Dans le cadre de ce numéro thématique, Christophe Huỳnh, Alain Lesage et Sylvanne Daniels nous proposent d’aborder l’exploitation des grandes banques de données médico-administratives sous la facture de huit articles. Tout en soulignant les défis rencontrés lors de l’analyse des données des banques médico-administratives, les auteurs nous sensibilisent au portrait de divers troubles de santé mentale au Québec. Les données de banques médico-administratives sont souvent appelées « données secondaires », recueillies pour des fins qui ne sont pas relatives à la recherche comme telle, mais qui peuvent être analysées de façon rétrospective par les chercheurs1. Ces banques de données peuvent, en ce sens, faciliter le développement de questions et hypothèses de recherche à postériori dont la vérification serait difficile, voire impossible, par l’usage de méthodes de recherche conventionnelles1. En effet, elles sont souvent conçues pour des cibles pharmaceutiques et d’assurance et, par conséquent, les chercheurs s’évertuent à utiliser des algorithmes pour traiter au mieux les données recueillies. Les banques de données médico-administratives représentent une source d’information exhaustive, soutenue par des tailles d’échantillons conséquentes, pouvant venir en appui à des résultats d’études épidémiologiques et expérimentales. Qui plus est, de nature longitudinale, ces banques de données systématiques offrent une surveillance sans égale, étayée par un recul temporel important (plusieurs décennies parfois) pour mieux saisir l’évolution des maladies dans un territoire circonscrit ainsi que la trajectoire des patients dans l’utilisation des services en santé au Québec et ailleurs. Ces données peuvent donc fournir aux chercheurs et cliniciens des pistes utiles pour les interventions futures à mettre en place, en dégageant des profils d’individus et leur santé comme nous pourrons le constater par exemple dans ce numéro thématique avec la proposition de stratégies de détection et de prévention du suicide. Par ailleurs, elles offrent l’avantage de coupler des données cliniques à des données géographiques notamment. Certaines banques de données sont parfois le résultat de jumelages de plusieurs fichiers de nature médico-administrative comme c’est le cas du Système intégré de surveillance des maladies chroniques du Québec (SISMACQ) qui représente une source inestimable de données sur les maladies chroniques telles que certaines maladies mentales2. En bref, les banques de données médico-administratives ouvrent de multiples champs d’investigation pour les chercheurs. Nonobstant les divers apports des banques de données médico-administratives, les défis de leur utilisation sont de taille, et ce, à plusieurs niveaux. Tout d’abord, lorsqu’une équipe de recherche souhaite entreprendre l’analyse des données provenant de ces banques, un investissement substantiel en temps est souvent requis pour obtenir l’approbation de leur utilisation. De longs délais d’approbation peuvent occasionner des hiatus dans le déroulement de la recherche sachant que les objectifs de recherche et les financements des projets sont circonscrits dans le temps3. D’autres encore déplorent le manque de clarté à propos des variables disponibles dans les banques de données médico-administratives, contraignant ainsi la formulation et la vérification d’hypothèses de recherche. Des ajustements ou une bonne planification de l’utilisation de ces données s’avèrent donc nécessaires. Un autre défi s’illustre par la création d’indicateurs précis lorsqu’un thème d’analyse est choisi, notamment lorsque des diagnostics psychiatriques ou groupes de diagnostics particuliers sont ciblés. Les codes diagnostics sont parfois difficiles à interpréter et certains auteurs préconisent de rendre disponibles les syntaxes qu’ils ont utilisées pour définir de façon robuste la population sous étude et ainsi, répliquer l’étude au besoin4. Dans ce cas de figure, la notion d’objectivité reste complexe, car l’établissement d’un diagnostic psychiatrique est réalisé parfois dans des situations d’urgence où le médecin n’a pas toute la latitude et le temps requis pour considérer l’ensemble des critères diagnostiques5. C’est …
Appendices
Bibliographie
- 1. Johnson, E. K. et Nelson, C. P. (2013). Utility and Pitfalls in the Use of Administrative Databases for Outcomes Assessment. The Journal of Urology, 190(1), 17-18.
- 2. Blais, C., Jean, S., Sirois, C., Rochette, L., Plante, C., Larocque, I., … Emond, V. (2014). Quebec Integrated Chronic Disease Surveillance System (QICDSS), an innovative approach. Chronic Diseases and Injuries in Canada, 34(4), 10.
- 3. Harron, K., Dibben, C., Boyd, J., Hjern, A., Azimaee, M., Barreto, M. L. et Goldstein, H. (2017). Challenges in administrative data linkage for research. Big Data & Society, 4(2), 2053951717745678. doi :10.1177/2053951717745678
- 4. Playford, C. J., Gayle, V., Connelly, R. et Gray, A. J. (2016). Administrative social science data : The challenge of reproducible research. Big Data & Society, 3(2), 2053951716684143.
- 5. Davis, K. A. S., Sudlow, C. L. M. et Hotopf, M. (2016). Can mental health diagnoses in administrative data be used for research ? A systematic review of the accuracy of routinely collected diagnoses. BMC Psychiatry, 16(1), 263.
- 6. Jutte, D. P., Roos, L. L. et Brownell, M. D. (2011). Administrative Record Linkage as a Tool for Public Health Research. Annual Review of Public Health, 32(1), 91-108.
- 7. Connelly, R., Playford, C. J., Gayle, V. et Dibben, C. (2016). The role of administrative data in the big data revolution in social science research. Social Science Research, 59, 1-12.
- 8. Ehrenstein, V., Nielsen, H., Pedersen, A. B., Johnsen, S. P. et Pedersen, L. (2017). Clinical epidemiology in the era of big data : new opportunities, familiar challenges. Clinical Epidemiology, 9, 245-250.
- 9. Stewart, R. et Davis, K. (2016). ‘Big data’ in mental health research : current status and emerging possibilities. Social Psychiatry and Psychiatric Epidemiology, 51(8), 1055-1072.