Données de santé : la qualité et la gouvernance conditionnent toute réutilisation utile
Les données de santé, leur qualité, leur gouvernance et leur réutilisation forment une même chaîne : une faiblesse à un seul maillon peut rendre une analyse…
Les données de santé, leur qualité, leur gouvernance et leur réutilisation forment une même chaîne : une faiblesse à un seul maillon peut rendre une analyse secondaire trompeuse, juridiquement fragile ou inutilisable pour décider. Sans dossier factuel permettant de chiffrer le phénomène, l’enjeu doit être traité qualitativement, à partir des usages, des responsabilités et des risques. L’essor de l’EHDS renforce cette exigence à l’échelle européenne. Cet article présente les critères à examiner avant toute mise à disposition pour la recherche, l’innovation ou l’élaboration des politiques.
La qualité ne se résume pas à l’absence d’erreurs
Une donnée de qualité n’est pas simplement une donnée correctement saisie. Elle doit être suffisamment complète, cohérente, documentée et adaptée à l’utilisation prévue. Une information produite pour facturer des soins de santé ne répond pas nécessairement aux exigences d’une étude épidémiologique, d’une évaluation économique ou d’un outil clinique.
Cette distinction entre exactitude et aptitude à l’usage est décisive. Un code peut reproduire fidèlement ce qui figure dans le dossier source tout en décrivant imparfaitement l’état de santé du patient. Une absence peut signifier qu’un événement n’a pas eu lieu, qu’il n’a pas été recherché, qu’il n’a pas été consigné ou qu’il se trouve dans un autre système.
La qualité doit donc être évaluée selon plusieurs dimensions :
- La complétude : les variables nécessaires sont-elles suffisamment renseignées pour répondre à la question étudiée ?
- La cohérence : les valeurs concordent-elles entre elles, entre les périodes et entre les sources ?
- La validité : les données représentent-elles réellement le phénomène que leur nom semble désigner ?
- La temporalité : les dates et les séquences permettent-elles de distinguer exposition, intervention et résultat ?
- La comparabilité : les définitions, codages et pratiques de collecte sont-ils assez stables entre établissements ou populations ?
- La traçabilité : peut-on reconstruire l’origine de la donnée et les transformations qu’elle a subies ?
Aucun indicateur isolé ne suffit. Un taux élevé de champs remplis ne garantit pas une mesure valide, pas plus qu’un dictionnaire de variables ne garantit que tous les détenteurs de données appliquent les mêmes définitions. L’évaluation doit être menée au regard d’un protocole explicite et non d’une impression générale de propreté.
La finalité initiale façonne ce que les données permettent de conclure
La réutilisation des données désigne une utilisation secondaire, distincte de la finalité pour laquelle les informations ont d’abord été recueillies. Cette utilisation peut servir la recherche, la surveillance, l’évaluation des soins, l’innovation ou l’élaboration des politiques. Le changement de finalité ouvre des possibilités importantes, mais il déplace aussi le sens des variables.
Les données cliniques suivent le parcours de soins. Elles reflètent les décisions de consultation, les capacités disponibles, les habitudes de documentation et les règles du système d’information. Les données administratives suivent plus volontiers les actes, les épisodes, les prestations ou les mécanismes de financement. Chacune éclaire une partie de la réalité sans en fournir une photographie neutre.
Prenons une comparaison entre deux parcours thérapeutiques. Si les patients les plus sévèrement atteints reçoivent davantage un traitement particulier, une différence de résultat ne mesure pas directement l’effet du traitement. Elle peut traduire un biais de sélection, c’est-à-dire une différence systématique entre les groupes comparés. La taille du fichier ne dissout pas ce problème ; elle peut seulement rendre l’estimation fautive plus précise.
La même prudence vaut pour les données manquantes. Les exclure automatiquement revient à supposer que leur absence ne dépend ni de l’état de santé, ni du recours aux soins, ni du contexte social. Cette hypothèse est souvent forte. La documentation du processus de production importe alors autant que le traitement statistique.
Avant toute analyse, vous devez pouvoir répondre à quatre questions : pourquoi la donnée a-t-elle été créée, par qui, dans quel processus et avec quelles incitations ? Si ces réponses restent floues, la limite doit apparaître dans l’interprétation plutôt que disparaître derrière un modèle sophistiqué.
Une gouvernance utile attribue des responsabilités vérifiables
La gouvernance organise les décisions relatives à la collecte, à la mise à disposition, à l’accès aux données, à leur transformation et à leur suppression. Elle ne se réduit ni à une autorisation juridique ni à un comité placé au sommet d’un organigramme. Elle doit rendre les responsabilités identifiables à chaque étape.
Le détenteur de données connaît généralement le contexte de production, mais il n’est pas toujours seul responsable de la qualité après extraction. L’équipe qui harmonise plusieurs sources prend des décisions de correspondance. Celle qui construit une cohorte définit des critères d’inclusion. L’analyste crée de nouvelles variables. Chaque opération peut modifier le sens, la portée ou l’incertitude des informations.
