Médecine

Paramédical

Autres domaines


S'abonner

Identification des maladies neurodégénératives dans les bases de données médicoadministratives en France : revue systématique de la littérature - 22/03/17

Identification of neurodegenerative diseases in administrative databases in France: A systematic review of the literature

Doi : 10.1016/j.respe.2017.01.115 
A. Gallini a, b, c, F. Moisan d, G. Maura e, L. Carcaillon-Bentata d, E. Leray f, m, J. Haesebaert g, h, A. Bruandet i, E. Moutengou d, L. Luciano j, A. Weill e, B. Marin k, l, V. Gardette a, , b, c
a Inserm UMR 1027, épidémiologie et analyses en santé publique, 37, allées Jules-Guesde, 31000 Toulouse, France 
b Département d’épidémiologie, économie de la santé et santé publique, faculté de médecine, université de Toulouse III, 31000 Toulouse, France 
c Service d’épidémiologie, CHU de Toulouse, 31000 Toulouse, France 
d Santé publique France, 94415 Saint-Maurice, France 
e Département des études en santé publique, Caisse nationale d’assurance maladie des travailleurs salariés, 75986 Paris cedex 20, France 
f École des hautes études en santé publique, 35043 Rennes, France 
g Pôle Imer, hospices civils de Lyon, 69003 Lyon, France 
h Hesper EA 7425, université Lyon, université Claude-Bernard Lyon 1, 69008 Lyon, France 
i Département d’information médicale, CHRU de Lille, Lille, France 
j Direction de la recherche, des études, de l’évaluation et des statistiques, ministères chargés de la santé, des solidarités et des comptes publics, 75014 Paris, France 
k Inserm UMR 1094, neuroépidémiologie tropicale, 87000 Limoges, France 
l UMR_S 1094, CNRS FR 3503 GEIST, neuroépidémiologie tropicale, institut d’épidémiologie neurologique et de neurologie tropicale, université de Limoges, 87000 Limoges, France 
m EA 7449 REPERES, EHESP, université Rennes I, 35043 Rennes, France 

Auteur correspondant.
Sous presse. Épreuves corrigées par l'auteur. Disponible en ligne depuis le mercredi 22 mars 2017
Cet article a été publié dans un numéro de la revue, cliquez ici pour y accéder

Abstract

Background

Given the health, social and economic burden of neurodegenerative diseases (ND), the development of epidemiologic studies is required. Administrative databases, such as the French national health insurance database (SNIIRAM) could represent an opportunity for researchers. ND could be presumed from drug reimbursement data, hospital stays or registration of a chronic condition. The aim of this study was to describe, in French administrative databases, algorithms used to identify Alzheimer's disease and associated disorders (ADAD), Parkinson's disease and associated disorders (PDAD), multiple sclerosis (MS), and amyotrophic lateral sclerosis (ALS).

Methods

A systematic literature review was performed in Medline and gray literature through December 31th, 2015. French studies focusing on ADAD, PDAD, MS or ALS as a primary health outcome, conducted among one of the SNIIRAM data sources (outpatient reimbursements, chronic condition registration, hospital discharge) were included.

Results

Thirty-four studies were included (ADAD, n=18, PDAD, n=9, MS, n=4, ALS, n=3), leading to 36 algorithms. For each studied ND, there was an important variability in the algorithms, concerning (i) the type of criteria used (administrative database versus multi-source systems); (ii) the number of criteria used; (iii) the definition used for each criteria. The extent and level of drug exposure highly varied. Identification through hospitalizations showed variations in terms of type of stay (short stay, long-term stay, psychiatric ward…), extent of diagnosis codes used, diagnosis type (principal, related, associated diagnosis) and period used. A validation study was conducted for 2 out of 36 algorithms (PDAD), and criteria completeness was estimated for 3 algorithms (MS, ALS).

Conclusion

Despite the increase in ND identification among French administrative databases, few algorithms have been validated. Validation studies should be encouraged.

Le texte complet de cet article est disponible en PDF.

