SlideShare une entreprise Scribd logo
1  sur  16
Télécharger pour lire hors ligne
I.	
  ActuRx	
  
Predic/ng	
  Effects	
  of	
  Drugs	
  
using	
  actuarial	
  sciences	
  
1	
  ed@ActuRx	
  –2015	
  
Why « Actuarial Sciences »
•  Insurers have a longstanding know-how in estimating
risks in order to effectively price and manage risk
•  Actuaries are those who perform the data analysis
and derive propositions for improved solutions
•  The use of actuarial sciences for Health is possible
via healthcare activity and diagnostic data.
•  The inside of the body is complex. No biology here:
people are considered as a black boxes
ed@ActuRx – 2015 2
Healthy	
   Disabled	
  
(cause)	
  
Dead	
  
qx q’x
ix
rx
Analysis by age, gender,
distribution channel, area,
cause of disability…
Best estimate values, security
margins…
Semi-parametric duration
models, left truncature, right
censorship…
Insured	
  Data	
   Health	
  Data!	
  
People!	
  Metabolism	
  
Example: metformin versus cancer
All other things being equal, compared to non diabetic populations
people who have diabetes type II and take:
–  sulphonylurea seem then to have lower survival
è Increased risk from treatment? Or simply diabetic patients?
–  metformin seem then to have higher survival
è Reduced risk from metformin? Or diabetic patients taking care?
–  Does metformin reduce cancer risks? Cardiovascular risks?
–  How does the effect vary with dosage? Frequency?
–  How much time does it take for the effect to happen?
–  Does the effect disappear over-time?
–  If metformin is stopped then does cancer risk suddenly increase?
ed@ActuRx –2015 3
Bannister CA, Holden SE, Jenkins-Jones S, Morgan CL, Halcox JP, Schernthaner
G, Mukherjee J, Currie CJ (2014): Can people with type 2 diabetes live longer than
those without? A comparison of mortality in people initiated with metformin or
sulphonylurea monotherapy and matched, non-diabetic controls. Diabetes Obes
Metab. 16
Patients with type 2 diabetes initiated with metformin monotherapy had longer
survival than did matched, non-diabetic controls. Those treated with
sulphonylurea had markedly reduced survival actuarial	
  
methods	
  can	
  
predict	
  such	
  
ques/ons	
  
meHormin	
  
sulphonylurea	
  
controls	
  
Applications
Predictions for commercialized drugs
•  Real life suggestions to repurpose drugs
•  Real life signals of efficiency and of side-effects
•  Combination Analysis
–  Drug A x Drug B è negative health effect
Predictions for R&D phases
Application to one drug …or to a panel of drugs
è Analysis of your company’s pipeline
è Comparative analysis with the market
ed@ActuRx – 2015 4
ANTICIPATION
Prediction of side effects
Potentiality of later repurposing
….
SELECTION
Type of molecules that empirically
seem to address a disease
R&D	
  shortcut!	
  
Or	
  public	
  informa/on	
  
Weak	
  signals	
  for	
  
Pharmacovigilance!	
  
How	
  you	
  posi/on	
  
Where	
  you	
  are	
  
REPURPOSING
>1 bn$
>10 year R&D
Predic/ng	
  Effects	
  of	
  Drugs	
  using	
  diverse	
  approaches	
  
ed@actuRx.com	
  	
  
	
  
5	
  ed@ActuRx–	
  2015	
  
BoPom	
  up	
  
approach:	
  
omics	
  data	
  
LeS	
  field	
  
approach:	
  
health	
  care	
  
data	
  
Top	
  down	
  
approach:	
  
literature	
  
data	
  
Off	
  the	
  
ground	
  
data	
  
II.	
  Epidemium>Cancer	
  Baseline	
  
	
  
Facteurs	
  de	
  risque	
  et	
  de	
  
préven/on	
  du	
  cancer	
  
à	
  par/r	
  d’open	
  data	
  
6	
  Cancer	
  Baseline–2015	
  
Epidemium:	
  hackathon	
  de	
  6	
  mois	
  lancé	
  par	
  Roche	
  et	
  
La	
  Paillasse:	
  open	
  data	
  contre	
  le	
  cancer	
  
7	
  Cancer	
  Baseline–2015	
  
Projet	
  Cancer	
  Baseline:	
  y=f(x)	
  