Une gouvernance robuste distingue au minimum les fonctions suivantes :
- Définir les usages recevables. La finalité annoncée doit être assez précise pour examiner sa nécessité, sa proportionnalité et sa valeur attendue.
- Évaluer l’accès. La décision doit considérer les données demandées, les personnes autorisées, la méthode prévue et les risques de réidentification ou de mésusage.
- Documenter la qualité. Les limites connues, changements de codage, exclusions et transformations doivent accompagner le jeu de données.
- Encadrer le traitement. Les opérations permises, les sorties exportables et les mesures de sécurité doivent être explicites.
- Assurer la traçabilité. Il faut pouvoir savoir qui a consulté quoi, dans quel cadre et pour quel résultat.
- Prévoir la reddition de comptes. Les incidents, écarts au protocole et contestations doivent conduire à une réponse définie.
Une matrice de responsabilités est souvent plus utile qu’une charte générale. Si personne ne sait qui doit corriger une anomalie, informer les utilisateurs ou suspendre une extraction, la gouvernance existe surtout sur le papier. Le véritable test survient lorsque les intérêts de la recherche, du fournisseur de données et des patients ne coïncident pas immédiatement.
Trois modèles d’accès, trois compromis différents
La mise à disposition ne signifie pas nécessairement transmettre une copie complète à chaque équipe. Plusieurs modèles peuvent être combinés selon la sensibilité des données, la maturité des infrastructures et les besoins méthodologiques.
| Modèle | Atout principal | Limite déterminante | Usage adapté |
|---|---|---|---|
| Transmission contrôlée | Souplesse pour l’analyse et la reproductibilité locale | Multiplication des copies et des responsabilités de sécurité | Projet circonscrit avec données préparées et équipe autorisée |
| Environnement sécurisé | Contrôle des traitements, des accès et des sorties | Contraintes techniques et dépendance à l’infrastructure | Données sensibles ou rapprochement de plusieurs sources |
| Analyse distribuée | Les données restent auprès de leurs détenteurs | Harmonisation complexe et visibilité limitée sur les sources | Réseau de partenaires ne pouvant centraliser les données |
Les environnements de traitement sécurisés offrent une réponse technique à certains risques : ils peuvent limiter le téléchargement, enregistrer les opérations et soumettre les résultats à un contrôle avant exportation. Ils ne garantissent toutefois ni la pertinence scientifique du projet ni la validité des variables. Une analyse biaisée reste biaisée, même derrière une porte numérique très bien verrouillée.
L’analyse distribuée évite une centralisation complète, mais elle déplace une partie du problème vers les définitions communes, les logiciels et les procédures locales. Si chaque détenteur interprète différemment un événement clinique, agréger les résultats ne restaure pas la comparabilité.
Le bon choix ne dépend donc pas seulement du niveau de sécurité recherché. Il faut arbitrer entre protection, auditabilité, faisabilité analytique et capacité à comprendre les données. Une architecture plus restrictive peut être justifiée, à condition de ne pas rendre impossible la vérification des résultats.
L’EHDS ne dispense pas d’un travail local sur les données
L’EHDS, ou espace européen des données de santé, vise à structurer la circulation et l’utilisation des informations de santé dans un cadre européen. Pour la recherche d’innovation, l’évaluation et l’action publique, sa promesse centrale tient à un accès plus organisé à des sources aujourd’hui fragmentées. L’harmonisation institutionnelle ne produit pourtant pas automatiquement une harmonisation sémantique.
Deux bases peuvent employer le même terme tout en mesurant des réalités différentes. Les critères diagnostiques, les pratiques de codage, l’organisation des soins ou la fréquence des contacts avec le système de santé peuvent varier. Une variable comparable sur le plan informatique ne l’est donc pas nécessairement sur le plan clinique ou épidémiologique.
Cette difficulté devient particulièrement visible dans les analyses transfrontalières. Une différence observée peut résulter d’un état de santé distinct, mais aussi d’un accès aux soins différent, d’une structure de population différente ou d’un mode de collecte particulier. L’association peut être nette ; son interprétation causale demeure conditionnelle aux hypothèses et aux données disponibles.
Pour un projet inscrit dans le cadre de l’EHDS, le protocole devrait préciser les concepts communs, les différences résiduelles et les analyses de sensibilité prévues. Le qualificatif « européen » décrit une échelle de coopération ; il ne constitue pas, à lui seul, un certificat de qualité.
Protéger les patients sans neutraliser l’utilité publique
La tension entre confidentialité et réutilisation est souvent présentée comme une opposition binaire. Elle relève plutôt d’un arbitrage continu : quelles données sont nécessaires, pour quel bénéfice public attendu, avec quels risques et quelles garanties ? Collecter moins peut protéger davantage, mais retirer certaines variables peut aussi rendre une analyse ininterprétable.
