Cohortes épidémiologiques en population

Les expériences adverses dans l’enfance (violences physiques, psychologiques ou sexuelles) sont associées à un risque accru de symptômes physiques persistants à l’âge adulte, mais cette association est inexpliquée. Au-delà de facteurs spécifiques à certaines pathologies biomédicales, la dérégulation du système de réponse au stress résultant de ces expériences pourrait notamment expliquer certains symptômes dits "médicalement inexpliqués", affectant 9 % de la population européenne avec un coût sociétal majeur. Notre projet, qui s’inscrit dans le prolongement des projets PSY²COVID et DISCORDS initiés par notre équipe en 2022, vise à identifier des facteurs psychosociaux pouvant expliquer le lien entre expériences adverses dans l’enfance et dyspnée fonctionnelle (c’est-à-dire présente malgré des tests spirométriques normaux et en l’absence de pathologie pouvant l’expliquer) prise comme modèle de symptôme médicalement inexpliqué. En effet, nous avons montré que la dyspnée fonctionnelle prédisait l’occurrence de divers symptômes physiques persistants. Nous examinerons aussi l’association entre nouveaux évènements médicaux et l’apparition de symptômes physiques persistants, en examinant le potentiel effet modificateur des expériences adverses dans l’enfance. Nous utiliserons les données, collectées par questionnaire et examens médicaux, de la cohorte CONSTANCES, représentative de la population générale française de 18 à 69 ans affiliée au régime général de la sécurité sociale. Notre étude vise à contribuer au développement d’un modèle biopsychosocial prenant en compte la plupart des connaissances épidémiologiques et cliniques sur les symptômes physiques persistants et leur prise en charge. Elle vise aussi à faciliter l’identification, par les professionnels de santé, de sujets chez qui ces symptômes pourraient être liés à des expériences adverses dans l’enfance, fréquentes en population générale mais rarement rapportées lors des consultations.

Le projet vise à (i) à construire une plateforme pour gérer des données de santé massives et les rendre utilisables par les chercheurs ; (ii) utiliser les outils de la théorie des graphes pour décrire le système de soins d’une manière systématique et quantitative; (iii) développer des outils de machine learning pour comprendre la forme des graphes et prédire leurs conséquences sur la santé des patients; (iv) éclairer les politiques publiques pour améliorer l’efficacité du système de soins français. Nous avons accès à l’intégralité des consultations et autres actes médicaux, prescriptions et séjours hospitaliers pour l’ensemble de la population vivant en France. Les données couvrent les année 2008 à 2018. Nous allons représenter cet unique jeu de données comme une série de graphes bipartites, géolocalisés, qui évoluent dans le temps. Ces graphes ont deux sortes de sommets, les patients et une catégorie de professionnels (par exemple les médecins généralistes). Un patient et un médecin sont connectés s’ils se sont rencontrés au moins une fois durant l’année courante. Le graphe informe aussi sur la manière dont les médecins partagent les patients et se les adressent les uns aux autres. Nous allons développer des outils économétriques et de machine learning pour expliquer et/ou prédire l’allocation des patients aux professionnels en fonctions de leurs caractéristiques (localisation, pathologie du patient, spécialité du médecin, etc.). Nous voulons comprendre la formation des graphes et les utiliser pour estimer l’impact causal du système sur la consommation de soins et les performances de santé (prescriptions, admissions à l’hôpital en urgence, mortalité, etc.). Nous examinerons si certaines configurations locales de l’offre (notamment en termes de distribution géographique) sont plus efficaces que d’autres. Nous construirons des indicateurs d’accessibilité et quantifieront l’impact des déserts médicaux sur la santé de la population.

L’exposition domestique aux moisissures est un facteur de risque associé au développement et/ou à l’évolution de plusieurs maladies respiratoires (notamment l’asthme et la rhinite). En plus de ces effets négatifs sur la santé, des inégalités sociales fortes sont associées à l’exposition aux moisissures. Afin de permettre la mise en œuvre de politiques efficaces de prévention du développement des moisissures intérieures, et de réduire son impact en santé publique en France, il est essentiel d’améliorer nos connaissances sur cette problématique. Dans ce contexte, nous proposons d’investiguer la la contamination fongique dans les logements en France à partir de deux sources de données, incluant i) les caractéristiques des logements, ainsi que les caractéristiques géographiques, socio-économiques et de santé collectées à l’aide de questionnaires standardisés pour ~118 000 participants de la cohorte nationale française Constances (www.constances.fr), ii) une évaluation quantitative et qualitative objective de la contamination fongique à grande échelle à l’aide de capteurs électrostatiques à poussières exposés pendant plusieurs semaines dans les logements de 2000 participants sélectionnés en fonction de la présence ou non de moisissures visibles, ou de facteurs associés à leur développement. Au total, cette approche holistique permettra d’apporter des données nouvelles sur la contamination fongique des logements français, sa distribution spatiale, les populations à risque, ainsi qu’une clarification des déterminants de la contamination fongique et de ses effets sur la santé respiratoire en particulier pour les pathologies autres que l’asthme ou la rhinite. Ces données seront utilisées pour la création d’une plateforme de formation en ligne sur la caractérisation et la prise en charge des moisissures intérieures, afin de permettre une meilleure connaissance du grand public et des professionnels sur cette problématique.

Dans ce projet, nous proposons la mise en place d’un module de mesure de variables d’économie comportemental au sein de la cohorte épidémiologique Constances afin de mesurer les préférences individuelles des patients vis à vis du risque, de l’ambiguïté et du temps. Ces variables psychologiques et les biais qui y sont potentiellement associés sont les éléments de base des modèles normatifs et descriptifs des comportements de santé en économie de la santé et en économie comportementale. Dans le WP1, nous mettrons en place le dispositif sur le plan administratif et logistique et adresserons notre module par internet à un sous-échantillon représentatif de la cohorte Constances lors de deux vagues d’interrogation à un an d’écart. Notre objectif est d’obtenir une mesure répétée des préférences individuelles de 5000 volontaires Constances. Nous apparierons les données du module avec les données pertinentes des questionnaires de suivi constances, des examens de santé d’inclusion et du SNIRAM. Le data manager et le statisticien recrutés spécialement pour ce projet (pour respectivement 24 et 18 mois) prépareront alors les bases de données et statistiques préliminaires et travailleront en support des équipes scientifiques en charge des quatre projets de recherche présentés ci-après. Dans le WP2, nous étudierons l’évolution des préférences individuelles au cours de la vie et notamment les liens causaux et de sélection entre les préférences individuelles et la position socio-économique des patients (WP2.1) et le rôle de l’histoire de santé des patients sur l’évolution des préférences individuelles dans le temps. Dans le WP3, nous examinerons comment les préférences individuelles conjointement avec des indicateurs de position socio-économiques et de sécurité économique déterminent les choix individuels de comportements de santé en terme de prévention primaire (consommation d’alcool, de tabac et de stupéfiants, manque de sommeil et d’activité physique...) et de prévention secondaire (dépistage du cancer du sein et du col de l’utérus en particulier) (WP3.1) et les choix individuels d’exposition à la pollution et de lieu de résidence (WP3.2). Les résultats de ces études éclaireront les pouvoirs publics sur les mécanismes de prise de décision médicale et de santé des individus et les inégalités sociales de santé qui en résultent. En outre, la base de données issue du projet BeHealth sera unique et constituera un bien public pour les chercheurs en économie de la santé, en médecine, en épidémiologie et en santé publique au fait des concepts développés en économie comportementale sur les préférences individuelles et les déviations et biais vis à vis de la rationalité économique.