1	
  
Un modèle de médecine stratifiée appliquée
en transplantation rénale à partir de
données de cohorte et de biomarqueu...
üDi atDonnées Informatisées
Validées en Transplantation
üDi atDonnées Informatisées
Validées en Transplantation
Di atDon...
3	
  
Un groupe de Recherche en biostat/
épidémio
3	
  
La	
  cohorte	
  DIVAT	
  
	
  
Necker	
  
&	
  St	
  Louis	
  
	
...
4	
  
üDi atDonnées Informatisées
Validées en Transplantation
üDi atDonnées Informatisées
Validées en Transplantation
Di...
5	
  
TYPE DE
PRÉLÈVEMENTS
NOMBRE DE
PRÉLÈVEMENTS
NOMBRE DE PATIENTS
CELLULES DMSO
19252
1798
SÉRUM
18972
2425
SANG TOTAL
...
Un	
  groupe	
  de	
  Recherche	
  en	
  	
  
épidémiologie	
  de	
  transplanta.on	
  
6	
  
üDi atDonnées Informatisées...
 
Qualité	
  de	
  Vie	
  
	
  
	
  
	
  
A.	
  MeureUe	
  
J.B.	
  Hardouin	
  *	
  
	
  
	
  
	
  
Anatomo	
  
pathologi...
8	
  
PREDICTIVE	
  SCORE	
  OF	
  GRAFT	
  FAILURE	
  
(Y.Foucher.	
  KI.	
  2010)	
  	
  
	
  
üDi atDonnées Informatis...
1997	
   2006	
  
Acute	
  Gra*	
  	
  
Rejec-on	
  	
  
an-	
  class	
  II	
  
an-	
  class	
  I	
  
Proteinuri
a	
  
Bet...
1
Un	
  modèle	
  de	
  recherche	
  translaLonnelle	
  
pour	
  une	
  prise	
  en	
  charge	
  straLfiée	
  
DIVAT-­‐
Coh...
11	
  
Exemple	
  du	
  KTFS	
  
(Kidney	
  Transplant	
  Failure	
  Score)	
  
ü  Modélisation :
ü  Echantillon d’appre...
12	
  
13	
  
Exemple	
  du	
  KTFS	
  
(Kidney	
  Transplant	
  Failure	
  Score)	
  
A clinical scoring system highly predictiv...
14	
  
Exemple du KTFS
(Kidney Transplant Failure Score)
ü  Différentes interfaces pour une utilisation en pratique :
ü ...
15	
  
Exemple	
  du	
  KTFS	
  
(Kidney	
  Transplant	
  Failure	
  Score)	
  
ü PHRC National 2011 TéléGRAFT (PI A. Meu...
16	
  
Exemple	
  du	
  KTFS	
  
(Kidney	
  Transplant	
  Failure	
  Score)	
  
A personalized follow-up of kidney transpl...
17	
  17	
  
Un	
  modèle	
  de	
  recherche	
  translaLonnelle	
  
pour	
  une	
  prise	
  en	
  charge	
  personnalisée	...
Un	
  modèle	
  de	
  recherche	
  translaLonnelle	
  
pour	
  une	
  prise	
  en	
  charge	
  personnalisée	
  
üDi atDo...
19	
  
Inserm	
  
1064	
  
S.	
  
Brouar
d	
  	
  
20	
  
IntégraLon	
  de	
  biomarqueurs	
  dans	
  le	
  
KTFS	
  
J Am Soc Nephrol. 2014 Aug;25(8):1856-68. doi: 10.1681/...
21	
  21	
  
Qualité du greffon
Rejet aigu
Rejet chronique
tolérance
Cancer/infection
K/Infection/TolRejet
De greffe
Quali...
22	
  
22	
  
Qualité de vie/Qaly
Coût médico-éco
Efficacité
Prise en charge
stratifiée
IntégraLon	
  de	
  la	
  noLon	
 ...
23	
  
U1064
DIVAT
Biocol
DIVAT
Cohort
Score	
  KTFS	
  (Y.	
  Foucher,	
  Kidney	
  Int.	
  2010)	
  