Résumé

Position du problème

Devant le poids sanitaire, social et économique des maladies neurodégénératives (MND), le développement d’études épidémiologiques portant sur ces pathologies est nécessaire. Les bases de données médicoadministratives (BDMA) françaises, telles que le Système national d’information interrégimes de l’assurance maladie (Sniiram), représentent une opportunité. Les MND peuvent potentiellement y être identifiées par plusieurs critères, notamment les délivrances médicamenteuses (MED), la mention d’une MND dans le cadre d’une affection de longue durée (ALD), ou encore d’une hospitalisation (PMSI). L’objectif de ce travail était de décrire les algorithmes définis à partir des données des BDMA françaises pour identifier la maladie d’Alzheimer ou syndromes apparentés (MASA), la maladie de Parkinson ou syndromes apparentés (MPSA), la sclérose en plaques (SEP), et la sclérose latérale amyotrophique (SLA).

Méthodes

Une revue de la littérature a été menée jusqu’au 31 décembre 2015 dans Medline et la littérature grise. Elle incluait toutes les études françaises conduites dans au moins l’une des trois sources du Sniiram (consommation de soins, ALD, PMSI) et portant sur l’une des quatre pathologies d’intérêt (MASA, MPSA, SEP, SLA) en tant qu’état de santé principal.

Résultats

Au total, 34 études ont été retenues (MASA, n=18, MPSA, n=9, SEP, n=4, SLA, n=3), chacune présentant un ou plusieurs algorithmes (n=36). Pour chaque MND, on observe une importante variabilité, en termes de : (i) type de critères mobilisés par l’algorithme (exclusivement issus des BDMA versus systèmes multi-sources) ; (ii) nombre de critères mobilisés ; (iii) définition retenue pour chaque critère. Le périmètre des médicaments retenus et la quantité minimale d’exposition différaient. Concernant le critère PMSI, la variabilité portait sur le champ du PMSI (court séjour, soins de suite et réadaptation, psychiatrie ou hospitalisation à domicile), les codes diagnostiques, le type de diagnostic (principal, relié, associé) et l’historique des données. Deux algorithmes sur 36 ont fait l’objet d’une validation (MPSA) et l’exhaustivité des critères de l’algorithme a été estimée pour trois algorithmes (SEP, SLA).

Conclusion

Si plusieurs méthodes d’identification des MND dans les BDMA françaises existent, peu ont fait l’objet d’une évaluation de leurs performances diagnostiques. Des travaux de validation doivent être encouragés.

Le texte complet de cet article est disponible en PDF.

Keywords : Administrative database, Algorithm, Neurodegenerative disorders, Alzheimer's Disease, Parkinson's Disease, Multiple sclerosis, Amyotrophic lateral sclerosis

Mots clés : Bases de données médicoadministratives, Algorithmes, Maladies neurodégénératives, Alzheimer, Parkinson, Sclérose en plaques, Sclérose latérale amyotrophique


Plan


© 2017  Elsevier Masson SAS. Tous droits réservés.
Ajouter à ma bibliothèque Retirer de ma bibliothèque Imprimer
Export

    Export citations

  • Fichier

  • Contenu

Bienvenue sur EM-consulte, la référence des professionnels de santé.
L’accès au texte intégral de cet article nécessite un abonnement ou un achat à l’unité.

Déjà abonné à cette revue ?

Mon compte


Plateformes Elsevier Masson

Déclaration CNIL

EM-CONSULTE.COM est déclaré à la CNIL, déclaration n° 1286925.

En application de la loi nº78-17 du 6 janvier 1978 relative à l'informatique, aux fichiers et aux libertés, vous disposez des droits d'opposition (art.26 de la loi), d'accès (art.34 à 38 de la loi), et de rectification (art.36 de la loi) des données vous concernant. Ainsi, vous pouvez exiger que soient rectifiées, complétées, clarifiées, mises à jour ou effacées les informations vous concernant qui sont inexactes, incomplètes, équivoques, périmées ou dont la collecte ou l'utilisation ou la conservation est interdite.
Les informations personnelles concernant les visiteurs de notre site, y compris leur identité, sont confidentielles.
Le responsable du site s'engage sur l'honneur à respecter les conditions légales de confidentialité applicables en France et à ne pas divulguer ces informations à des tiers.