Pharmacoépidémiologie dans l'asthme
- La sécurité et l'efficacité des traitements sont étudiées dans des études interventionnelles de bonne validité interne (essais cliniques randomisés, à haut niveau de preuve), qui ne prédisent cependant pas complètement les effets observés en conditions réelles d'utilisation (exemple : adhésion).
- À la suite de plusieurs alertes de sécurité médicamenteuse (β2-mimétiques), et depuis la mise à disposition des données digitales (les “big data” en santé), un nombre croissant d'études observationnelles s'intéressent aux caractéristiques des professionnels de la santé et des patients initiant les nouveaux traitements, aux modes d'utilisation, et aux effets de ces traitements, tels qu'ils sont observés dans la vraie vie.
- Lorsqu'elles sont bien conduites (selon les recommandations des bonnes pratiques de pharmacoépidémiologie), les études de pharmacoépidémiologie produisent des résultats robustes, qui permettent de mieux définir la place des traitements, de réduire les risques d'effets indésirables, et d'optimiser l'efficacité en conditions réelles d'utilisation.
Liens d'interêts
M. Belhassen déclare être directrice de la société PELyon, bureau d’études spécialisé en pharmacoépidémiologie.
E. Van Ganse déclare être référent scientifique de la société PELyon.
Autres articles sur « Asthme »
Envoyer à un confrère
Merci de saisir l’e-mail de votre confrère :
Pharmacoépidémiologie dans l’asthme - Figure
Figure. Adhésion thérapeutique selon Vrijens et al. (21).
Tableau I. Variables disponibles pour des études respiratoires dans le Système national des données de santé (SNDS).
des données de santé (SNDS).
ALD : affection de longue durée ; CCAM : classification commune des actes médicaux ; CMU-C : couverture maladie universelle complémentaire ; CPAP : ventilation à pression positive continue ; NABM : nomenclature des actes de biologie médicale ; O2: oxygénothérapie.
| Données des patients | Mois et année de naissance, sexe, département de résidence, mois et année de décès ALD (avec code CIM-10), CMU-C |
|---|---|
| Soins de ville | Diagnostics identifiés par des algorithmes validés (littérature) Contacts médicaux et paramédicaux (médecins généralistes, spécialistes, médecin hospitalier, infirmières, kinésithérapeute, etc.), avec les dates et les coûts Tous les examens réalisés en ville (dates, mais sans les résultats) : biologie, radiologie, spirométrie, tests cutanés (nomenclatures CCAM et NABM), avec les dates et les coûts Tous les traitements délivrés à l’officine (conditionnement précis et dates), avec les dates et les coûts Dispositifs médicaux, avec les dates et les coûts Prestations à domicile (O2, CPAP, etc.), avec les dates et les coûts |
| Soins hospitaliers | Diagnostics de sortie Dates de séjour, actes médicaux (ventilation non invasive, par exemple), services successifs (réanimation, soins intensifs) Traitements de la liste en sus Passages aux urgences (sans diagnostic) |
| Autres | Indemnités journalières et transports sanitaires Chaînage possible des données de terrain (registres, études, essais cliniques) au SNDS |
des données de santé (SNDS).
ALD : affection de longue durée ; CCAM : classification commune des actes médicaux ; CMU-C : couverture maladie universelle complémentaire ; CPAP : ventilation à pression positive continue ; NABM : nomenclature des actes de biologie médicale ; O2: oxygénothérapie.
Tableau II. Avantages et limites des données digitales et des données de terrain.
| Données digitales | Qualité des données Bonne (“contrôle qualité”) Informations détaillées sur les traitements délivrés (nom, dates, posologie) Données sur des périodes prolongées Pas de biais de mémorisation |
|---|---|
| Information saisie avant l’étude Indépendance vis-à-vis des objectifs Analyses annexes possibles |
|
| Intérêt pratique Données immédiatement disponibles Données sur des populations difficiles à étudier en essai clinique (enfants, jeunes adultes mobiles, femmes enceintes, personnes âgées, etc.) Gain de temps et de coûts (pas de recrutement) sans limitation du nombre de patients (grands nombres) Pas de questionnaires (sauf si chaînage) – pas de biais de mémorisation, pas de données manquantes Pas de saisie nécessaire |
|
| Limites Pas d’information sur l’usage réel par le patient (ou la prescription par le médecin), mais uniquement sur la délivrance Données sociodémographiques pauvres, peu de caractéristiques des patients, peu d’informations cliniques ou techniques Accès aux données et gestion des données souvent complexes |
|
| Données de terrain | Qualité des données En théorie, bonne (audits sur site) Informations détaillées sur les traitements prescrits ou utilisés (nom, dates, posologie) Données sur des périodes prolongées (mais biais de mémorisation accru avec la durée de la fenêtre étudiée) |
| Information saisie avant l’étude NA |
|
| Intérêt pratique Possibilité de connaître l’usage réel par le patient (questionnaires d’adhésion, objets connectés) Description précise des patients et des critères de jugement durant le suivi (validité) Possibilité d’études qualitatives (génératrices d’hypothèses) |
|
| Limites Biais de mémorisation (et de désirabilité sociale) Saisie parfois longue et complexe (erreurs) Données manquantes (aberrantes, etc.) Qualité des questionnaires Long, lent, coûteux |
