Géomatique, Épidémiologie et Biostatistique : Une Application au

Géomatique, Épidémiologie et Biostatistique :
Une Application au Syndrome Coronarien Aigu
Théophile Niyonsenga PhD* †, Josiane Courteau PhD*, Abbas Hemiari PhD*,
Goze Bénié PhD §, Alain Vanasse MD PhD* ‡
* Groupe PRIMUS
Centre de recherche clinique
Centre hospitalier universitaire de Sherbrooke
3001, 12e Avenue Nord, pièce 3821
Sherbrooke (Québec), Canada
J1H 5N4
†
Centre de recherche clinique
Centre hospitalier universitaire de Sherbrooke
3001, 12e Avenue Nord, pièce 1409
Sherbrooke (Québec), Canada
J1H 5N4
§
Département de géographie et télédétection
Université de Sherbrooke
2500, boul. de l'Université
Sherbrooke (Québec) Canada
J1K 2R1
‡
Département de médecine de famille
Université de Sherbrooke
3001, 12e Avenue Nord, pièce 1409
Sherbrooke (Québec), Canada
J1H 5N4
Résumé
Dans cette communication nous intégrerons trois domaines de recherche, la biostatistique,
l’épidémiologie et la géomatique, pour répondre à des questions relatives aux sciences de la santé.
L’issue de santé que nous aborderons ici est le syndrome coronarien aigu (SCA) [1]. Nous nous
intéresserons à l’incidence du SCA dans la province de Québec (Canada) entre 1996 et 2000, ainsi
qu’au taux de réadmission précoce pour une maladie coronarienne. Nous décrirons le profil spatiotemporel d'une population d'individus hospitalisés pour un diagnostic principal SCA entre janvier
1996 et décembre 2000, la plus petite surface d’analyse étant les subdivisions de recensement
(SDR). De façon spécifique, nous voulons identifier : les schémas de variation spatiale de l'épisode
de soins du SCA (hétérogénéité spatiale, agrégats, gradients ou autres tendances à grande échelle),
et déterminer les facteurs patients et environnementaux qui expliquent les variations et schémas
observés. Du point de vue de la santé publique, l’identification de facteurs régionaux, tels que
l’indice de défavorisation matérielle et sociale [2] ou la proximité d’un centre tertiaire de
cardiologie, s’avère pertinent et permet de mieux comprendre les inégalités dans les services de
soins de santé et l’accessibilité à ces soins. Nous comparerons différentes méthodes d'analyses
spatiales [3-7]. Des résultats préliminaires montrent un gradient nord-est pour les taux d’incidence
du SCA alors que les taux de réadmission précoce tendent à augmenter des centres urbains vers les
régions plutôt rurales.
Mots clés
Épidémiologie, Statistique spatiale, Géomatique, Syndrome coronarien aigu
Abstract
In this talk, we will integrate three research domains, namely, biostatistics, epidemiology and
geomatics, to answer questions regarding health issues. The specific health issue of interest will be
the acute coronary syndrome (ACS) [1]. We will estimate the ACS incidence in the province of
Quebec (Canada) between 1996 and 2000 as well as the readmission rate for a coronary disease.
We will describe the spatiotemporal profile of individuals hospitalized with a main diagnosis of
ACS between January 1st 1996 and December 31th 2000. The smallest geographical unit will be the
Census Division. More specifically, we will identify the patterns of spatial variation in the episode
of care for an ACS (spatial heterogeneity, aggregations or other large scale variations), and
determine individual and environmental factors that explain the spatial variations and patterns
observed. In a public health perspective, the identification of regional factors, such as material and
social deprivation index [2] or the proximity to a tertiary cardiology center, is an important issue
since it allows a better understanding of inequalities in the health services and their accessibility.
We will compare several spatial methods [3-7]. Preliminary results show a North-East trend for
ACS incidence rates while the early readmission rates tend to increase as we move away from
urban centers.
