Titre original :

Méthodes de détection de clusters spatiaux dans le cadre de la surveillance épidémiologique

Mots-clés en français :
  • analyse spatiale
  • détection de cluster
  • surveillance épidémiologique
  • réutilisation de données

  • Épidémies
  • Agrégat spatio-temporel
  • Analyse spatio-temporelle
  • Épidémies de maladies
  • Surveillance épidémiologique
  • Langue : Français
  • Discipline : Médecine. Santé Publique
  • Identifiant : 2020LILUM175
  • Type de thèse : Doctorat de médecine
  • Date de soutenance : 09/06/2020

Résumé en langue originale

Contexte : Plusieurs suspicions de clusters de maladies sont apparues dans des crises sanitaires récentes. Des méthodes statistiques spécifiques ont été développées afin de déterminer si ces agrégats peuvent être expliqués par le hasard ou sont susceptibles de témoigner d’un phénomène réel, mais elles restent peu utilisées dans le cadre de la surveillance épidémiologique. L’objectif de ce travail de thèse était d’étudier la faisabilité de la mise en place d’un système de surveillance épidémiologique orienté vers la détection de clusters spatiaux dans plusieurs contextes d’application : la détection d’épidémies, l’évaluation de leur intensité et le ciblage territorial des actions de prévention / promotion de la santé. Méthodes : Les caractéristiques essentielles d’un système de surveillance épidémiologique permettant de répondre aux besoins identifiés ont été définies. Au regard de ces caractéristiques, plusieurs méthodes prospectives de détection de clusters spatiaux ont été sélectionnées sur la base d’une revue de la littérature. Une intensive étude de simulation a été conduite pour évaluer et comparer les performances de ces méthodes sur des critères de puissance, de sensibilité et de valeur prédictive positive, en considérant des clusters simulés de taille, de risque relatif et de population variables. Les méthodes sélectionnées à l’issue de cette étape ont ensuite été appliquées dans plusieurs contextes épidémiologiques : la détection d’épidémies de grippe et de clusters de maladie à coronavirus de 2019 (Covid-19), l’évaluation de l’intensité d’événements sanitaires par la mortalité toutes causes et le ciblage territorial des actions de prévention des grossesses non désirées. Résultats : L’étude de simulation a permis de montrer que les méthodes conditionnelle et non conditionnelle pour distribution de Poisson sont plus performantes et plus stables que les autres méthodes évaluées. Leur application dans différents contextes épidémiologiques a permis de détecter des clusters pertinents en termes de localisation spatiale, après comparaison au gold standard (suivis épidémiologiques publiés). Les épidémies et événements sanitaires exceptionnels ont été détectés précocement après leur apparition.

Résumé traduit

...

  • Directeur(s) de thèse : Genin, Mickaël

AUTEUR

  • Rousselet, Louis
Droits d'auteur : Ce document est protégé en vertu du Code de la Propriété Intellectuelle.
Accès libre