STAR : Une nouvelle technologie pour évaluer l’impact futur des maladies chroniques et des décisions en matière de santé

 

Titre scientifique :

Modélisation par microsimulation de l’impact des interventions et des politiques en matière de santé : technologie de simulation pour la recherche appliquée (STAR).

 

Pourquoi avons-nous effectué cette recherche?

 

Le projet de la technologie de simulation pour la recherche appliquée (STAR) avait pour objectif de montrer que les modèles informatiques de maladies chroniques sont utiles pour prédire les effets des politiques en matière de santé publique. La modélisation par simulation informatique est un processus qui nous permet de voir comment ces politiques toucheront la population avant qu’elles ne soient mises en œuvre. Les scientifiques pourront utiliser ces modèles pour apprendre comment les facteurs de risque influent sur le bien-être futur de la population. L’utilisation accrue de modèles informatiques pour la santé et les maladies améliorera la prise de décisions aux échelons local, provincial et national et contribuera à réduire la charge de morbidité au Canada.

 

 

Qu’avons-nous trouvé?

Nous avons utilisé un programme informatique appelé POHEM (modèle de la santé de la population) pour prédire quelles interventions et politiques en matière de santé publique devraient être utilisées pour réduire le fardeau des principales maladies chroniques, notamment les maladies cardiaques, le diabète et l’arthrite. Ce programme a été mis au point par Statistique Canada.  L’équipe STAR doit son succès aux efforts considérables déployés par le groupe et à la diversité des talents qui le composaient. Ce groupe possédait de l’expérience dans la recherche sur les services de santé, l’épidémiologie, les statistiques, la médecine, l’informatique, la modélisation de simulation, l’économie de la santé et bien d’autres domaines. L’équipe STAR a également travaillé en étroite collaboration avec des représentants gouvernementaux afin d’améliorer la recherche relative aux politiques. La technique de modélisation que nous avons utilisée s’appelle la microsimulation.  Il s’agissait de simuler des « personnes »  afin de suivre l’effet sur la population, puis de calculer le risque de diverses maladies et d’en prédire les effets sur la santé.

 

 

Qu’avons-nous constaté?

 

Nos recherches ont montré que les résultats tirés des modèles de simulation sont fiables et peuvent aider à la fois les scientifiques et les décideurs. Nous avons publié un schéma de validation de ces modèles. Le modèle POHEM a été largement confirmé. À l’exception de l’obésité et du diabète, nous avons constaté que tous les autres facteurs de risque pour la maladie cardiaque devraient diminuer. L’obésité devrait dépasser le tabagisme en tant que facteur de risque le plus répandu. Le coût total de l’arthrose devrait passer de 2,9 milliards de dollars à 7,6 milliards de dollars de 2010 à 2031, soit 2,6 fois plus élevé. La prévalence de l’arthrose devrait passer de 13,9 à 18,4 % de 2010 à 2030.

 

Publications / Présentations :

 

Les recherches menées par l’équipe STAR ont été citées dans une publication du American College of Rheumatologist: “The Cost of Treating Osteoarthritis in Canada Expected to Quadruple“.

 

Chercheuse principale :

Jacek Kopec, MD, PhD  Chercheur scientifique principal, Arthrite-recherche Canada (Université de la Colombie-Britannique)

 

Co-chercheurs

 

Michal Abrahamowicz, PhD. Chercheur scientifique, Arthrite-recherche Canada (Université McGill)

 

David Buckeridge, MD, PhD. Professeur agrégé, Université McGill

 

Philippe Fines, PhD. Analyste principal, Statistique Canada

 

William Flanagan. Programmeur en chef du logiciel POHEM, Statistique Canada

 

Sam Harper, MSPH, PhD. Professeur adjoint, Université McGill

 

John Lynch, PhD, MPH. Professeur de médecine, University of South Australia

 

Douglas Manuel, MD, FRCPC. Chercheur principal, Institut de recherche en santé d’Ottawa et Institut pour les sciences évaluatives cliniques. Professeur agrégé, Université d’Ottawa

 

Michael Wolfson, PhD. Professeur et titulaire de la Chaire de recherche du Canada en systèmes de modélisation sur la santé de la population / Institut de recherche sur la santé des populations. Faculté de médecine, Université d’Ottawa

 

Claude Nadeau, PhD. Scientifique, Statistique Canada

 

 

Qui a financé cette recherche?

 

Cette étude a été financée par les Instituts de recherche en santé du Canada (IRSC).

