Actualités
Du biais de confusion à l'inférence causale : la place du score de propension en recherche clinique.
Cette présentation propose une introduction au score de propension et à son utilisation en recherche clinique et en épidémiologie. En partant des limites des études observationnelles et des méthodes classiques d’ajustement, elle abordera les principes de l’inférence causale, la notion d’estimand et les principales méthodes fondées sur le score de propension. À travers des exemples appliqués en santé, elle présentera leurs intérêts, leurs conditions d’utilisation, leurs limites et les recommandations méthodologiques pour une analyse rigoureuse et une interprétation appropriée des résultats.
Mots-clés : inférence causale, données observationnelle, scores de propension, recherche clinique
Si l’interopérabilité des systèmes d’information en santé est une nécessité reconnue par tous, en Afrique comme ailleurs, les politiques mises en œuvre restent loin de l’effort qu’exige le développement d’une IA souveraine et adaptée aux besoins de santé du continent. Partout, on affirme la nécessité de renforcer la gouvernance. Pourtant, à quelques exceptions près, les politiques dans ce domaine demeurent faibles, et cette faiblesse compromet toute perspective d’émancipation du continent. L’Afrique s’est mise en marche, mais il ne s’agit plus de « marcher » vers une amélioration : il faut désormais « courir ». Cela suppose de refonder les systèmes d’information par une politique énergique et déterminée, en adoptant des standards, des référentiels et des modes d’organisation à la hauteur de ces défis. Il n’est pas nécessaire de réinventer la roue : des modèles existent, et les pays peuvent s’en emparer ou s’en inspirer pour rattraper une partie du temps perdu. Le modèle de données commun OMOP, porté par la communauté OHDSI, est particulièrement intéressant à cet égard. Il permettrait aux pays africains de progresser rapidement vers des données de meilleure qualité, au service d’une meilleure prise en charge des patients et du développement d’une IA africaine et souveraine en santé.
Mots-clés : Gouvernance, interopérabilité, modèle OHDSI, IA en santé en Afrique