8	
  Cancer	
  Baseline–2015	
  
âge	
  
Y:	
  Risque	
  de	
  cancer	
  
(incidence,	
  mortalité,	
  
type	
  de	
  cancer)	
  
X:	
  Variables	
  explica/ves	
  (CSP/éduca/on/richesse,	
  
alcool/tabac,	
  pollu/on	
  et	
  météo,	
  accès	
  aux	
  soins…	
  
consomma/on	
  de	
  légumes?)	
  
hommes	
  
femmes	
  
1.  Construire	
  la	
  baseline	
  
A	
  par/r	
  de	
  données	
  X	
  et	
  Y	
  
agrégées!?!	
  (toutes	
  ayant	
  
en	
  commun	
  âge,	
  sexe,	
  zone	
  
géographique)	
  
2.  Comparer	
  à	
  la	
  baseline	
  
Suivi	
  de	
  cancer	
  dans	
  des	
  
groupes	
  de	
  personnes	
  
3.  Valider	
  par	
  e-­‐Cohort?	
  
Ques/onnaire	
  et	
  analyse	
  
prospec/ve	
  
Epidémiologie	
  sur	
  données	
  agrégées?!?!?	
  
9	
  
Cancer	
  Baseline–2015	
  
Test:	
  fort	
  risque	
  de	
  cancer	
  de	
  la	
  prostate	
  
chez	
  les	
  afro-­‐américains.	
  Données:	
  CDC	
  
hPp://www.cdc.gov/cancer/prostate/sta/s/cs/race.htm	
  
	
  
D’autres	
  tests	
  sont	
  à	
  effectuer	
  
S’il	
  n’y	
  a	
  pas	
  d’autres	
  
variables	
  importantes,	
  ce	
  
sont	
  celles-­‐ci	
  la	
  cause	
  des	
  
varia/ons	
  de	
  cancer	
  
Quid	
  des	
  Corréla/ons?	
  De	
  la	
  causalité?	
  
10	
  
Cancer	
  Baseline–2015	
  
1.	
  Corréla8ons	
  OK:	
  le	
  Paradoxe	
  de	
  Simpson…	
  
succès	
   CSP+	
   CSP-­‐	
   tous	
  
Traitement	
  A	
   93%	
  (81/87)	
   73%	
  (192/263)	
   78%	
  (273/350)	
  
Traitement	
  B	
   87%	
  (234/270)	
   69%	
  (55/80)	
   83%	
  (289/350)	
  
conclusion	
   A	
  >	
  B	
   A	
  >	
  B	
   B	
  >	
  A	
  !?!	
  
…	
  n’est	
  pas	
  un	
  problème	
  lors	
  d’une	
  analyse	
  mul/variée	
  
Théorie	
   Pra8que	
  
2.	
  Causalité	
  OK:	
  le	
  principe	
  de	
  l’exhausivité	
  
Educa/on?	
  
Emploi?	
  
	
  
Pollu/ons	
  
	
  Xi	
  
Cours	
  de	
  l’or	
  
Beaucoup	
  de	
  variables	
  pour	
  l’exhaus/vité	
  	
  
+	
  
Beaucoup	
  de	
  départements	
  pour	
  éviter	
  des	
  
corréla/ons	
  fortuites	
  
=	
  	
  
Beaucoup	
  de	
  pays	
  et	
  beaucoup	
  de	
  
(mêmes)	
  variables	
  par	
  pays	
  
=	
  	
  
TRAVAIL	
  DE	
  TITAN!	
  
hPp://data.epidemium.cc	
  	
  
Un	
  travail	
  de	
  /tan	
  pour	
  un	
  résultat	
  incertain?	
  