 

Publications connexes :

• Kopec J.A., Sayre E.C., Okhmatovskaia A., Cibere J., Li L.C., Bansback N., Wong H., Ghanbarian S. et Esdaile J.M. « A comparison of three strategies to reduce the burden of osteoarthritis: A population-based microsimulation study ». PLoS One. 8 décembre 2021 8;16(12):e0261017
• Rahman M.M., Cibere J., Anis A.H., Goldsmith C.H. et Kopec J.A. « Risk of Type 2 Diabetes among Osteoarthritis Patients in a Prospective Longitudinal Study ». Int J Rheumatol. 2014; 2014:620920. doi:10.1155/2014/620920
• Manuel D.G., Ho T.H., Harper S., Anderson G.M., Lynch J. et Rosella L.C. « Modelling preventive effectiveness to estimate the equity tipping point: at what coverage can individual preventive interventions reduce socioeconomic disparities in diabetes risk? ». Chronic Dis Inj Can. 2014; 34(2-3):94-102
• Wynant W. et Abrahamowicz M. « Impact of the model-building strategy on inference about nonlinear and time-dependent covariate effects in survival analysis ». Stat Med. 2014; 33(19):3318-3337. doi:10.1002/sim.6178
• Manuel D.G., Tuna M., Hennessy D. et al. « Projections of preventable risks for cardiovascular disease in Canada to 2021: a microsimulation modelling approach ». CMAJ Open. 2014; 2(2):E94-E101. Publié le 20 mai 2014. doi:10.9778/cmajo.2012-0015
• Taljaard M., Tuna M., Bennett C. et al. « Cardiovascular Disease Population Risk Tool (CVDPoRT): predictive algorithm for assessing CVD risk in the community setting. A study protocol ». BMJ open. 2014; 4(10):e006701-e006701. doi:10.1136/bmjopen-2014-006701
• Rahman M.M., Cibere J., Goldsmith C.H., Anis A.H. et Kopec J.A. « Osteoarthritis incidence and trends in administrative health records from British Columbia, Canada ». J Rheumatol. 2014; 41(6):1147-1154. doi:10.3899/jrheum.131011
• Smith B.T., Smith P.M., Harper S., Manuel D.G. et Mustard C.A. « Reducing social inequalities in health: the role of simulation modelling in chronic disease epidemiology to evaluate the impact of population health interventions ». J Epidemiol Community Health. 2014; 68(4):384-389. doi:10.1136/jech-2013-202756
• Nadeau C., Wong S.L., Flanagan W.M. et al. « Development of a population-based microsimulation mode of physical activity in Canada ». Health Rep. 2013; 24(10):11-19
• Manuel D.G., Rosella L.C., Tuna M., Bennett C. et Stukel T.A. « Effectiveness of community-wide and individual high-risk strategies to prevent diabetes: a modelling study ». PLoS One. 2013; 8(1):e52963. doi:10.1371/journal.pone.0052963
• Sharif B., Wong H., Anis A.H. et Kopec J.A. « A Practical ANOVA Approach for Uncertainty Analysis in Population-Based Disease Microsimulation Models ». Value Health. 2017; 20(4):710-717. doi:10.1016/j.jval.2017.01.002
• Bennett, C. et Manuel, D.G. (2012). « Reporting guidelines for modelling studies ». BMC medical research methodology, 12, 168. https://doi.org/10.1186/1471-2288-12-168
• Kopec J.A., Edwards K., Manuel D.G. et Rutter C.M. « Advances in Microsimulation Modeling of Population Health Determinants, Diseases, and Outcomes ». Epidemiology research international. 2012; 2012:1-3. doi:10.1155/2012/584739
• Manuel D.G., Rosella L.C., Hennessy D., Sanmartin C. et Wilson K. « Predictive risk algorithms in a population setting: an overview ». J Epidemiol Community Health. 2012; 66(10):859-865. doi:10.1136/jech-2012-200971
• Rowe G., Tremblay M.S. et Manuel D.G. « Can We Make Time for Physical Activity? Simulating Effects of Daily Physical Activity on Mortality ». Epidemiology research international. 2012; 2012:1-10. doi:10.1155/2012/304937
• Kopec J.A., Finès P., Manuel D.G. et al. « Validation of population-based disease simulation models: a review of concepts and methods ». BMC Public Health. 2010; 10:710. Publié le 18 novembre 2010. doi:10.1186/1471-2458-10-710