Réutilisation secondaire des données de vie réelle de santé pour la recherche : Enjeux de la conception et du fonctionnement des entrepôts de données de santé

L'implémentation de systèmes d'information clinique (SIC) dans les établissements de santé a transformé la gestion des données du dossier patient, notamment via la création de larges bases de données de vie réelle. Ces bases constituent des sources d'information clinique pouvant être ré-exploitées à des fins de recherche. Les entrepôts de données de santé (EDS) sont des infrastructures techniques permettant la mise à disposition de ces données aux chercheurs via des bases dédiées aux projets de recherche. Cette thèse examine la génération des données de vie réelle - restreintes aux données issues de la pratique clinique et du système de remboursement - dans un SIC, leur transfert du SIC jusque dans une base de données dédiée à la recherche au sein d'un EDS, et la gestion des EDS pour la recherche. Tout d'abord, nous avons détaillé le processus d'enregistrement et d'intégration des données dans un SIC via une méthodologie basée sur l'analyse des modes de défaillance. Au travers d'une revue de la littérature et de notre expérience au sein de l'Assistance Publique - Hôpitaux de Paris (AP-HP), nous avons identifié les risques liés au SIC pour la qualité des données réutilisées en recherche. Des risques associés à l'acquisition des données ont été identifiés tels que les pannes informatiques, les configurations logicielles et l'utilisation des logiciels qui peuvent affecter la complétude, la précision et la cohérence des données. De plus, nous avons mis en évidence que la complétude des informations sur les patients pouvait être impactée par une mauvaise gestion des identifiants des patients, en particulier lors de changements de SIC. Ensuite, nous avons analysé le transfert de ces données depuis le SIC vers une base de données dédiée à la recherche au sein d'un EDS. Ce transfert est composé d'une succession de processus d'extraction, de transformation et de chargement (ETL) des données. L'étude a révélé que malgré des performances individuelles acceptables, la succession d'ETL pouvait entraîner des pertes d'information dans la base de données mise à disposition des chercheurs. À l'aide d'un modèle de simulation basé sur le SIC de l'AP-HP, nous avons quantifié cet impact : dans le cas où uniquement les patients disposant de toutes les données nécessaires à une étude étaient inclus, les populations analysées dans les bases de l'EDS pouvaient être jusqu'à 90% plus petites que si les informations patient étaient extraites du SIC directement. Enfin, nous nous sommes penchés sur les défis organisationnels et managériaux liés à la conception et à la gestion des EDS. Une analyse qualitative par entretiens réalisée en France et en Belgique a montré la nécessité de collaborations efficaces entre les différentes parties prenantes des EDS ainsi qu'une gestion solide des connaissances solide au sein des institutions. Bien que prometteurs, les EDS semblaient manquer d'une vision commune partagée par l'ensemble des parties prenantes pour assurer leur succès en recherche.