11	
  Cancer	
  Baseline–2015	
  
1.  Construire	
  la	
  baseline	
  
A	
  par/r	
  de	
  données	
  X	
  et	
  Y	
  
agrégées!?!	
  (toutes	
  ayant	
  
en	
  commun	
  âge,	
  sexe,	
  zone	
  
géographique)	
  
2.  Comparer	
  à	
  la	
  baseline	
  
Suivi	
  de	
  cancer	
  dans	
  des	
  
groupes	
  de	
  personnes	
  
3.  Valider	
  par	
  e-­‐Cohort	
  
Ques/onnaire	
  et	
  analyse	
  
prospec/ve	
  
Près	
  de	
  50	
  volontaires	
  dont	
  la	
  moi/é	
  
étudiants	
  en	
  maths	
  appliquées	
  	
  et	
  
actuariat	
  encadrés	
  par	
  des	
  professeurs	
  
(ISFA	
  surtout,	
  ENSAE,	
  Centrale	
  Paris)	
  
Un	
  assemblage	
  open	
  data	
  ouvert	
  à	
  
tous	
  et	
  réu8lisable	
  par	
  la	
  suite.	
  
	
  
Un	
  échange	
  communautaire.	
  Des	
  
modèles	
  	
  variés,	
  interdisciplinarité:	
  
transformer	
  ces	
  données	
  
en	
  éléments	
  pour	
  la	
  santé	
  
	
  
…préven/on	
  des	
  cancers	
  	
  
par	
  savon	
  de	
  Marseille	
  !?	
  
Automa/sa/on	
  de	
  l’extrac/on	
  
III.	
  	
  
Predic/on	
  des	
  effets	
  sur	
  la	
  
santé	
  par	
  les	
  données	
  
&	
  médecine	
  préven/ve	
  
12	
  ed@ActuRx	
  –2015	
  
Des petites bestioles que l’on fait vivre
vraiment plus longtemps, en bonne santé
ed@ActuaRx– 2015 13
Aurait-­‐on	
  de	
  tels	
  résultats	
  si	
  ces	
  animaux	
  étaient	
  traités	
  comme	
  nous?	
  
«	
  tordre	
  le	
  corps	
  dans	
  l’autre	
  sens	
  que	
  le	
  vieillissement	
  	
  	
  
.	
  	
  	
  	
  	
  	
  	
  	
  	
  	
  	
  +70%	
  +50%	
  
Des traitements pharmacologiques
préventifs chez la souris …et chez l’homme!
ed@ActuaRx– 2015 14
Pour cette médecine préventive, de quelles
hypothèses partir?
ed@ActuaRx– 2015 15
Souris	
  ?	
  
Modèles	
  mathéma/ques	
  ?	
  
Litérature?	
  
Mécanismes	
  cellulaires?	
  
Et/ou…	
  des	
  gens?	
  
Merci	
  pour	
  votre	
  aPen/on!	
  
16	
  Edouard	
  Debonneuil,	
  ed@ActuRx	
  –2015	
  

Contenu connexe

Similaire à ActuRX Cancer Baseline

Pour mieux soigner,_des_medicaments_a_ecarter_-_bilan_2014/Revue Préscrire
Pour mieux soigner,_des_medicaments_a_ecarter_-_bilan_2014/Revue PréscrirePour mieux soigner,_des_medicaments_a_ecarter_-_bilan_2014/Revue Préscrire
Pour mieux soigner,_des_medicaments_a_ecarter_-_bilan_2014/Revue Préscrire
icicnancyfr
 
La santé comme industrie: que coûte le développement des thérapeutiques ?
La santé comme industrie: que coûte le développement des thérapeutiques ?La santé comme industrie: que coûte le développement des thérapeutiques ?
La santé comme industrie: que coûte le développement des thérapeutiques ?
Philippe GORRY
 
Janssen - Sensibilisation VIH pour les PharmaSuccess Awards 2014 "Officines"
Janssen - Sensibilisation VIH pour les PharmaSuccess Awards 2014 "Officines"Janssen - Sensibilisation VIH pour les PharmaSuccess Awards 2014 "Officines"
Janssen - Sensibilisation VIH pour les PharmaSuccess Awards 2014 "Officines"
PharmaSuccess2014
 
Aspects medicaux ethiques et philosophiques du tt du cancer nicole delepine m...
Aspects medicaux ethiques et philosophiques du tt du cancer nicole delepine m...Aspects medicaux ethiques et philosophiques du tt du cancer nicole delepine m...
Aspects medicaux ethiques et philosophiques du tt du cancer nicole delepine m...
Elsa von Licy
 
La nutrition à l'ère du digital : comment le serious game, les objets connect...
La nutrition à l'ère du digital : comment le serious game, les objets connect...La nutrition à l'ère du digital : comment le serious game, les objets connect...
La nutrition à l'ère du digital : comment le serious game, les objets connect...
Interaction Healthcare
 
interets_des_statistiques.ppt
interets_des_statistiques.pptinterets_des_statistiques.ppt
interets_des_statistiques.ppt
taoufikakabli3
 

Similaire à ActuRX Cancer Baseline (20)

Le Big data en santé et l'éthique, sont- ils compatibles ?
Le Big data en santé et l'éthique, sont- ils compatibles ?Le Big data en santé et l'éthique, sont- ils compatibles ?
Le Big data en santé et l'éthique, sont- ils compatibles ?
 
