Les maladies infectieuses émergentes sont devenues un enjeu majeur de santé publique ces dernières années et sont à l’origine de nombreuses crises sanitaires touchant en majorité les régions tropicales et subtropicales telles que la Caraïbe. À l’heure actuelle, les systèmes de surveillance syndromique basés sur la collecte et l’analyse de données souffrent de plusieurs limites, notamment les délais entre un événement de santé et sa notification et le coût élevé de ces systèmes, alors que l’accélération de la propagation de ces pathologies demande des systèmes de plus en plus réactifs. Des alternatives basées sur les données de vie réelle, c’est-à-dire l’ensemble des données recueillies en dehors de la recherche clinique, sont étudiées depuis plusieurs années pour tenter de répondre aux enjeux de réactivité et de disponibilité des données. L’objectif de cette thèse est d’évaluer la place des données de vie réelle dans la surveillance syndromique et plus spécifiquement de la surveillance de la dengue dans la Caraïbe. Cette thèse sur articles explore trois axes importants : une première partie fait un état des lieux et étudie les enjeux des systèmes de surveillance syndromique dans la Caraïbe. La seconde partie expose les verrous liés aux données de vie réelle. La troisième partie explore les verrous liés à l’exploitation des données à travers le cas d’usage de la surveillance de la dengue en Martinique. Enfin, la discussion s’intéresse aux atouts et contraintes des données de vie réelle dans la surveillance syndromique et leur place dans la préparation (preparedness) et la capacité de réponse des systèmes à répondre aux épidémies.

Introduction : La dématérialisation des données patients permet aujourd’hui une réutilisation secondaire de ces données pour d’autres usages que le soin : la recherche, la médecine personnalisée ou encore les vigilances. Des technologies telles que les entrepôts de données biomédicales ont émergé pour répondre au besoin d’exploitation de ces données hétérogènes (multi-domaines, multi-échelles). Ces technologies permettent aujourd’hui d’envisager de nouveaux usages dans le domaine médico-économique et en particulier pour l’optimisation du codage de l’information hospitalière. L’objectif de ce travail est donc d’évaluer l’apport des données de prescriptions médicamenteuses pour la détection et le codage des comorbidités des patients. Méthodes : Nous nous sommes appuyés sur la base de connaissance médicamenteuse Thériaque que nous avons préalablement enrichie avec la liste de Comorbidités et Morbidités Associées (CMA) pour identifier les indications (présentes en codes diagnostics CIM-10) relatives à chaque médicament. Nous avons ensuite mis en relation les prescriptions hospitalières des patients et leurs indications fournies par la base Thériaque. Enfin, nous avons analysé la cohérence entre les comorbidités déjà présentes dans les dossiers patients et les indications des médicaments qui ont été prescrits. La finalité était de pouvoir cibler les séjours des patients dont au moins une prescription ne possédait de comorbidité faisant partie de ses indications Cet algorithme a été évalué sur deux échantillons de patients du CHU de Rennes extraits à partir de l’entrepôt de données biomédicales EHOP : un échantillon de patients du service d’ORL hospitalisés entre octobre et décembre 2014 ; une population de patients hospitalisés quel que soit le service entre janvier et février 2015. Les dossiers patients correspondant aux séjours identifiés par l’algorithme sur ces deux échantillons ont été relus afin d’affirmer si une comorbidité faisant partie des indications des prescriptions pouvait ou non être rajouté. Résultats : Sur les 22 132 codes présents dans la base Thériaque, 19 970 (90.2%) étaient associés à un ou plusieurs diagnostics CIM-10 et 11 162 (50.4%) étaient associés à l’une des 4878 comorbidités de la liste des CMA. Sur les 122 séjours de l’échantillon d’ORL, 75.4% avaient au moins une indication médicamenteuse sans code CIM-10 correspondant. Des comorbidités manquantes ont pu être confirmées dans 44.6% des séjours. Sur les 4312 séjours de l’échantillon tout service confondu, 68.4 % avaient au moins une indication médicamenteuse sans code CIM-10 correspondant. Des comorbidités manquantes ont pu être confirmées dans 20.3% des séjours. Conclusion : Nous avons développé un algorithme simple, basé sur des données accessibles pour une réutilisation secondaire. Cette étude montre que les bases de connaissances et les données de prescription et de biologie peuvent se compléter pour détecter des comorbidités dans le dossier patient.