Se connecter
Rechercher

Valoriser ses données de cohorte avec Plug-Stat® : exemple de réalisation d’une étude sur les données de DIVAT

Auteurs : Fournier M-C1, Dantal J2, Foucher Y3
Affiliations : 1Inserm UMR 1246, SPHERE, Nantes University, Tours University, Nantes, France2Centre de recherche en transplantation et immunologie, Inserm UMR1064, université de Nantes, centre hospitalier universitaire de Nantes, RTRS « Centaure », Nantes, France3Inserm UMR 1246, SPHERE, Nantes University, Tours University, Centre Hospitalier Universitaire de Nantes, Nantes, France
Date 2018 Septembre, Vol 14, Num 5, pp 328-328Revue : Néphrologie et ThérapeutiqueDOI : 10.1016/j.nephro.2018.07.178
PE09M
Résumé

IntroductionLa constitution et le maintien d’une cohorte demande des investissements afin de garantir la qualité des données. La valorisation est alors une priorité mais peut s’avérer fastidieuse (étapes longues, coûteuses et sources d’erreurs : extraction des données, data-management, analyses statistiques, rédaction du rapport de résultats, etc.).Dans ce contexte, l’équipe SPHERE (Inserm U1246) et la société IDBC ont créé le Laboratoire Commun Recherche en informatique et en statistique pour l’analyse de cohortes (RISCA,http://www.labcom-risca.com) pour développer Plug-Stat®, un logiciel pour réaliser facilement des études d’épidémiologie clinique.Pendant cet exposé, nous réaliserons avec Plug-Stat®une étude visant à évaluer l’impact à moyen terme de l’utilisation des machines de perfusion chez les patients recevant des reins de donneurs marginaux. En effet, la grande majorité des études comparant l’efficacité de ces machines est basée sur des résultats à court terme.Patients/Matériels et méthodesL’étude réalisée porte sur les patients âgés de 45 ans et plus, transplantés pour la première ou deuxième fois à partir d’un donneurExpended Donor Criteria(ECD) depuis 2010. La régression logistique et le modèle de Cox ont été utilisés pour étudier le retard au démarrage du greffon et la survie respectivement. Pour tenir compte des variables de confusion potentielles, nous avons pondéré sur le score de propension.Observation/RésultatsGuidé par des tutoriels, on obtient après quelques minutes un rapport de méthodes et résultats. Ce dernier nous indique notamment que 1214 patients ont été inclus dont 504 dans le groupe des machines de perfusion. Le pourcentage de retard au démarrage du greffon ajusté est plus faible dans ce groupe comparativement au groupe de conservation standard (28,5 % vs 37,2 %p = 0,0152). Cependant, nous ne montrons pas de différence significative sur la survie patient-greffon (HR = 1,1 p = 0,7273).DiscussionNos résultats confirment la réduction du taux de retard au démarrage des greffons en utilisant les machines de perfusion, mais contestent son utilité pour améliorer la survie des patients et des greffons.ConclusionPlug-Stat®est une application qui s’adresse aux cohortes ouvertes ayant la volonté de réaliser de nombreuses études d’épidémiologie clinique. S’inspirant de l’intelligence artificielle, le logiciel reproduit les stratégies d’analyses classiques du statisticien pour faciliter le travail de recherche clinique des médecins investigateurs, statisticiens, épidémiologistes et data-managers. Fort de l’expérience acquise avec DIVAT, nous pensons que d’autres cohortes ou registres en néphrologie pourraient bénéficier de Plug-Stat®.

Des descripteurs MeSH seront prochainement assignés à cet article.

 Source : Elsevier-Masson
Accès à l'article
 Accès à distance aux ressources électroniques :
Exporter
Citer cet article
Fournier M-C, Dantal J, Foucher Y. Valoriser ses données de cohorte avec Plug-Stat® : exemple de réalisation d’une étude sur les données de DIVAT. Néphrologie et Thérapeutique. 2018 Sep;14(5):328-328.
Courriel(Nous ne répondons pas aux questions de santé personnelles).
Dernière date de mise à jour : 28/04/2019.


[Haut de page]

© CHU de Rouen. Toute utilisation partielle ou totale de ce document doit mentionner la source.