Séries chronologiques, Analyse de séries chronologiques interrompues, Pharmaco-Épidémiologie pédiatrique, Santé mentale, Néonatologie

L'analyse de séries chronologiques interrompues (SCI) est une méthodologie flexible et robuste pour analyser les données longitudinales. Elle permet de quantifier l'impact immédiat et à long terme d'une intervention en santé, en particulier lorsque la mise en oeuvre d'une étude randomisée contrôlée n'est pas une option envisageable. Dans l'analyse de SCI, les données sont collectées de manière répétée dans le temps, avant et après l'intervention, et sont modélisées afin d'évaluer les changements de niveau et des tendances. Les applications des analyses de SCI en pharmaco-épidémiologie ont augmenté ces dernières décennies. Cette thèse explore l'implémentation des analyses de SCI dans l'évaluation des changements dans le temps de 1) l'utilisation des médicaments et des services en santé et 2) des effets liés à la prescription d'un médicament dans la population pédiatrique. Dans la première partie de la thèse, des analyses de SCI ont été menées pour évaluer les changements dans l'utilisation des médicaments et des services liés à la santé mentale chez les enfants entre 6 et 17 ans, après le début de la pandémie de COVID-19. Nous avons appliqué plusieurs modèles pour évaluer les changements des indicateurs en utilisant des données nationales provenant de différentes bases de données (base de données X-Ponent et LPD, IQVIA ; base de données PMSI, ATIH). Les indicateurs de santé mentale incluaient 1) les prescriptions de médicaments psychotropes ; 2) les prescriptions de médicaments hypnotiques, y compris la mélatonine ; 3) les hospitalisations et passages aux urgences pour troubles de santé mentale et tentatives de suicide ; et 4) les visites ambulatoires (médecins généralistes) pour motif de santé mentale en pédiatrie. Les données couvrent la période de janvier 2016 à décembre 2023, avec le début de la pandémie fixé au 1er mars 2020. Nous avons évalué l'impact immédiat et progressif de la pandémie sur les taux et tendances des prescriptions médicamenteuses et des visites médicales/hospitalisations, globalement et en divisant la période suivant la pandémie (analyses de séries chronologiques avec plusieurs points de changement). Nous avons également estimé l'effet de la pandémie en calculant les rapports entre les taux estimés des différents indicateurs et les taux attendus basés que sur les données prépandémiques. Dans la deuxième partie de cette thèse, une analyse de SCI a été mise en oeuvre pour évaluer les effets liés à la prescription de médicaments en néonatologie. En effet, nous avons évalué l'efficacité et la sécurité de l'utilisation prophylactique d'hydrocortisone à faible dose chez les nouveau-nés extrêmement prématurés en France après la publication d'un essai contrôlé randomisé ayant approuvé cette pratique en février 2016. L'efficacité a été mesurée par la proportion de nouveau-nés extrêmement prématurés survivant sans dysplasie broncho-pulmonaire, et la sécurité par la proportion de ceux présentant des complications gastro-intestinales, neurologiques ou infectieuses à la sortie de l'hôpital. Les données ont été modélisées en excluant l'année de mise en place de l'intervention et les analyses comprenaient différents groupes de contrôle (centres n'ayant pas mis en oeuvre l'intervention, nouveau-nés modérément prématurés non concernés par l'intervention). En conclusion, l'analyse de séries chronologiques interrompues est un design quasi-expérimental solide pour évaluer des changements dynamiques dans le temps. Bien qu'il soit sous-utilisé dans la recherche pharmaco-épidémiologique, ce modèle est une approche puissante pour analyser les données en vie réelle et fournir des estimations sur 1) les changements dans l'utilisation des médicaments au cours du temps et 2) l'impact et l'efficacité à long terme de leur utilisation dans une population.