Brevet	
  CHU	
  Na...
24	
  
Modèle	
  Final	
  
800
BREVET
Collabora.on	
  
industrielle	
  
Visiomed	
  
Roche
Sanofi
Novartis
Astellas
Chiesi...
25	
  
Epidemiology for Kidney
Transplantation in
Europe
Entrepôt	
  de	
  données	
  
commun	
  Européen	
  	
  
pour	
  ...
26	
  
Modèle	
  d’exploitaLon	
  	
  
Intelligent	
  des	
  données	
  
Ciffre
Université de Nantes
FLOREN LE BORGNE
Doct...
Prochain SlideShare
Chargement dans…5
×

Un modèle de médecine stratifiée appliquée en transplantation rénale à partir de données de cohorte et de biomarqueurs

896 vues

Publié le

Présentation réalisée lors de la journée Numérique & Santé organisée par les pôles Images & Réseaux et Atlanpole Biotherapies le 28 mai 2015 à Nantes.

Plus d'informations :
http://www.digitalforlife.fr/28-mai-journee-valorisation-des-donnees-de-sante/

Publié dans : Santé & Médecine
0 commentaire
0 j’aime
Statistiques
Remarques
  • Soyez le premier à commenter

  • Soyez le premier à aimer ceci

Aucun téléchargement
Vues
Nombre de vues
896
Sur SlideShare
0
Issues des intégrations
0
Intégrations
386
Actions
Partages
0
Téléchargements
4
Commentaires
0
J’aime
0
Intégrations 0
Aucune incorporation

Aucune remarque pour cette diapositive

Un modèle de médecine stratifiée appliquée en transplantation rénale à partir de données de cohorte et de biomarqueurs