« Des petits riens du quotidien à l’homme augmenté : vivre sa santé au jour l...
« Des petits riens du quotidien à l’homme augmenté : vivre sa santé au jour l...« Des petits riens du quotidien à l’homme augmenté : vivre sa santé au jour l...
« Des petits riens du quotidien à l’homme augmenté : vivre sa santé au jour l...
 
Les enquetes epidémiologiques
Les enquetes epidémiologiques Les enquetes epidémiologiques
Les enquetes epidémiologiques
 
Nouveaux traitements contre la dépression
Nouveaux traitements contre la dépressionNouveaux traitements contre la dépression
Nouveaux traitements contre la dépression
 
Pour mieux soigner,_des_medicaments_a_ecarter_-_bilan_2014/Revue Préscrire
Pour mieux soigner,_des_medicaments_a_ecarter_-_bilan_2014/Revue PréscrirePour mieux soigner,_des_medicaments_a_ecarter_-_bilan_2014/Revue Préscrire
Pour mieux soigner,_des_medicaments_a_ecarter_-_bilan_2014/Revue Préscrire
 
6ème Journée Innov'Asso
6ème Journée Innov'Asso6ème Journée Innov'Asso
6ème Journée Innov'Asso
 
Réflexions et propositions alternatives sur le système de soins français
Réflexions et propositions alternatives sur le système de soins françaisRéflexions et propositions alternatives sur le système de soins français
Réflexions et propositions alternatives sur le système de soins français
 
Un Observatoire du Médicament contre les Maladies Chroniques non Transmissibl...
Un Observatoire du Médicament contre les Maladies Chroniques non Transmissibl...Un Observatoire du Médicament contre les Maladies Chroniques non Transmissibl...
Un Observatoire du Médicament contre les Maladies Chroniques non Transmissibl...
 
Arcane plateformes sante
Arcane plateformes santeArcane plateformes sante
Arcane plateformes sante
 
La santé comme industrie: que coûte le développement des thérapeutiques ?
La santé comme industrie: que coûte le développement des thérapeutiques ?La santé comme industrie: que coûte le développement des thérapeutiques ?
La santé comme industrie: que coûte le développement des thérapeutiques ?
 
Plan cancer lancé par Jacques Chirac de 2003 à 2007
Plan cancer lancé par Jacques Chirac de 2003 à 2007Plan cancer lancé par Jacques Chirac de 2003 à 2007
Plan cancer lancé par Jacques Chirac de 2003 à 2007
 
ASCO 2015
ASCO 2015ASCO 2015
ASCO 2015
 
Dp debats femmes-et_sante
Dp debats femmes-et_santeDp debats femmes-et_sante
Dp debats femmes-et_sante
 
Les biologistes indépendants tirent la sonnette d’alarme sur la financiarisat...
Les biologistes indépendants tirent la sonnette d’alarme sur la financiarisat...Les biologistes indépendants tirent la sonnette d’alarme sur la financiarisat...
Les biologistes indépendants tirent la sonnette d’alarme sur la financiarisat...
 
Janssen - Sensibilisation VIH pour les PharmaSuccess Awards 2014 "Officines"
Janssen - Sensibilisation VIH pour les PharmaSuccess Awards 2014 "Officines"Janssen - Sensibilisation VIH pour les PharmaSuccess Awards 2014 "Officines"
Janssen - Sensibilisation VIH pour les PharmaSuccess Awards 2014 "Officines"
 
Dp ipaam final
Dp ipaam finalDp ipaam final
Dp ipaam final
 
Aspects medicaux ethiques et philosophiques du tt du cancer nicole delepine m...
Aspects medicaux ethiques et philosophiques du tt du cancer nicole delepine m...Aspects medicaux ethiques et philosophiques du tt du cancer nicole delepine m...
Aspects medicaux ethiques et philosophiques du tt du cancer nicole delepine m...
 
