Mother-infant linked UK electronic birth cohorts representing 17.5 million births harmonised to the OMOP common data model

Cet article décrit la transformation de cinq cohortes électroniques de naissances britanniques, représentant plus de 17,5 millions de naissances, en un modèle de données commun OMOP harmonisé qui permet des analyses fédérées reproductibles pour la recherche en santé maternelle et infantile sans partage de données individuelles.

L'essentiel

🌍 Le Grand Projet : Une "Tour de Babel" de la Santé

Imaginez que le Royaume-Uni (Angleterre, Écosse et Pays de Galles) est un immense pays composé de cinq grandes bibliothèques différentes. Chaque bibliothèque contient des millions de carnets de notes sur les naissances, les grossesses et la santé des bébés.

Le problème ? Chaque bibliothèque parle sa propre langue :

• L'une utilise un code secret différent.
• L'autre écrit les dates dans un ordre bizarre.
• Une troisième classe les maladies avec des étiquettes qui ne ressemblent à rien d'autre.

Si vous voulez comparer la santé des bébés de Londres avec ceux de l'Écosse, c'est comme essayer de faire un puzzle où les pièces de chaque boîte ont des formes différentes. C'est impossible !

🧩 La Solution : Le "Kit de Construction Universel" (OMOP)

Pour résoudre ce casse-tête, un groupe de chercheurs (le partenariat MIREDA) a décidé de construire une langue commune et un système de rangement universel, appelé le modèle de données OMOP.

Ils ont pris les carnets de notes de ces 5 bibliothèques (qui représentent 17,5 millions de naissances !) et les ont tous traduits et réorganisés dans ce nouveau format standard.

L'analogie du Lego :
Imaginez que chaque naissance est un petit château en Lego.

• Avant : Certains châteaux étaient faits avec des briques rouges, d'autres avec des bleues, et les instructions de montage étaient différentes.
• Après : Les chercheurs ont pris chaque brique, l'ont nettoyée, et l'ont transformée en une brique Lego standardisée. Maintenant, tous les châteaux, qu'ils viennent de Londres ou de l'Écosse, sont construits avec les mêmes pièces. On peut les empiler les uns sur les autres pour voir le tableau global !

👩‍👦 Le Défi Spécial : Relier la Maman et le Bébé

C'est ici que ça devient intéressant. Le modèle universel (OMOP) est conçu pour parler de personnes individuelles (comme un patient qui va chez le médecin). Mais une grossesse, c'est une histoire à deux : la maman et le bébé.

Le problème : Dans le modèle standard, la maman et le bébé sont deux personnes séparées. Comment savoir qui est la mère de qui sans créer de nouvelles règles compliquées ?

La solution créative :
Les chercheurs ont inventé un système de "liens invisibles".
Imaginez que chaque maman et chaque bébé ont un badge d'identité. Les chercheurs ont accroché un petit fil rouge (un lien numérique) entre le badge de la maman et celui de son bébé.

• Ils ont aussi créé un "carnet de grossesse" spécial qui sert de pont entre les deux.
• Résultat : On peut suivre l'histoire de la maman, puis suivre celle du bébé, tout en sachant exactement qui est lié à qui, sans jamais mélanger leurs identités.

🛡️ La Sécurité : Le "Coffre-Fort"

Une question importante : Est-ce qu'ils envoient tous ces millions de noms et d'adresses dans un seul grand fichier ?

Non ! C'est comme si chaque bibliothèque gardait ses livres dans son propre coffre-fort ultra-sécurisé.

• Les chercheurs ne demandent pas aux bibliothèques de sortir les livres.
• Ils envoient une question (un code informatique) dans chaque coffre-fort.
• Le coffre-fort répond juste par un chiffre (ex: "Il y a 500 bébés prématurés ici").
• Les chercheurs assemblent les chiffres pour avoir le résultat global, mais personne ne voit jamais les noms des gens. C'est ce qu'on appelle une analyse "fédérée" : on travaille ensemble sans jamais se partager les données brutes.

