L’unité de biostatistique, un ajout récent aux technologies et services offerts par l’institut de recherche allemand Trias i Pujol (IGTP), se compose d’une équipe de statisticiens et de mathématiciens qui mènent et soutiennent la recherche biomédicale. Ils ont récemment publié deux articles notables. Le premier article, paru dans Rapports scientifiques, révèle le rôle des inégalités socio-économiques et de la vaccination dans la propagation de la pandémie de COVID-19. La seconde, publiée dans Méthodologie de recherche médicale BMCprésente REDCapDM, un nouveau package R conçu pour améliorer l’efficacité et la fiabilité de la gestion des données de recherche collectées via la populaire plateforme REDCap.
Impact du COVID-19 en Catalogne : inégalités socio-économiques et vaccination
Une nouvelle étude scientifique, publiée dans Rapports scientifiques par les chercheurs Pau Satorra et Cristian Tebé, met en lumière l’évolution et les conséquences de la pandémie de COVID-19 en Catalogne. À l’aide de modèles bayésiens spatio-temporels, l’analyse révèle comment l’incidence du virus et des hospitalisations variait entre les différents domaines de santé de base (ABS) au fil du temps, mettant en évidence les facteurs clés qui pourraient avoir influencé ces tendances.
Les résultats indiquent que les zones urbaines ont connu une incidence plus élevée de cas et d’hospitalisations que les zones rurales, ce qui suggère une association avec la densité de population et les conditions de vie dans ces zones. Cela souligne la nécessité de stratégies de santé publique spécifiques dans les environnements urbains densément peuplés.
L’étude souligne également l’impact des inégalités socio-économiques sur les effets de la pandémie. Les ABS présentant des niveaux de défavorisation socio-économique plus élevés ont connu des taux d’hospitalisation plus élevés, soulignant à quel point les conditions socio-économiques peuvent exacerber les effets d’une crise sanitaire mondiale.
L’une des découvertes les plus significatives est l’effet protecteur au niveau ABS d’une vaccination complète contre le virus, démontrant l’importance vitale des campagnes de vaccination dans la lutte contre la pandémie. Il a été démontré qu’une couverture vaccinale complète réduit considérablement le risque de cas et d’hospitalisations, réaffirmant ainsi le message de santé publique selon lequel la vaccination est un outil clé pour contrôler la propagation et l’impact du virus.
Pour cette recherche, des données ouvertes fournies par la Generalitat de Catalunya ont été utilisées, soulignant l’importance de l’accès à des informations fiables et transparentes pour faire progresser la recherche épidémiologique. Les découvertes de cette étude contribuent non seulement à une meilleure compréhension de la dynamique du COVID-19 au niveau local, mais mettent également en évidence l’importance cruciale de l’intervention vaccinale et de l’attention portée aux inégalités socio-économiques en tant qu’éléments clés d’une réponse efficace à la pandémie.
“L’utilisation de la modélisation hiérarchique bayésienne s’est avérée très utile pour décrire les tendances spatiales, temporelles et spatio-temporelles de l’épidémie de COVID-19 en Catalogne”dit Pau Satorra, le premier auteur de l’article. « Nous avons montré que les zones urbaines de santé de base présentaient un risque plus élevé de cas de COVID-19 et d’hospitalisations que les zones rurales, tandis que le dénuement socio-économique de la zone était un facteur de risque d’hospitalisation. la zone a également eu un effet protecteur sur le risque de cas de COVID et d’hospitalisations par zone”.
REDCapDM : un package R pour la gestion des données dans les projets REDCap
Dans ce deuxième article, dirigé par João Carmezim et Pau Satorra, l’unité de biostatistique de l’IGTP a développé REDCapDM, un nouveau package R visant à faciliter la gestion des données des projets REDCap, une application web permettant de créer et de gérer des bases de données et des enquêtes en ligne. REDCap est largement utilisé dans la recherche clinique pour sa flexibilité et ses fonctionnalités de sécurité. Cependant, la gestion des données REDCap via R peut être complexe, nécessitant souvent un travail de programmation pour maximiser son efficacité. Le package REDCapDM répond à ce besoin en fournissant des fonctions spécifiques d’importation, de transformation, d’identification des écarts et de gestion des données.
Grâce à REDCapDM, les chercheurs peuvent optimiser le processus de gestion des données cliniques tout en garantissant la qualité et la fiabilité des informations analysées. Cet outil présente un intérêt particulier pour les data scientists et les gestionnaires de données cliniques travaillant avec REDCap et R, offrant une solution complète pour les tâches de gestion des données de recherche.
La mise en œuvre de REDCapDM dans R, version 4.3.0, et sa disponibilité via le Comprehensive R Archive Network (CRAN) ouvre de nouvelles portes pour une gestion efficace des données dans les études cliniques. Ce package simplifie non seulement l’importation et le traitement des données de REDCap vers R, mais améliore également le processus de validation des données, essentiel pour générer des données de qualité en recherche.
Le développement de REDCapDM marque une avancée dans l’automatisation et l’amélioration de la gestion des données dans la recherche clinique, en fournissant aux chercheurs des outils robustes pour l’analyse et la validation des données. Avec le soutien continu de la communauté R et l’intégration avec d’autres packages et outils, REDCapDM est en passe de devenir une ressource précieuse pour la communauté mondiale de la recherche clinique.
L’implémentation de REDCapDM dans R version 4.3.0, sa disponibilité via CRAN et Github garantissent un accès libre à cet outil et une transparence essentielle au progrès de la recherche scientifique. Ce projet, disponible pour tous les systèmes d’exploitation et sous la licence publique générale GNU version 2, démontre l’impact positif de la collaboration ouverte et de l’utilisation de technologies open source pour faire progresser la recherche médicale.
Qu’est-ce qu’un package R ?
Un package R est un ensemble de fonctions, de données et de documentation développés pour étendre les fonctionnalités du logiciel statistique R. Les packages permettent aux utilisateurs d’ajouter de nouvelles techniques d’analyse, méthodes statistiques, graphiques, capacités d’importation et d’exportation de données, et bien plus encore, à leur environnement de travail R. Ces packages sont créés par la communauté des utilisateurs et des chercheurs de R dans le but de partager des solutions et de faciliter le travail sur des projets spécifiques ou dans des domaines de recherche particuliers.
Source:
Institut de recherche allemand Trias i Pujol
Références des revues :
2024-03-23 04:40:00
1711159367
#Introduction #nouveaux #outils #statistiques #pour #rationaliser #gestion #des #données #biomédicales
