Aller au contenu principal
Données de santé administratives imparfaites : pouvons-nous faire mieux?
Responsable et président: Lisa Lix (University of Saskatchewan)
[PDF]
YULEI HE, Harvard University
Comment combiner des informations de sources multiples sur les variables de services de santé  [PDF]

Les mesures de certaines variables de services (p. ex., recours aux centres de soins palliatifs) sont d'importants indicateurs de la qualité des soins aux personnes atteintes de cancer. L'étude « Cancer Care Outcomes Research and Surveillance » (CanCORS) a recueilli ces variables via diverses sources (enquêtes auprès des patients, résumés de dossiers médicaux, registres sur le cancer et données tirées des demandes d'assurance-maladie). La représentativité des échantillons varie selon les sources et la communication des données peut être entachée d'erreurs. Nous commençons par estimer les types d'erreurs de communication en prenant une source (p. ex., demandes) comme gold standard. Les résultats entachés d'erreurs provenant d'autres sources peuvent ensuite être corrigés/imputés à l'aide d'un modèle statistique. Une analyse valable peut alors être effectuée sur la base de données en provenance de sources multiples.

MARTIN LADOUCEUR, McGill University
Étude de la robustesse des estimations de la prévalence à partir de données administratives mal classées par l'utilisation de modèles de classes latentes  [PDF]

On ne recueille habituellement pas de l'information provenant de bases de données administratives médicales pour la recherche. Un grand nombre de ces données contient des proportions substantielles d'erreurs de classement. Par exemple, des erreurs dans l'attribution d'une certaine maladie à certains individus peuvent biaiser les estimations de la prévalence. Nous tenterons d'estimer la prévalence de l'ostéoarthrite chez les personnes âgées québécoises par l'utilisation d'une base de données administrative du gouvernement. Nous comparerons une estimation naïve qui repose seulement sur les diagnostics d'ostéoarthrite des médecins généralistes. Ces diagnostics sont énumérés dans la base de données avec des estimations provenant de divers modèles bayésiens de classes latentes, qui ajustent les codes de diagnostic mal classés au moyen des indices diagnostiques disponibles.

KHOKAN SIKDAR, Newfoundland and Labrador Centre for Health Information
Défis et possibilités d'utilisation des données de gestion de santé pour améliorer la détermination des cas de maladie chronique  [PDF]

Les données de gestion jouent un rôle important dans la recherche sur la santé des populations et la surveillance des maladies, particulièrement en matière de détermination des cas. Ces données sont souvent facilement accessibles, économiques et englobent généralement de vastes populations. Toutefois, des lacunes dans l'information clinique, notamment en ce qui concerne les pratiques de facturation des médecins et le codage, peuvent affecter notre capacité à déterminer les cas de maladie chronique valides; cela peut affecter l'exactitude et la complétude des données. Cette présentation utilise diverses méthodes, dont l'estimation du ratio et la méthode capture-recapture, pour tenir compte de l'incomplétude des données et estimer l'incidence et la prévalence du diabète en Terre-Neuve et Labrador. Nos recherches montreront comment ces méthodes peuvent aider à améliorer la détermination des cas en la présence de données incomplètes.