📊 Ce que l'on a appris (Les Résultats)

Grâce à cette énorme machine à traduire, les chercheurs ont pu voir des choses qu'ils n'auraient jamais vues avant :

• La taille du projet : 17,5 millions de naissances ! C'est énorme, ce qui permet d'étudier des maladies très rares.
• Les différences régionales : Ils ont vu que les pratiques changent selon les régions. Par exemple, le taux de césariennes est beaucoup plus élevé à Londres (près de 40 %) qu'au Pays de Galles (environ 20 %).
• La santé des mamans : Ils peuvent maintenant suivre l'histoire de santé des mamans et de leurs bébés sur de longues années, pour comprendre comment la grossesse influence la santé future.

🚀 En Résumé

Ce papier décrit comment des chercheurs ont réussi à unifier 5 mondes différents pour créer une seule grande carte de la santé maternelle et infantile au Royaume-Uni.

C'est comme si on avait pris 5 cartes géographiques dessinées sur des papiers différents, avec des échelles différentes, et qu'on les avait transformées en une seule carte numérique parfaite. Cela permet aux médecins et aux scientifiques de mieux comprendre la santé des familles, de tester de nouvelles idées et d'améliorer les soins pour les mamans et les bébés, tout en respectant scrupuleusement leur vie privée.

Résumé technique

Titre : Cohorts électroniques de naissance mère-enfant au Royaume-Uni harmonisées vers le modèle de données commun OMOP

1. Problématique

Les cohortes de naissance et de grossesse sont essentielles pour étudier les déterminants précoces de la santé tout au long de la vie. Cependant, plusieurs défis limitent leur utilité actuelle :

• Hétérogénéité des données : Au Royaume-Uni, les cohortes électroniques existantes (Angleterre, Écosse, Pays de Galles) diffèrent considérablement en termes de conception d'étude, de systèmes de codage (SNOMED, ICD-10, Read, etc.) et de définitions des variables.
• Absence de structure unifiée : Il n'existe pas de cadre standardisé pour harmoniser les données maternelles et infantiles, ce qui empêche les analyses transversales et inter-cohortes.
• Limites du modèle OMOP standard : Le modèle de données commun de l'Observational Medical Outcomes Partnership (OMOP CDM) est conçu autour de patients individuels. Il ne prévoit pas nativement de structure standardisée pour représenter les relations complexes entre mères, grossesses et nourrissons, ni les épisodes de grossesse en tant que tels.
• Contraintes de confidentialité : Le partage de données individuelles entre sites est souvent impossible en raison des réglementations strictes, nécessitant des approches d'analyse fédérée.

2. Méthodologie

L'initiative MIREDA (Mother and Infant Research Electronic Data Analysis) a harmonisé cinq cohortes électroniques britanniques vers la version 5.4 du modèle OMOP CDM.

Sources de données :
Les cinq cohortes intégrées couvrent l'Angleterre, l'Écosse et le Pays de Galles :

1. Born in Wales (BiW) : Données de santé, éducation et recensement via le SAIL Databank.
2. Born in Scotland (BiS) : Liens entre dossiers électroniques de maternité (TRAK) et données administratives.
3. Born in Bradford (BiBBS/BiB4ALL) : Données de maternité, éducation et soins sociaux.
4. Born in South London (eLIXIR) : Dossiers néonatals et de maternité (BadgerNet, EPIC) liés aux soins primaires et à la santé mentale.
5. CPRD (Clinical Practice Research Datalink) : Données de soins primaires (Gold et Aurum) liées aux statistiques d'hospitalisation et au registre des grossesses.

Processus d'harmonisation (ETL) :
Le processus s'est déroulé localement dans des Environnements de Recherche Fiables (TRE) pour chaque cohorte, garantissant que les données brutes ne quittent pas leurs sites d'origine.

• Profilage : Utilisation de WhiteRabbit pour analyser la structure des bases de données sources.
• Mappage : Utilisation de Carrot Mapper pour convertir les variables sources vers les concepts OMOP standards (SNOMED, RxNorm, ICD-10, OPCS-4).
• Transformation : Exécution des règles de transformation via Carrot Transform pour charger les données dans le format OMOP.
• Révision collaborative : Validation des règles de mappage par l'ensemble du partenariat MIREDA pour assurer la cohérence.