  1. 1. 1   Un modèle de médecine stratifiée appliquée en transplantation rénale à partir de données de cohorte et de biomarqueurs VALORISATIONS DES DONNEES Magali Giral, Institut de Transplantation Urologie Néphrologie CHU Nantes
  2. 2. üDi atDonnées Informatisées Validées en Transplantation üDi atDonnées Informatisées Validées en Transplantation Di atDonnées Informatisées Validées en Transplantation 2     ITUN CHU de Nantes La  cohorte  DIVAT   COHORTE PROSPECTIVE DE TRANSPLANTES RENAUX
  3. 3. 3   Un groupe de Recherche en biostat/ épidémio 3   La  cohorte  DIVAT     Necker   &  St  Louis     Toulouse     Montpellier     Lyon   Nancy     Nantes   ü  Suivi  des  pa.ents  transplantés  rénaux  jusqu’au  retour  en  dialyse  ou  décès.   ü  Cohorte  crée  en  1994  (N=11  000).   ü  8  CHU  français  (Nantes,  Necker,  Nancy,  Toulouse,  Montpellier,  Lyon,  Saint  Louis,  Nice)   ü  Coordina.on  Scien.fique:  Pr  Giral  (ITUN  Nantes)   ü  Coordina.on  Biosta.s.que  :  Dr  Y.  Foucher  (MCU  EA4275)   ü  800  greffes  par  an.   ü  30%  des  greffes  en  France.   ü  300  items  clinico-­‐biologiques.   ü  Contrat  de  consor.um  (cellule  juridique  CHU  Nantes)   www.divat.fr     Nice  
  4. 4. 4   üDi atDonnées Informatisées Validées en Transplantation üDi atDonnées Informatisées Validées en Transplantation Di atDonnées Informatisées Validées en Transplantation üDi atDonnées Informatisées Validées en Transplantation üDi atDonnées Informatisées Validées en Transplantation Di atDonnées Informatisées Validées en TransplantationBIOCOL La  BiocollecLon  DIVAT/ CENTAURE     ITUN CHU de Nantes ! Initiée en 2002 au CHU de Nantes ! Appel d’Offre Inserm/ministère de la recherche
  5. 5. 5   TYPE DE PRÉLÈVEMENTS NOMBRE DE PRÉLÈVEMENTS NOMBRE DE PATIENTS CELLULES DMSO 19252 1798 SÉRUM 18972 2425 SANG TOTAL 13667 1013 URINE 8321 1432 CELLULES TRIZOL 8294 1765 PAXGENE 3916 1597 URINE PROT 3315 378 URINE ANTI-PROT 3305 378 PLASMA EDTA 2764 823 PLASMA 2136 460 URINE FRAICHE 689 385 URINE CULOTARN 661 378 La  BiocollecLon  DIVAT/ CENTAURE  
  6. 6. Un  groupe  de  Recherche  en     épidémiologie  de  transplanta.on   6   üDi atDonnées Informatisées Validées en Transplantation üDi atDonnées Informatisées Validées en Transplantation Di atDonnées Informatisées Validées en Transplantation Des  cliniciens   -­‐  Magali  Giral  PUPH   -­‐  Aurélie  Meure]e  PH   -­‐  Grégoire  Couvrat  PH   -­‐  Anne  Hélène  Quérard  PH   -­‐  Jacques  Dantal  PUPH   -­‐  Karine  Renaudin  MCU  PH   -­‐  Marion  Chapal  CCA   Un  data  manager   -­‐  Katy  Trébern  Launay  Post  doc   Un  informaLcien   -­‐        Pascal  Daguin   Des  BiostaLsLciens   -­‐  Yohann  Foucher  MCU   -­‐  E.enne  Dantan  MCU   -­‐  Jean  Benoit  Hardouin  MCU   -­‐  Marine  Lorent  Post  doc   -­‐  Florence  Gillaizeau    Doc.   -­‐  Florent  Leborgne  Doc.   -­‐  Marie  Cécile  Fournier  Doc.     Economiste  de  la  santé   -­‐      Philippe  Tessier  
  7. 7.   Qualité  de  Vie         A.  MeureUe   J.B.  Hardouin  *         Anatomo   pathologie       G.  Couvrat  /  K.  Renaudin   E.  Dantan  *           DGF         M.  Chapal  &   Y.  Foucher  *     Greffons     Marginaux         A.H.  Quérard  &   E.  Dantan  *     PronosLc  à     long-­‐terme         M.  Giral  &   Y.  Foucher  *   Risque     Carcinologique         J.  Dantal  &   Y.  Foucher  *   Le  système     d’informaLon       M.  Giral  &   K.  Launay-­‐Trébern  *   S.  Lebouter   1 2 3 4 5 6 7 Un  groupe  de  Recherche  en     épidémiologie  de  transplanta.on   üDi atDonnées Informatisées Validées en Transplantation üDi atDonnées Informatisées Validées en Transplantation Di atDonnées Informatisées Validées en Transplantation
  8. 8. 8   PREDICTIVE  SCORE  OF  GRAFT  FAILURE   (Y.Foucher.  KI.  2010)       üDi atDonnées Informatisées Validées en Transplantation üDi atDonnées Informatisées Validées en Transplantation Di atDonnées Informatisées Validées en Transplantation Une  recherche  transla.onnelle  pour   une  prise  en  charge  personnalisée   PronosLc  à     long-­‐terme         M.  Giral  &   Y.  Foucher  *   2
