- Utiliser les données publiques certifiées et disponibles (directement accessibles (openDAMIR, openMEDIC, etc.) pour l'analyse des bases de données de l'Assurance maladie et des autres producteurs de données.
- Etudes en vie réelle (données de santé en vie réelle #DSVR) : études à partir des données de santé semi-agrées directement accessibles (pour des groupes homogènes de patients : parcours de soins, coût de la maladie, analyse des prescriptions, analyse de la consommation médicale en nature d'actes, volume et valeur)
- Analyse des sentiments des patients : analyse textuelle des réseaux sociaux (diabète, asthme, etc.) : méthodologie scientifique publiée
Ces études permettent de proposer à nos partenaires des analyses statistiques adaptées à leurs besoins à partir d'un ensemble de données publiques disponibles (bases de données Assurance maladie, Hôpital, bases de données des industriels de santé, open data santé, environnement, économie, sociologie, marketing, réseaux sociaux).
- Rédaction du protocole de l'étude statistique ou médico-économique
- Collecte des données (directement accessibles : openDAMIR, etc.)
- Analyse statistique des données (technologies R, Python)
- Rédaction d'un rapport statistique
- Présentation des résultats de l'étude
- Publication des résultats de l'étude
Définition : La recherche de l'efficacité comparative d'un traitement innovant est l'estimation de son service médical rendu et de son amélioration du service médical rendu, par rapport au meilleur des traitements existants ou par rapport à l'ensemble des traitements existants (méta-analyses en réseau bayésiennes multi-traitements, NMA, technologies : R, Winbugs).
- Rédaction du protocole de l'étude
- Recherche de la quantité d'effet de l'arsenal thérapeutique existant à partir d'une revue de la littérature : Méta-analyse classique (R)
- Positionnement d'une technologie innovante dans l'arsenal thérapeutique existant : Méta-analyse multi-traitements (Winbugs, R)
- Programmation informatique de la méta-analyse
- Analyse statistique et interprétation des résultats
- Rédaction d'un rapport d'étude
- Présentation de l'étude et des résultats auprès du donneur d'ordre et des instances décisionnelles
Définition : L'estimation en univers incertain de l'efficience ex-ante d'une stratégie de santé ou d'un traitement innovant nécessite la construction d'une frontière d'efficience et le positionnement des stratégies comparées relativement à cette frontière. Le développement de modèles markoviens ou semi-markoviens coût-efficacité (ou coût-utilité) permet la construction de cette frontière d'efficience. Le protocole d'étude est fondé sur le guide HAS "Choix méthodologiques pour l'évaluation économique à la HAS", juillet 2020.
Nos prestations :
- Franck MAUNOURY, PhD, HDR, peut également vous aider à valider vos modèles médico-économiques (vérification des formules de calcul et tests fonctionnels par un statisticien économiste de la santé expérimenté non impliqué dans le développement de votre modèle) : Cette procédure est généralement requise par la HAS dans le cadre de la validation interne des modèles médico-économiques (cf. avis HAS-CEESP).
Guide HAS "Choix méthodologiques pour l'évaluation économique à la HAS", juillet 2020
Rédaction des dossiers CEESP (site web HAS)
Evaluation médico-économique (www : pour la Commission Evaluation Economique et Santé Publique, CEESP) --> [Efficience des technologies de santé : Dossier de 1ère inscription, AVIS D'EFFICIENCE, dossiers de ré-inscription]
Définition : L’estimation en univers certain de l’efficience ex-post d’une stratégie de santé financée par la collectivité : Exploitation statistique de données medico-économiques en vie réelle (études de coût de la pathologie, de réinscription des produits et technologies de santé, parcours de soins, modalités de prescription des traitements en vie réelle, etc.). Etudes économétriques comparatives en vie réelle fondée sur le recours aux instruments micro économétriques (score de propension haute dimension, variables instrumentales).
- Rédaction du protocole de l'étude SNDS données de santé en vie réelle (#DSVR)
- Présentation du protocole de l'étude en vie réelle devant le SEESP et le CEPS
- Collecte des données
- Traitement statistique des données et interprétation des résultats
- Rédaction d'un rapport d'étude
- Présentation des résultats de l'étude auprès du donneur d'ordre et des instances décisionnelles
- Publication de l‘étude dans une revue scientifique internationale à comité de lecture
Sources de données et méthodes :
- Sources de données : Suivi d'une cohorte de patients en vie réelle (inclusions par les médecins), analyses des bases de données médico-administratives SNDS (SNIIRAM, PMSI, CepiDC, complémentaires santé, handicap)
- Méthodes : Régression linéaire multiple, régression logistique, régression polytomique ordonnée, modélisation semi-markovienne (parcours de soins, temps passé dans un état de santé sur un horizon donné)
- Types d'études : Etudes de coût de la maladie et parcours de soins, consommation médicale périodique, segmentation des caractéristiques patients et professionnels de santé
- Comparabilité des groupes de patients inclus dans l'étude : Méthode du score de propension haute dimension (probabilité conditionnelle pour un individu d'appartenir au groupe traité, sachant les nombreuses caractéristiques des individus du groupe témoin disponibles dans le SNDS ou autre BDMA)