Key words
Epidemiology, Spatial Statistics, Geomatics, Acute coronary syndrome
Article
Il est établi que les taux de mortalité et d’infections nosocomiales sont des indicateurs de qualité de
soins [8] mais plus récemment, certaines études se penchent sur le taux de réadmission hospitalière
précoce [9,10]. La mesure du taux de réadmission est avantageuse car elle est facile à obtenir en
routine à partir de données administratives hospitalières. D’ailleurs, le Ministère de la Santé et des
Services Sociaux du Québec a trouvé pertinent d’étudier les réadmissions précoces pour
l’évaluation de la qualité de soins cardiovasculaires [11]. Il existe un réseau complexe de facteurs
influençant le taux de réadmission. Certains facteurs sont propres au patient: l’âge, le sexe, l’ethnie,
le statut socio-économique, le lieu de résidence et de l’hôpital (rural vs urbain), la distance de
l’hôpital et la région géographique. Certains facteurs psychosociaux comme les habitudes de vie, le
support social, l’adhérence aux soins ont également été étudiés comme modulateurs du taux de
réadmission, en particulier pour l’infarctus du myocarde. La sévérité, le diagnostic ainsi que les
actes prodigués sont également des facteurs à prendre en compte. Enfin, la présence d’une
angiographie coronarienne lors de l’hospitalisation initiale pour infarctus du myocarde peut être
considérée comme un facteur protecteur de l’épisode de soin. L’angiographie coronarienne
nécessite un plateau technique et une expertise professionnelle n’existant que dans les centres
tertiaires de cardiologie. La disponibilité et l’accessibilité de ce type de service technique
spécialisé, de même que l’impact des variations régionales observées ont d’ailleurs fait l’objet
d’une attention particulière dans la littérature. Malgré la diffusion de guides de pratique permettant
de normaliser le traitement et le suivi de l’infarctus aigu du myocarde, des variations régionales
sont couramment rapportées dans la littérature.
L’objectif principal de cette étude sera d’identifier les schémas de variation spatiale de l'épisode de
soins du SCA (hétérogénéité spatiale, agrégats, gradients ou autres tendances à grande échelle), et
déterminer les facteurs patients et environnementaux qui expliquent les variations et schémas
observés. Du point de vue de la santé publique, l’identification de facteurs régionaux, tels que
l’indice de défavorisation matérielle (IDM) et sociale (IDS) [2] ou la proximité d’un centre tertiaire
de cardiologie, s’avère pertinent et permet de mieux comprendre les inégalités dans les services de
soins de santé et l’accessibilité à ces soins.
La population à l’étude consistera en tous les patients résidant de la province de Québec,
hospitalisés pour un syndrome coronarien aigu (SCA), dont la date d’admission se situe entre le 1er
janvier 1996 et le 31 décembre 1998. La première hospitalisation enregistrée durant la période à
l’étude sera considérée comme « l’hospitalisation index ». Le registre québécois ‘Maintenance et
Exploitation des Données pour l’Étude de la Clientèle Hospitalière (MED-ECHO)’ répertorie les
données administratives sommaires colligées au congé de tout patient traité dans un hôpital de soins
aigus au Québec. Le critère d’inclusion utilisé est l’inscription du code 410 : infarctus aigu du
myocarde ou 411 : autres formes aiguës ou subaiguës des cardiopathies ischémiques de la
classification internationale des maladies 9e révision (CIM-9) en tant que diagnostic principal
d’hospitalisation. Afin d’augmenter la validité interne de l’étude, nous avons exclu les patients de
moins de 25 ans, ces derniers étant plus susceptibles d’avoir encouru un infarctus du myocarde en
raison d’un processus pathophysiologique différent. La réadmission précoce constituera notre
variable principale et sera définie comme une réadmission pour une maladie coronarienne
(diagnostic principal : code 410 à 414) dans les 30 jours suivant la sortie de l’hospitalisation index.
Les variables secondaires sont le sexe et l’âge du patient, la durée de séjour, la revascularisation, la
précocité de la maladie coronarienne et la localisation géographique du patient. Les facteurs
régionaux incluront les indices de défavorisation matérielle et sociale ainsi que la proximité d’un
centre tertiaire de cardiologie. Le Québec a comme particularité une très forte concentration de la
population dans le sud de la province et particulièrement dans la vallée du Fleuve St-Laurent (Fig.
1a). Par ailleurs, on remarque que les régions urbaines ont un indice de défavorisation matérielle
(IDM) moins élevé mais que l’inverse s’observe en ce qui a trait à l’indice de défavorisation sociale
(IDS) (Fig. 1b,c).
