HUGO SHARE
Contexte
Lors de leurs hospitalisations, les personnes âgées atteintes de maladies chroniques déjà traitées en ville reçoivent très souvent des traitements additionnels. Ces patients peuvent donc être exposés à un risque important d’interactions médicamenteuses ou au contraire souffrir de l’interruption de leur traitement, pouvant mener à des conséquences plus ou moins graves sur la santé. Chaque année en France, le mauvais usage des médicaments est responsable de 10000 décès, principalement chez les plus de 65 ans. L’enjeu est prégnant de mieux comprendre et prévenir ces interactions médicamenteuses afin de protéger les patients les plus fragiles.
Objectifs
Le porteur du projet HUGO-SHARE et ses partenaires analyseront un grand volume de données dans le but d’identifier les médicaments incompatibles entre eux, et de déterminer finement les personnes les plus à risque (en dehors du seul critère de l’âge). Ils pourront aussi cibler les moments de ruptures de traitement (moment où le patient n’en prend plus, où ils n’ont plus de prescription) et les conséquences sur l’état de santé des patients.
C’est en suivant les trajectoires thérapeutiques médicamenteuses des patients (les évolutions de leur prise de médicaments), notamment sur ces quatre dernières années qu’il sera possible, à l’avenir, de prévenir les accidents iatrogéniques en ville et à hôpital, d’améliorer les parcours de soins des patients les plus fragiles, et de développer un complément aux outils d’aide à la prescription pour les professionnels de santé pour un bon usage du médicament
Méthodologie
Le projet HUGO-SHARE envisage une approche d’ampleur unique en France sur les données de 420000 patients sur leurs parcours de soins en ville et hôpital. Ils vont utiliser les données de six entrepôts de données de santé d’hôpitaux et d’un institut de cancérologie qui seront croisées avec les données du soin en ville, le Programme de médicalisation des systèmes d'information (PMSI) et la base Centre d’épidémiologie des causes médicales de décès (CepiDC-Inserm). A cette fin, sera développé et évalué un modèle d’analyse reposant sur des méthodes adaptées aux données massives en santé.