  9. 9. 1997   2006   Acute  Gra*     Rejec-on     an-  class  II   an-  class  I   Proteinuri a   Beta-­‐ Blocker   Conver-ng  Enzyme  Inhibitors     CNI  tox   High   Blood   pressure   Kidney   Biopsy  :   Ac.ve  chronic   humoral   rejec.on   GA,  C4d+  and   an.  donor  Ab   Une  recherche  transla.onnelle  pour   une  prise  en  charge  personnalisée  
  10. 10. 1 Un  modèle  de  recherche  translaLonnelle   pour  une  prise  en  charge  straLfiée   DIVAT-­‐ Cohort   Développements et validations de modèles pronostiques Outils d’aide à la prise de décision médicale Evaluation de l’efficience pour personnaliser la prise en charge des patients Données cliniques Recherche en modélisation pronostique Biostatistique et épidémiologique Hébergeur de santé
  11. 11. 11   Exemple  du  KTFS   (Kidney  Transplant  Failure  Score)   ü  Modélisation : ü  Echantillon d’apprentissage Base DIVAT multicentrique (N=2169) ü  8 paramètres cliniques : ü  Age du receveur à la greffe ü  Sexe du receveur ü  Nombre de transplantation précédentes ü  Dernière créatinine du donneur ü  Episode de rejet aigu à un an ü  Créatinine du receveur à 3 mois post-greffe ü  Créatinine du receveur à 12 mois post-greffe ü  Protéinurie du receveur à 12 mois post-greffe ü  Evaluation des capacités pronostiques en interne : ü  Courbe ROC dépendante du temps (N=2169, sur-ajustement faible) ü  AUC(8 ans) = 0,78 et CI 95%=[0,73 ; 0,80] Pa.ents   ModélisaLon   Evalua.on  des   capacités   pronos.ques   Construc.on  d’un   ou.l  d’aide  à  la   décision   Valida.on  de   l’efficience   5  
  12. 12. 12  
  13. 13. 13   Exemple  du  KTFS   (Kidney  Transplant  Failure  Score)   A clinical scoring system highly predictive of long- term kidney graft survival. Foucher Y, Daguin P, Akl A, Kessler M, Ladrière M, Legendre C, Kreis H, Rostaing L, Kamar N, Mourad G, Garrigue V, Bayle F, H de Ligny B, Büchler M, Meier C, Daurès JP, Soulillou JP, Giral M. Kidney Int. 2010 Dec;78(12):1288-94. BREVET KTFS 2011. Numéro d'enregistrement: 0959043. Titre : Method and device for determining a risk of graft rejection
  14. 14. 14   Exemple du KTFS (Kidney Transplant Failure Score) ü  Différentes interfaces pour une utilisation en pratique : ü  Depuis l’interface Integralis (dossier patient) ü  Depuis le web (www.divat.fr) ü  Depuis un Smartphone Pa.ents   Modélisa.on   Evalua.on  des   capacités   pronos.ques   ConstrucLon  d’un   ouLl  d’aide  à  la   décision   Valida.on  de   l’efficience   7  
  15. 15. 15   Exemple  du  KTFS   (Kidney  Transplant  Failure  Score)   ü PHRC National 2011 TéléGRAFT (PI A. Meurette, ITUN) Pa.ents   Modélisa.on   Evalua.on  des   capacités   pronos.ques   Construc.on  d’un   ou.l  d’aide  à  la   décision   ValidaLon  de   l’efficience   Calcul  score  KTFS  Calcul  score  KTFS   Low  Risk   KTFS  <  4,17   High  Risk   KTFS  >  4,17     Randomisa.on  (N=700)   STANDARD   TELECONSULTATION   Low  Risk   KTFS  <  4,17   High  Risk   KTFS  >  4,17     6  consult/an     4  consult/an     1  consult/an   3  video/an     6  consult/an   6  video/an       Critère  de  jugement:  efficacité  /  qualité  de  vie  /  coûts     8  
  16. 16. 16   Exemple  du  KTFS   (Kidney  Transplant  Failure  Score)   A personalized follow-up of kidney transplant recipients using video conferencing based on a 1-year scoring system predictive of long term graft failure (TELEGRAFT study): protocol for a randomized controlled trial. Foucher Y, Meurette A, Daguin P, Bonnaud-Antignac A, Hardouin JB, Chailan S, Neau K, Papuchon E, Gaboriau S, Legendre C, Morélon E, Tessier P, Giral M. BMC Nephrol. 2015 Jan 28;16(1):6. Strength in numbers—predicting long-term transplant outcomes Prediction of renal allograft outcomes has been elusive despite the number of risk factors that correlate with graft failure. Using a large French transplant database and novel statistical methods, Foucher et al. have produced a predictive scoring system for graft failure worthy of study in other populations. Braun, W. E. & Schold, J. D. Nat. Rev. Nephrol. 7, 135–136 (2011); published online 1 February 2011;