Observatoire Européen des Maladies Rares
Observatoire Européen des Maladies RaresObservatoire Européen des Maladies Rares
Observatoire Européen des Maladies Rares
 
La nutrition à l'ère du digital : comment le serious game, les objets connect...
La nutrition à l'ère du digital : comment le serious game, les objets connect...La nutrition à l'ère du digital : comment le serious game, les objets connect...
La nutrition à l'ère du digital : comment le serious game, les objets connect...
 
interets_des_statistiques.ppt
interets_des_statistiques.pptinterets_des_statistiques.ppt
interets_des_statistiques.ppt
 

Plus de iPocrate

Plus de iPocrate (20)

Le staff.com Le patient au coeur des échanges entre médecins staffs cohortes ...
Le staff.com Le patient au coeur des échanges entre médecins staffs cohortes ...Le staff.com Le patient au coeur des échanges entre médecins staffs cohortes ...
Le staff.com Le patient au coeur des échanges entre médecins staffs cohortes ...
 
Optimiser le recueil de données : plus de productivité - Adalys
 Optimiser le recueil de données : plus de productivité - Adalys Optimiser le recueil de données : plus de productivité - Adalys
Optimiser le recueil de données : plus de productivité - Adalys
 
APPLI CHIMIO prix santé connecté RCFr16
APPLI CHIMIO prix santé connecté RCFr16APPLI CHIMIO prix santé connecté RCFr16
APPLI CHIMIO prix santé connecté RCFr16
 
Présentation de deuxieme avis.fr
Présentation de deuxieme avis.frPrésentation de deuxieme avis.fr
Présentation de deuxieme avis.fr
 
Presentation doudou care 30 novembre 2016.
Presentation doudou care 30 novembre 2016.Presentation doudou care 30 novembre 2016.
Presentation doudou care 30 novembre 2016.
 
Sport santé conseil
Sport santé conseilSport santé conseil
Sport santé conseil
 
Stories for humanity
Stories for humanityStories for humanity
Stories for humanity
 
AAP esante boucicaut
AAP esante boucicautAAP esante boucicaut
AAP esante boucicaut
 
Financement et retour d'expérience sur les erreurs des startuppers !
Financement et retour d'expérience sur les erreurs des startuppers ! Financement et retour d'expérience sur les erreurs des startuppers !
Financement et retour d'expérience sur les erreurs des startuppers !
 
Paris Healthcare Innovation Meetup #PHIM15 - Why does a start-up need design ...
Paris Healthcare Innovation Meetup #PHIM15 - Why does a start-up need design ...Paris Healthcare Innovation Meetup #PHIM15 - Why does a start-up need design ...
Paris Healthcare Innovation Meetup #PHIM15 - Why does a start-up need design ...
 
Alantaya PHIM conference - Paris Healthcare Innovation Meetup
Alantaya PHIM conference - Paris Healthcare Innovation Meetup Alantaya PHIM conference - Paris Healthcare Innovation Meetup
Alantaya PHIM conference - Paris Healthcare Innovation Meetup
 
Presentation du RespirH@cktion
Presentation du RespirH@cktion  Presentation du RespirH@cktion
Presentation du RespirH@cktion
 
Mydoctool presention MeetUp #PHIM14
Mydoctool presention MeetUp #PHIM14Mydoctool presention MeetUp #PHIM14
Mydoctool presention MeetUp #PHIM14
 
« Panorama des acteurs du monde médical » meetup #PHIM12
«  Panorama des acteurs du monde médical » meetup #PHIM12«  Panorama des acteurs du monde médical » meetup #PHIM12
« Panorama des acteurs du monde médical » meetup #PHIM12
 
Les données de santé cabinet barbey
Les données de santé cabinet barbeyLes données de santé cabinet barbey
Les données de santé cabinet barbey
 
eVedrug Meet-Up Boucicaut 2015
eVedrug Meet-Up Boucicaut 2015eVedrug Meet-Up Boucicaut 2015
eVedrug Meet-Up Boucicaut 2015
 
