDatabase, general Practice, Mehtodology, Information technology, Research Electronic Medical record

Thèse de Médecine

Guillaume Avenin 30/05/08

Documents

Methodologie des Bases de données issues des dossiers médicaux électroniques. Etat des lieux et perspectives en France