  17. 17. 17  17   Un  modèle  de  recherche  translaLonnelle   pour  une  prise  en  charge  personnalisée   U1064   Biocol   DIVAT-­‐ Cohort   Développements et validations de modèles pronostiques Outils d’aide à la prise de décision médicale Biomarqueurs Evaluation de l’efficience pour personnaliser la prise en charge des patients Données cliniques 4   Recherche en modélisation pronostique Biostatistique et épidémiologique Recherche de biomarqueurs Du risque immunologique Contractualisation CNIL Ethique
  18. 18. Un  modèle  de  recherche  translaLonnelle   pour  une  prise  en  charge  personnalisée   üDi atDonnées Informatisées Validées en Transplantation üDi atDonnées Informatisées Validées en Transplantation Di atDonnées Informatisées Validées en Transplantation 18  18   IDENTIFICATION  OF  BLOOD   BIOMARKERS     of  CHRONIC  REJECTION    ü  Phenotypes   ü  Transcriptomic   ü  Genomic   PREDICTIVE  SCORE  OF  GRAFT  FAILURE  (   KTFS   BIOCOL INSERM 1064 S. Brouard
  19. 19. 19   Inserm   1064   S.   Brouar d    
  20. 20. 20   IntégraLon  de  biomarqueurs  dans  le   KTFS   J Am Soc Nephrol. 2014 Aug;25(8):1856-68. doi: 10.1681/ ASN.2013080848. Epub 2014 Mar 20. Expansion of highly differentiated cytotoxic terminally differentiated effector memory CD8+ T cells in a subset of clinically stable kidney transplant recipients: a potential marker for late graft dysfunction. Yap M1, Boeffard F1, Clave E2, Pallier A1, Danger R1, Giral M1, Dantal J1, Foucher Y3, Guillot-Gueguen C4, Toubert A2, Soulillou JP5, Brouard S1, DegauqueN1. INSERM 1064 / EA4275 SPHERE N. DEGAUQUE / Y.FOUCHER
  21. 21. 21  21   Qualité du greffon Rejet aigu Rejet chronique tolérance Cancer/infection K/Infection/TolRejet De greffe Qualité du greffon straLfier  le  risque  
  22. 22. 22   22   Qualité de vie/Qaly Coût médico-éco Efficacité Prise en charge stratifiée IntégraLon  de  la  noLon  de  QoL  et  de   l’efficience   Threshold   definiLon   of   a   prognosLc   marker   in   straLfied   medicine:  extension  of  the  expected  uLlity  funcLon  for  Lme-­‐to-­‐ event  data.   E.enne   Dantan1,   PhD,   Yohann   Foucher1,2,   PhD,   Marine   Lorent1,   PhD,  Magali  Giral2,3,  MD,  PhD,  Philippe  Tessier1,  PhD   (en  prépara.on)   Rejet chronique
  23. 23. 23   U1064 DIVAT Biocol DIVAT Cohort Score  KTFS  (Y.  Foucher,  Kidney  Int.  2010)   Brevet  CHU  Nantes Développement  d’interphace     Web/Smatrphone  (P.  Daguin) Données  cliniques   mul.centriques   8  CHUs   Personnaliser  la  prise  en  charge   à  par.r  du  score  KTFS  par  visioconsulta.on   PHRC  TELEGRAFT  2011  (PI  A.  Meure]e)   Enrichissement  du  score  KTFS    par  biomarqueurs     Contrat  d’interface  CHU   S.  Brouard/  N.  Degauque   Collabora.on   industrielle   Visiomed   Données  de  QOL   Médico-­‐  Economiques   P.  Tessier  /V.  Sebille   DGOS   Factura-on   télémédecine  (méthode   des  choix  discrets)   Collabora.on   industrielle   Visiomed   Modèle  Final  
  24. 24. 24   Modèle  Final   800 BREVET Collabora.on   industrielle   Visiomed   Roche Sanofi Novartis Astellas Chiesi ARS Sigaps Ciffre Université Sigrec DSIT
  25. 25. 25   Epidemiology for Kidney Transplantation in Europe Entrepôt  de  données   commun  Européen     pour  Cross  ValidaLon   données  épidémiologiques   et  de  Cross  Valida.on  des   Biomarqueurs  en   transplanta.on     Sou-en  SANOFI   Le Projet EKiTE Y.  Foucher/M.Giral/Brouard   OSLO A. Anders Barcelone O. Bestard Louvain M. Naessens DIVAT Turin Pr. Biancone Berlin Oellinger
  26. 26. 26   Modèle  d’exploitaLon     Intelligent  des  données   Ciffre Université de Nantes FLOREN LE BORGNE Doctorant en Biostatistique üDi atDonnées Informatisées Validées en Transplantation üDi atDonnées Informatisées Validées en Transplantation Di atDonnées Informatisées Validées en Transplantation

×