AIESEC France - Global Internship Program
AIESEC France - Global Internship ProgramAIESEC France - Global Internship Program
AIESEC France - Global Internship Program
 
Présentation TOLK #PHIM9
Présentation TOLK  #PHIM9Présentation TOLK  #PHIM9
Présentation TOLK #PHIM9
 
Planning de garde #PHIM9
Planning de garde #PHIM9Planning de garde #PHIM9
Planning de garde #PHIM9
 
Paris Healthcare Innovation Meetup #PHIM
Paris Healthcare Innovation Meetup #PHIM  Paris Healthcare Innovation Meetup #PHIM
Paris Healthcare Innovation Meetup #PHIM
 

ActuRX Cancer Baseline

  • 1. I.  ActuRx   Predic/ng  Effects  of  Drugs   using  actuarial  sciences   1  ed@ActuRx  –2015  
  • 2. Why « Actuarial Sciences » •  Insurers have a longstanding know-how in estimating risks in order to effectively price and manage risk •  Actuaries are those who perform the data analysis and derive propositions for improved solutions •  The use of actuarial sciences for Health is possible via healthcare activity and diagnostic data. •  The inside of the body is complex. No biology here: people are considered as a black boxes ed@ActuRx – 2015 2 Healthy   Disabled   (cause)   Dead   qx q’x ix rx Analysis by age, gender, distribution channel, area, cause of disability… Best estimate values, security margins… Semi-parametric duration models, left truncature, right censorship… Insured  Data   Health  Data!   People!  Metabolism  
  • 3. Example: metformin versus cancer All other things being equal, compared to non diabetic populations people who have diabetes type II and take: –  sulphonylurea seem then to have lower survival è Increased risk from treatment? Or simply diabetic patients? –  metformin seem then to have higher survival è Reduced risk from metformin? Or diabetic patients taking care? –  Does metformin reduce cancer risks? Cardiovascular risks? –  How does the effect vary with dosage? Frequency? –  How much time does it take for the effect to happen? –  Does the effect disappear over-time? –  If metformin is stopped then does cancer risk suddenly increase? ed@ActuRx –2015 3 Bannister CA, Holden SE, Jenkins-Jones S, Morgan CL, Halcox JP, Schernthaner G, Mukherjee J, Currie CJ (2014): Can people with type 2 diabetes live longer than those without? A comparison of mortality in people initiated with metformin or sulphonylurea monotherapy and matched, non-diabetic controls. Diabetes Obes Metab. 16 Patients with type 2 diabetes initiated with metformin monotherapy had longer survival than did matched, non-diabetic controls. Those treated with sulphonylurea had markedly reduced survival actuarial   methods  can   predict  such   ques/ons   meHormin   sulphonylurea   controls  
  • 4. Applications Predictions for commercialized drugs •  Real life suggestions to repurpose drugs •  Real life signals of efficiency and of side-effects •  Combination Analysis –  Drug A x Drug B è negative health effect Predictions for R&D phases Application to one drug …or to a panel of drugs è Analysis of your company’s pipeline è Comparative analysis with the market ed@ActuRx – 2015 4 ANTICIPATION Prediction of side effects Potentiality of later repurposing …. SELECTION Type of molecules that empirically seem to address a disease R&D  shortcut!   Or  public  informa/on   Weak  signals  for   Pharmacovigilance!   How  you  posi/on   Where  you  are   REPURPOSING >1 bn$ >10 year R&D
  • 5. Predic/ng  Effects  of  Drugs  using  diverse  approaches   ed@actuRx.com       5  ed@ActuRx–  2015   BoPom  up   approach:   omics  data   LeS  field   approach:   health  care   data   Top  down   approach:   literature   data   Off  the   ground   data  