(Fig. 1a) Population du Québec en 1996
(Fig. 1b) IDM
(Fig. 1c) IDS
Les analyses seront effectuées en deux étapes. Premièrement, nous nous concentrerons sur la
distribution géographique des taux d’incidence et de réadmission (hétérogénéité spatiale et
agrégats). Afin de dégager la tendance générale des taux, nous utiliserons l’approche proposée par
Fotheringham [5] dénommée Geographically Weighted Regression (GWR) ainsi qu’un modèle de
Poisson comme fonction de la latitude et de la longitude. Le « meilleur » modèle d’autocorrélation
spatiale sera estimé à l’aide du semivariogramme des résidus. La seconde étape consistera à
expliquer l’hétérogénéité spatiale observée à l’aide des covariables disponibles. Considérons le
modèle général suivant :
g (E[ y i ]) = X i β + U i
où y est le taux, g est la transformation et U i , i = 1,2,K , m est l’effet aléatoire. Une manière de
tenir compte de la variation spatiale dans une régression de Poisson est d’utiliser l’approche de
Kleinschmidt et al [12]. En bref, cette méthode consiste à effectuer une mixture de régression de
Poisson avec matrice de variance-covariance donnée par
V = Iσ 12 + Fσ 2
avec Fij = exp( − d ij ρ )
où dij est la distance entre les centroïdes i et j. Les autres paramètres sont estimés à partir du
semivariogramme des résidus. On itère ce processus jusqu’à convergence des paramètres β . Une
autre méthode consisterait à utiliser les modèles GWR, l’idée étant de permettre une variation
géographique dans les paramètres β . Le modèle Gaussien est donné par :
y i = β 0 (u i , vi ) + ∑ β k (u i , v i ) xik + ε i
k
où ( u i , vi ) dénote les coordonnées de la ie unité géographique. Enfin, une troisième approche
consisterait à ajouter au modèle GWR une structure d’autocorrélation spatiale, la plus simple étant
celle donnée par le modèle autorégressif conditionnel (CAR) [6].
Des résultats préliminaires montrent un gradient nord-est pour les taux lissés d’incidence du SCA
alors que les taux lissés de réadmission précoce tendent à augmenter des centres urbains vers les
régions plutôt rurales (Fig. 2a,b).
(Fig. 2a) Incidence du SCA
(Fig. 2b) Réadmission précoce
Bibliographie
[1]
Niyonsenga T, Courteau J, Dean CB, Hemiari A, Bénié G and Vanasse A (2004). Geomatics,
Epidemiology and Biostatistics: An Application to Acute Coronary Syndrome. Soumis pour
publication dans les Proceedings du congrès StatGIS 2003.
[2] Pampalon R, Raymond G (2000) Un indice de défavorisation pour la planification de la santé
et du bien-être au Québec. Maladies Chroniques au Canada 21(3):113-22
[3] Lawson AB (2001). Tutorial in Biostatistics: Disease map reconstruction. Statistics in
Medicine, 20:2183-2204.
[4] Dean CB, MacNab YC (2001). Modeling of rates over a hierarchical health administrative
structure. The Canadian Journal of Statistics, 29: 405-419.
[5] Fotheringham AS, Brunsdon C, Charlton M (2002) Geographically Weighted Regression: the
analysis of spatially varying relationships. John Wiley & Sons, England
[6] Lawson AB, Browne WJ, Vidal Rodeiro CL (2003) Disease mapping with WinBUGS and
MLwiN. Wiley & sons, New York.
[7] Kulldorff M (1997) A spatial scan statistic. Communications in Statistics: Theory &
Methods,26:1481-96.
[8] Thomas JW, Holloway JJ. Investigating early readmission as an indicator for quality of care
studies. Medical Care 1991;29:377-94.
[9] Ashton CM, Kuykendall DH, Johnson ML, Wray NP, Wu L. The association between the
quality of inpatient care and early readmission. Annals of Internal Medicine 1995;122:415-21.
[10] Weissman JS, Ayanian JZ, Chasan-Taber S, Sherwood MJ, Roth C, Epstein AM. Hospital
readmissions and quality of care. Medical Care 1999;37:490-501.
[11] Côté H, Trahan L. Direction de l’évaluation et de la recherche et de l’innovation. Réduction
de la durée de séjour et réadmission hospitalière pour des problèmes cardiovasculaires.
Collection Études et Analyses. Ministère de la Santé et des Services Sociaux. 2000.
[12] Kleinschmidt I, Sharp BL, Clarke GPY, Curtis B, Fraser C (2001) Use of generalized linear
mixed models in the spatial analysis of small-area malaria incidence rates in KwaZulu Natal,
South Africa. Am J Epidemiol 153(12):1213-21.