Thèse Trajectoires d'Évolution et Optimisation des Parcours de Soins dans les Pathologies Neurocognitives à Partir des Données de Consommation de Soins du Snds H/F - Doctorat.Gouv.Fr

Établissement : Université Claude Bernard Lyon 1 École doctorale : EDISS - Interdisciplinaire Sciences-Santé Laboratoire de recherche : RESHAPE - RECHERCHE SUR LA PERFORMANCE DES SOINS Direction de la thèse : Marie VIPREY ORCID 0000000232811970 Début de la thèse : 2026-10-01 Date limite de candidature : 2026-10-30T23:59:59 Cette thèse vise à étudier les trajectoires d'évolution et à contribuer à l'optimisation des parcours de soins des patients atteints de pathologies neurocognitives à partir des données de consommation de soins du Système National des Données de Santé (SNDS). Elle s'organise autour de trois volets complémentaires.
Le premier volet, développé dans le cadre du projet PATTERNS, cherchera à identifier des séquences de soins prédictives du déclin cognitif afin de permettre une orientation diagnostique et une prise en soins plus précoces et personnalisées. Les consommations de soins pertinentes précédant le diagnostic seront identifiées et structurées, puis différentes approches de modélisation temporelle seront comparées, associant méthodes statistiques classiques et techniques exploratoires de type machine learning. Ces analyses seront conduites sur une cohorte de 7 080 patients appariée aux données du SNDS.
Le deuxième volet portera sur l'étude de scénarios d'exposition à des médicaments potentiellement associés à une modification du risque incident de pathologies neurocognitives. Différents modèles d'exposition médicamenteuse chronique seront étudiés et appliqués aux données du SNDS. Une étude cas-témoins nichée permettra d'estimer les associations entre ces scénarios d'exposition et le risque de développer une pathologie neurodégénérative.
Enfin, le troisième volet visera à mieux caractériser l'histoire naturelle de la maladie à corps de Lewy à partir des données du SNDS, en particulier le lien entre fragilité et trajectoires d'évolution. La fragilité sera notamment évaluée à l'aide du Hospital Frailty Risk Score (HFRS), validé sur les données du SNDS.
Cette approche permettra de mobiliser les données médico-administratives à grande échelle afin de mieux comprendre les trajectoires de soins et d'évolution des pathologies neurocognitives et d'identifier des leviers susceptibles d'améliorer leur prévention, leur diagnostic et leur prise en soins.
Les pathologies neurocognitives constituent un enjeu important de santé publique, notamment en raison de la complexité de leurs trajectoires diagnostiques et de prise en soins. L'identification de marqueurs précoces dans les trajectoires de consommation de soins pourrait contribuer à orienter plus précocement les patients vers un diagnostic et une prise en charge adaptée et à l'identification de ceux aux trajectoires particulièrement défavorables.
Le SNDS permet d'étudier à grande échelle les consommations de soins et les trajectoires de santé. Son exploitation longitudinale ouvre des perspectives pour identifier des profils ou séquences de soins associés au développement et à l'évolution des pathologies neurocognitives.
La thèse s'inscrit dans le programme de travail de la plateforme méthodologique « Grandes bases de données » au sein de l'U1290 RESHAPE et articule trois dimensions complémentaires : la prédiction du déclin cognitif à partir des séquences de soins, l'étude de scénarios d'exposition médicamenteuse et l'analyse de l'histoire naturelle de la maladie à corps de Lewy.
L'objectif général de cette thèse est de mieux caractériser les trajectoires de soins et d'évolution des patients présentant des pathologies neurocognitives à partir des données du SNDS, afin d'identifier des leviers permettant d'améliorer leur prévention, leur diagnostic et leur prise en soins.
- identifier des séquences de consommation de soins prédictives d'un déclin cognitif et susceptibles de favoriser un diagnostic plus précoce ;
- comparer différentes méthodes de modélisation longitudinale des parcours de soins, incluant des approches statistiques classiques et des méthodes de type machine learning ;
- modéliser différents scénarios d'exposition médicamenteuse chronique et estimer leur association avec le risque de pathologies neurocognitives ;
- caractériser l'histoire naturelle de la maladie à corps de Lewy dans le SNDS ;
- étudier l'association entre fragilité, mesurée notamment par le HFRS, et trajectoires d'évolution de la maladie à corps de Lewy.
La thèse reposera principalement sur l'exploitation de données médico-administratives issues du SNDS et combinera plusieurs approches épidémiologiques et statistiques.
Pour le premier volet, les consommations de soins pertinentes précédant le diagnostic de pathologies neurocognitives seront identifiées, structurées puis organisées sous forme de séquences longitudinales. Plusieurs stratégies de modélisation seront comparées afin de rechercher des trajectoires prédictives du déclin cognitif, en associant méthodes statistiques conventionnelles et approches exploratoires de type machine learning. Les analyses seront réalisées sur une cohorte de 7 080 patients appariés au SNDS.
Le deuxième volet reposera sur la définition et la comparaison de modèles d'exposition médicamenteuse chronique. Ces modèles seront appliqués au SNDS et évalués dans le cadre d'une étude cas-témoins nichée afin d'estimer l'association entre différents scénarios d'exposition et le risque de pathologies neurodégénératives.
Le troisième volet visera à identifier et caractériser les patients présentant une maladie à corps de Lewy dans le SNDS et à reconstruire leurs trajectoires d'évolution. La fragilité sera notamment mesurée à l'aide du Hospital Frailty Risk Score (HFRS), afin d'étudier son association avec les trajectoires observées.

Le/la candidat(e) devra être titulaire d'un Master 2 ou d'un diplôme équivalent dans un domaine pertinent pour le projet : épidémiologie, santé publique, biostatistiques, data science, pharmacie, médecine ou discipline apparentée.
Une bonne maîtrise de l'analyse statistique et de la programmation est attendue. Une expérience de manipulation de grandes bases de données de santé, de données médico-administratives ou du SNDS constituera un atout. Des compétences ou un intérêt pour les méthodes d'analyse longitudinale, la modélisation des trajectoires, l'apprentissage automatique ou le machine learning seront appréciés.
Le projet requiert également un intérêt pour les problématiques de pharmaco-épidémiologie, de vieillissement et de pathologies neurocognitives. Le/la candidat(e) devra faire preuve de rigueur méthodologique, d'autonomie, de capacités d'analyse et de synthèse, ainsi que d'aptitudes au travail collaboratif dans un environnement multidisciplinaire.
Une bonne maîtrise de l'anglais scientifique sera nécessaire pour la lecture de la littérature, les communications et les publications.