Solutions techniques aux défis spécifiques :

• Lien Mère-Enfant : Utilisation de la table standard fact_relationship avec des IDs de concept spécifiques pour lier les identifiants de la mère et de l'enfant (concept de "mère" et "enfant"). Les relations de jumeaux et de frères/sœurs sont également gérées.
• Épisodes de grossesse : Représentés comme des enregistrements dans la table condition_occurrence (concept de grossesse), avec des dates de début et de fin dérivées de la dernière menstruation et de la date d'accouchement.
• Données manquantes et absence de maladie : Reconnaissance que l'absence de codage dans OMOP ne signifie pas nécessairement l'absence de maladie (biais de non-enregistrement).
• Données démographiques complexes : Création d'une table auxiliaire non standard (location_history) pour conserver l'historique des adresses (non supporté nativement par OMOP v5.4).
• Vocabulaire des médicaments : Pré-traitement des codes UK (DM+D) pour les mapper vers RxNorm.
• Ethnicité : Mappage des catégories UK vers les concepts "race" standards d'OMOP pour l'analyse principale, tout en conservant les détails granulaires dans le domaine observation.

3. Contributions Clés

• Ressource à grande échelle : Création d'une base de données harmonisée représentant plus de 17,5 millions de naissances vivantes.
• Modélisation innovante : Développement d'une approche permettant de représenter les grossesses et les liens mère-enfant dans le modèle OMOP standard sans créer de tables non standard (contrairement à d'autres approches antérieures).
• Analyse Fédérée : La structure permet d'exécuter du code analytique unique sur plusieurs sites sans transférer de données individuelles, respectant ainsi les contraintes de gouvernance.
• Reproductibilité : Tous les scripts, règles de mappage et spécifications sont disponibles publiquement sur le dépôt GitHub de MIREDA, permettant l'extension à d'autres cohortes.

4. Résultats et Caractéristiques des Données

Les données harmonisées (Tables 2 à 5 du document) révèlent :

• Volume : 17,45 millions de naissances au total, dont 99,6 % de naissances vivantes.
• Démographie maternelle : Âge moyen à l'accouchement de 29,4 ans.
• Caractéristiques des naissances :
  • 99 % de naissances uniques (jumeaux/triplets = 1 %).
  • 82,2 % de naissances à terme, 5,4 % prématurées, 3,3 % post-termes.
  • Taux de césarienne global de 20,6 % (avec une forte variabilité régionale : 19,9 % au Pays de Galles vs 39,7 % à Londres).
• Indicateurs de santé :
  • Tabagisme à la réservation de la grossesse : 2,5 %.
  • Diabète gestationnel : 3,5 %.
  • Pré-éclampsie : 1,5 %.
• Variabilité : Des différences significatives ont été observées entre les cohortes (ex: taux de césarienne, prévalence du tabagisme, répartition par quintile de privation), reflétant les différences démographiques et les pratiques régionales.

5. Signification et Perspectives

• Recherche sur les maladies rares : L'ampleur de l'échantillon permet d'étudier des expositions et des issues rares qui seraient impossibles à analyser dans des cohortes plus petites.
• Évaluation des politiques : La capacité à comparer les pratiques et les résultats entre différentes régions du Royaume-Uni (Angleterre, Écosse, Pays de Galles) offre un puissant outil pour évaluer l'impact des politiques de santé maternelle.
• Interopérabilité internationale : L'utilisation du modèle OMOP CDM facilite l'intégration future avec d'autres réseaux internationaux utilisant le même standard.
• Limites et développements futurs :
  • La standardisation entraîne une perte de granularité pour certaines variables (ex: ethnicité détaillée, absence de maladie).
  • Les données de l'Irlande du Nord n'étaient pas incluses au moment de la publication (en cours de traitement).
  • Des travaux sont en cours pour harmoniser les indices de privation multiples et étendre le modèle pour mieux capturer les épisodes de grossesse via des tables d'événements supplémentaires.

En conclusion, ce travail établit une infrastructure technique robuste pour la recherche en santé maternelle et infantile au Royaume-Uni, transformant des données hétérogènes en une ressource unifiée, sécurisée et prête pour l'analyse fédérée à grande échelle.