Surveillance sanitaire à partir de données des services d'urgence : modélisation de séries temporelles et analyse automatique - DUMAS - Dépôt Universitaire de Mémoires Après Soutenance
Master Thesis Year : 2010

Surveillance sanitaire à partir de données des services d'urgence : modélisation de séries temporelles et analyse automatique

Abstract

Before the 2003 heat wave, French public health surveillance systems were mainly focused on known diseases (notifiable diseases, influenza, gastroenteritis...). Considering the important health consequences of this heat wave, the objective of health surveillance systems has become more general. A non-specific surveillance system has been developed to prevent unexpected health events. The goal is to detect any unusual sanitary event, in order to prevent its effects. The diversity and the large number of count data analysed daily in such system need to implement statistical methods routinely in order to trigger an alarm when the value of the observed count data deviates from its usual level. The objectives of this training course were to compare and evaluate the performance of three statistical methods for continuous monitoring of hospital activity data (Hutwagner's cusum control charts, Farrington's Algorithm, Arima method), and to establish a non-specific monitoring system based on the most efficient methods. A specific surveillance system based on the Serfling's regression method was also proposed for strengthen the existing control system. This comparison was made with semi-artificial time series of hospital activity count data. Several indicators, including sensitivity and specificity were calculated. The study results have showed a predominance of methods using large historical data (Farrington and Arima). However, given the wide variety of time series and surveillance objectives, it seems useful to analyse data using several methods.
Avant la canicule de 2003, la surveillance sanitaire en France était essentiellement portée sur des pathologies connues (maladies à déclaration obligatoire, grippe, gastro-entérites...). Mais au vue des conséquences sanitaires importantes de la vague de chaleur de l'été 2003, l'objectif d'une surveillance sanitaire plus générale s'est imposé. À la surveillance spécifique qui était en place est venue s'ajouter une surveillance dite " non-spécifique " dont le but est de détecter tout événement sanitaire inhabituel, afin d'en prévenir suffisamment tôt les effets. Le nombre important de données à analyser quotidiennement et leur grande diversité nécessitent de disposer de méthodes statistiques permettant en routine de déclencher une alarme lorsque la valeur d'un indicateur s'écarte de son niveau habituel. Les objectifs de ce stage s'inscrivent dans cette perspective : comparer et évaluer les performances de trois méthodes statistiques pour la surveillance continue de données d'activité hospitalière (Cartes de contrôle cusum décrites par Hutwagner, Algorithme de Farrington, méthode Arima), et mettre en place un système de surveillance non-spécifique qui s'appuie sur les méthodes les plus performantes. En complément de ce travail, un système de surveillance spécifique basé sur la méthode de régression de Serfling a également été proposé pour l'analyse de séries temporelles de cas de Bronchiolite et de gastroentérites afin de renforcer le dispositif existant. La comparaison a été effectuée au moyen de séries semi-artificielles issues de données des urgences. Plusieurs indicateurs, dont la sensibilité et la spécificité ont été calculés. Les résultats de la phase de test montrent une prédominance des méthodes à historique long (Farrington et Arima). Néanmoins, compte tenu de la grande diversité des séries à analyser et des objectifs de surveillance, il semble intéressant d'effectuer la surveillance non-spécifique au moyen de plusieurs méthodes.
Fichier principal
Vignette du fichier
M1-2010-Jung.pdf (1.79 Mo) Télécharger le fichier
Loading...

Dates and versions

dumas-00516268 , version 1 (09-09-2010)

Identifiers

  • HAL Id : dumas-00516268 , version 1

Cite

Nicolas J. Jung. Surveillance sanitaire à partir de données des services d'urgence : modélisation de séries temporelles et analyse automatique. Méthodologie [stat.ME]. 2010. ⟨dumas-00516268⟩
283 View
994 Download

Share

More