Description : Introduction : Nous proposons de revenir sur des problématiques méthodologiques posées
par l'utilisation des bases de données de l'ORU-MiP pour des analyses épidémiologiques,
relatives d'une part à la validité de mesures utilisées a posteriori, telle que le
score CCMU ; d'autre part à la significativité statistique, mesurée par la p-value,
dans le contexte de grands échantillons. Retour sur les analyses : Dans la première
étude, nous avons confirmé une augmentation des taux de recours entre 2002 et 2015,
de 4,8 (IC95% [4,33 ;5,32]) chaque année pour 1 000 habitants adulte, principalement
basée sur l'augmen- tation des passages codés CCMU 2. La seconde étude, basée sur
les recours de 2012, montrait une probabilité 1,94 plus élevée pour les populations
les plus défavorisées d'avoir recours aux urgences par rapport aux populations les
plus avantagées, mais avec une probabilité pour un recours d'être codé CCMU 1 similaire
entre les groupes. Mesure et signification : La CCMU, développée dans un objectif
de prédiction d'activité, a été utilisé comme marqueur des recours ne relevant pas
préférentiellement des Urgences sans avoir été validée pour cette utilisation. Notre
étude de validation a posteriori montre que la fiabilité et d'une validité du critère
CCMU 1 est moyenne, bien qu'elle reste informative. Taille et significativité : L'analyse
de 374 000 passages nous a confronté aux limites de la p-value, toujours significative
dans ces conditions même pour de petits effets. Après une analyse de la littérature,
nous avons préféré la comparaison des intervalles de confiance, ainsi que l'utilisation
d'indicateurs plus directement informatifs de la taille de l'effet, tels que les effets
marginaux, ainsi que des indicateurs pratiques. Conclusion : L'utilisation de grosse
bases de données d'activité présente une opportunité pour la recherche épidémiologique.
Cependant, bien que ces bases nous libèrent des limites techniques liés à la puissance,
elles ne nous dispensent pas des questionnements scientifiques relatifs aux biais
de mesure et aux méthodes statistiques.;