S'abonner

Caractérisation de profils de pharmacodépendance à partir d’une base de données de surveillance - 25/04/15

Doi : 10.1016/j.respe.2015.03.026 
F. Feuillet a, , M. Rousselet b, F. Perrouin b, E. Peron b, J.-B. Hardouin a, C. Victorri-Vigneau b
a EA 4275 SPHERE, université de Nantes/plate-forme de biométrie, CHU de Nantes, Nantes, France 
b EA 4275 SPHERE, centre d’évaluation et d’information sur la pharmacodépendance (CEIP), CHU de Nantes, Nantes, France 

Auteur correspondant.

Résumé

Introduction

En France, le réseau des Centres d’évaluation et d’information sur la pharmacodépendance (CEIP) a pour mission d’évaluer le potentiel de dépendance des médicaments et substances. Ils disposent pour cela d’un outil permettant de recueillir les notifications des cas d’abus et de dépendance émanant des professionnels de santé. Un score, renseigné pour chaque cas de notification, a été validé lors d’une étude antérieure. Il permet de définir un profil de gravité de la dépendance lié à l’utilisation de la substance étudiée. Ce score de gravité repose sur les sept items de la définition de la dépendance du DSM IV auquel a été ajouté un item évaluant le mésusage.

Objectif

Proposer, à partir du score de gravité, des indices statistiques adaptés et des représentations graphiques originales permettant de comparer les profils de dépendance de différentes substances et de distinguer différents profils de consommateurs pour une même substance.

Méthodes

Le score de gravité est composé de huit items binaires (positif/négatif), répartis en deux dimensions : « signes physiques et compulsifs de la dépendance » et « conséquences dommageables de la dépendance ». Chaque item est exprimé en taux de positivité. Un graphique en 3D permet d’illustrer les profils de dépendance : les axes X et Y représentent chacun une dimension du score, l’axe Z représente le taux de notifications. Ces informations sont également représentées sur une surface, le taux de notifications étant alors défini selon une échelle de couleur. Afin de déterminer l’homogénéité d’un profil de dépendance, une courbe est définie à partir des différences entre les taux de notifications observés et les valeurs moyennes de ces taux (méthodologie CUSUM, « Cumulativ Sum »). La valeur de l’aire sous la courbe CUSUM permet de classer un profil de dépendance par rapport aux profils d’autres substances, en fonction de leur homogénéité. Une classification ascendante hiérarchique est appliquée à partir des deux dimensions du score. Cette méthode permet de mettre en évidence l’existence, ou non, de populations avec des caractéristiques distinctes concernant la dépendance à une même substance.

Résultats

Actuellement, la base de données du CEIP de Nantes contient 1276 notifications avec un score complet (huit items remplis). Un outil informatique a été développé afin d’automatiser et mettre à jour régulièrement les rapports de résultats. Une comparaison visuelle est réalisée à partir des représentations graphiques 3D et surface. À titre d’exemple, pour la molécule zopiclone, on observe une population globale peu homogène (AUC=830). Deux populations différentes peuvent être définies : (1) les notifications pour lesquelles les items de la dimension « conséquences dommageables » ont un taux de positivité élevé (100 % pour 3 des 4 items), (2) les notifications pour lesquelles le taux de positivité des items est en moyenne moins élevé. Comparée à d’autres substances psychoactives, la zopiclone semble être une molécule avec une pharmacodépendance moyenne.

Conclusion

La création de cet outil novateur supplémentaire du réseau des CEIP permet d’apporter une réponse rapide en ce qui concerne le profil de dépendance de substances d’intérêt ou de substances émergentes. Ceci permettrait d’aider à la décision en santé publique lors des évaluations des substances et de repérer les alertes en comparant les profils des médicaments apparaissant dans la base au profil de substances déjà connues.

Le texte complet de cet article est disponible en PDF.

Mots clés : Pharmacodépendance, Score de gravité, Représentations graphiques


Plan


© 2015  Publié par Elsevier Masson SAS.
Ajouter à ma bibliothèque Retirer de ma bibliothèque Imprimer
Export

    Export citations

  • Fichier

  • Contenu

Vol 63 - N° S2

P. S48 - mai 2015 Retour au numéro
Article précédent Article précédent
  • Persistance aux anticancéreux oraux dans le cancer du sein : étude basée sur les données nationales de remboursement de l’assurance maladie française
  • P. Bosco, J. Jové, P. Robinson, N. Moore, A. Fourrier-Réglat, J. Bézin
| Article suivant Article suivant
  • Estimation de modèles à équations structurelles par algorithme EM pour l’analyse longitudinale de la qualité de vie relative à la santé en cancérologie
  • M. Tami, A. Barbieri, X. Bry, D. Azria, S. Gourgou, C. Mollevi, C. Lavergne

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

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.


Tout le contenu de ce site: Copyright © 2024 Elsevier, ses concédants de licence et ses contributeurs. Tout les droits sont réservés, y compris ceux relatifs à l'exploration de textes et de données, a la formation en IA et aux technologies similaires. Pour tout contenu en libre accès, les conditions de licence Creative Commons s'appliquent.