  • 6. II.  Epidemium>Cancer  Baseline     Facteurs  de  risque  et  de   préven/on  du  cancer   à  par/r  d’open  data   6  Cancer  Baseline–2015  
  • 7. Epidemium:  hackathon  de  6  mois  lancé  par  Roche  et   La  Paillasse:  open  data  contre  le  cancer   7  Cancer  Baseline–2015  
  • 8. Projet  Cancer  Baseline:  y=f(x)   8  Cancer  Baseline–2015   âge   Y:  Risque  de  cancer   (incidence,  mortalité,   type  de  cancer)   X:  Variables  explica/ves  (CSP/éduca/on/richesse,   alcool/tabac,  pollu/on  et  météo,  accès  aux  soins…   consomma/on  de  légumes?)   hommes   femmes   1.  Construire  la  baseline   A  par/r  de  données  X  et  Y   agrégées!?!  (toutes  ayant   en  commun  âge,  sexe,  zone   géographique)   2.  Comparer  à  la  baseline   Suivi  de  cancer  dans  des   groupes  de  personnes   3.  Valider  par  e-­‐Cohort?   Ques/onnaire  et  analyse   prospec/ve  
  • 9. Epidémiologie  sur  données  agrégées?!?!?   9   Cancer  Baseline–2015   Test:  fort  risque  de  cancer  de  la  prostate   chez  les  afro-­‐américains.  Données:  CDC   hPp://www.cdc.gov/cancer/prostate/sta/s/cs/race.htm     D’autres  tests  sont  à  effectuer  
  • 10. S’il  n’y  a  pas  d’autres   variables  importantes,  ce   sont  celles-­‐ci  la  cause  des   varia/ons  de  cancer   Quid  des  Corréla/ons?  De  la  causalité?   10   Cancer  Baseline–2015   1.  Corréla8ons  OK:  le  Paradoxe  de  Simpson…   succès   CSP+   CSP-­‐   tous   Traitement  A   93%  (81/87)   73%  (192/263)   78%  (273/350)   Traitement  B   87%  (234/270)   69%  (55/80)   83%  (289/350)   conclusion   A  >  B   A  >  B   B  >  A  !?!   …  n’est  pas  un  problème  lors  d’une  analyse  mul/variée   Théorie   Pra8que   2.  Causalité  OK:  le  principe  de  l’exhausivité   Educa/on?   Emploi?     Pollu/ons    Xi   Cours  de  l’or   Beaucoup  de  variables  pour  l’exhaus/vité     +   Beaucoup  de  départements  pour  éviter  des   corréla/ons  fortuites   =     Beaucoup  de  pays  et  beaucoup  de   (mêmes)  variables  par  pays   =     TRAVAIL  DE  TITAN!   hPp://data.epidemium.cc    
  • 11. Un  travail  de  /tan  pour  un  résultat  incertain?   11  Cancer  Baseline–2015   1.  Construire  la  baseline   A  par/r  de  données  X  et  Y   agrégées!?!  (toutes  ayant   en  commun  âge,  sexe,  zone   géographique)   2.  Comparer  à  la  baseline   Suivi  de  cancer  dans  des   groupes  de  personnes   3.  Valider  par  e-­‐Cohort   Ques/onnaire  et  analyse   prospec/ve   Près  de  50  volontaires  dont  la  moi/é   étudiants  en  maths  appliquées    et   actuariat  encadrés  par  des  professeurs   (ISFA  surtout,  ENSAE,  Centrale  Paris)   Un  assemblage  open  data  ouvert  à   tous  et  réu8lisable  par  la  suite.     Un  échange  communautaire.  Des   modèles    variés,  interdisciplinarité:   transformer  ces  données   en  éléments  pour  la  santé     …préven/on  des  cancers     par  savon  de  Marseille  !?   Automa/sa/on  de  l’extrac/on  
  • 12. III.     Predic/on  des  effets  sur  la   santé  par  les  données   &  médecine  préven/ve   12  ed@ActuRx  –2015  
  • 13. Des petites bestioles que l’on fait vivre vraiment plus longtemps, en bonne santé ed@ActuaRx– 2015 13 Aurait-­‐on  de  tels  résultats  si  ces  animaux  étaient  traités  comme  nous?   «  tordre  le  corps  dans  l’autre  sens  que  le  vieillissement       .                      +70%  +50%  
  • 14. Des traitements pharmacologiques préventifs chez la souris …et chez l’homme! ed@ActuaRx– 2015 14
  • 15. Pour cette médecine préventive, de quelles hypothèses partir? ed@ActuaRx– 2015 15 Souris  ?   Modèles  mathéma/ques  ?   Litérature?   Mécanismes  cellulaires?   Et/ou…  des  gens?  
  • 16. Merci  pour  votre  aPen/on!   16  Edouard  Debonneuil,  ed@ActuRx  –2015