La pseudonymisation réduit certains risques sans transformer les données en informations anonymes par nature. La possibilité de réidentification dépend du contenu, des rapprochements envisageables, des accès autorisés et du contexte technique. Les catégories rares, les trajectoires détaillées ou les combinaisons de caractéristiques peuvent rester particulièrement révélatrices.
À l’inverse, une minimisation appliquée sans réflexion méthodologique peut supprimer les variables nécessaires pour mesurer les inégalités ou corriger un biais. Retirer les déterminants sociaux de la santé peut, par exemple, rendre invisibles des différences de parcours tout en donnant l’apparence d’une analyse plus sobre.
La gouvernance doit donc relier trois registres :
- la protection des personnes et de leurs droits ;
- la qualité scientifique de l’utilisation secondaire ;
- la valeur collective attendue de la recherche ou de la décision.
L’utilité publique ne doit pas être présumée parce qu’un projet porte l’étiquette de recherche. Elle doit être explicitée, discutée et confrontée aux risques. La participation de représentants des patients peut améliorer cette appréciation, à condition qu’elle intervienne assez tôt pour influencer la finalité et les conditions d’accès.
Un protocole de réutilisation doit commencer avant l’extraction
Le contrôle de qualité effectué à la fin du projet arrive trop tard. La réutilisation doit être conçue à rebours de la décision ou de la connaissance recherchée, puis reliée aux données réellement disponibles.
Une démarche praticable suit cet ordre :
- Formulez la question et le comparateur sans partir des variables disponibles.
- Définissez la population, l’exposition, les résultats et la période conceptuelle.
- Identifiez les sources capables de représenter chaque concept.
- Examinez le processus de production, les ruptures de définition et les données manquantes.
- Évaluez les biais plausibles avant de choisir le modèle statistique.
- Déterminez le niveau d’accès et l’environnement de traitement nécessaires.
- Préenregistrez, lorsque cela est pertinent, les analyses principales et les analyses de sensibilité.
- Conservez la provenance des données et le détail des transformations.
- Présentez les résultats avec leurs incertitudes et leurs limites d’interprétation.
Cette séquence évite de confondre disponibilité et pertinence. Un tableau de bord peut contenir des milliers de champs et ne pas permettre de répondre proprement à une question simple, l’administration aime parfois les colonnes davantage que les concepts.
Le résultat attendu n’est pas une donnée « parfaite ». Il s’agit d’une preuve suffisamment solide pour l’usage annoncé, dont les limites restent visibles pour le chercheur, le décideur et les personnes concernées.
De la recherche à la décision, la prudence change de forme
Une estimation issue de données réutilisées ne doit pas être transmise mécaniquement à la décision publique. La solidité méthodologique, la pertinence clinique, la distribution des effets et le coût d’opportunité doivent être examinés séparément. Un résultat moyen favorable peut masquer des effets hétérogènes entre groupes de patients.
Pour une analyse coût-efficacité, la qualité concerne autant les résultats de santé que les ressources mobilisées. Une année de vie ajustée par la qualité, ou QALY, combine durée et qualité de vie dans une mesure synthétique. Sa construction exige des hypothèses qui doivent rester discutables, surtout lorsqu’elle éclaire une allocation de ressources.
L’inférence causale impose une exigence supplémentaire : il faut expliciter pourquoi les groupes comparés seraient suffisamment comparables après ajustement. Les variables absentes, les changements de pratique et les choix de recours aux soins peuvent fragiliser cette hypothèse. Un intervalle de confiance quantifie une partie de l’incertitude ; il ne résume pas les erreurs de mesure ni les biais structurels.
Pour une note décisionnelle, séparez clairement ce que les données décrivent, ce que le modèle estime et ce que vous recommandez. Cette distinction empêche une préférence politique ou organisationnelle de se présenter comme la conséquence automatique d’un calcul.
La réutilisation utile des données de santé commence donc par une discipline assez simple à formuler : ne jamais séparer l’accès, la qualité et la gouvernance. Les infrastructures européennes peuvent faciliter les échanges, mais elles ne remplacent ni la connaissance du contexte de production ni l’examen des biais. La priorité devrait aller aux dispositifs qui rendent les transformations, les responsabilités et les limites effectivement vérifiables. Le prochain chantier est pédagogique : former les équipes à contester une donnée avant de lui demander de trancher une décision.
Votre recommandation sur données de santé
Trois questions pour personnaliser nos recommandations à votre terrain.
Merci, voici notre conseil personnalisé sur données de santé.
D'après vos réponses, le mieux est de reprendre l'article ci-dessus en focalisant sur les passages qui parlent de votre situation : c'est là que se trouvent les recommandations les plus concrètes pour vous. Bonne lecture !
