0

Transformer les commentaires des patients sur les réseaux

sociaux en signaux fiables de veille sanitaire et de pharmacovigilance

Dr Stéphane Schück CEO Kappa Santé / Kap Code

1

Kappa Santé

CRO

Created in 2003, Kappa Santé is a CRO specialized in epidemiology, pharmacoepidemiology and in public and digital health interventions

2003

INNOVATION

2016

Using new technologies to identify solutions to public health issues

More than 120

studies

SME / 35 employees

2013 2014

W’ASM development

CONNECT’INH

development

2012

Detec’t development

A BRIEF HISTORY

2

GENERAL CONTEXT

MANY PEOPLE WRITE ABOUT THEIR EXPERIENCES ON DISCUSSION FORUMS, BLOGS, ETC.

THESE PLATFORMS ARE BECOMING IMPORTANT SOURCES OF INFORMATION1

55 million Internet users, i.e. 86% of the French population

32 million active social network users, i.e. 50% of French people 1. Golder S, Norman G, Loke YK. Systematic review on the prevalence, frequency and comparative value of adverse events data in social media. Br J Clin Pharmacol. 2015 Oct;80(4):878–88.

3

L’ESSOR DES RÉSEAUX SOCIAUX

4

« SOCIAL MEDIA » DANS PUBMED

0

500

1000

1500

2000

2500

3000

1997 1998 1999 2000 2001 2002 2003 2004 2005 2006 2007 2008 2009 2010 2011 2012 2013 2014 2015 2016

5

GOOGLE FLU TRENDS

• Naissance du health crowd sourcing • Lancé en 2008 • Interprétation des mots clés saisis dans

Google dans 29 pays • Arrêt du service en 2015

6

RÉSEAUX SOCIAUX ET SURVEILLANCE SANITAIRE

• Surveillances des maladies • Détection d’épidémies • Surveillance syndromique • Incidence de maladies • Crises sanitaires • Réactions à des campagnes de santé publique

7

LES BARBIERS DU SULTANAT D’OMAN

8

METHODES

9

THE DETEC’T CONCEPT

4 Lardon J, Abdellaoui R, Bellet F et al. Adverse Drug Reaction Identification and Extraction in Social Media: A Scoping Review. J Med Internet Res. 2015 Jul10;17(7):e171. doi: 10.2196/jmir.4304. Review. PubMed PMID: 26163365; PubMedCentral PMCID: PMC4526988. 5 Benton A, Ungar L, Hill S et al. Identifyin potential adverse effects using the web: a new approach to medical hypothesis generation. J Biomed Inform. 2011 Dec;44(6):989–96. 6 Feinaerer I, Hornik K, Meyer D. Text mining infrastructure in R. J Stat Softw. 2008 Mar;25(5):1–54.

KEYWORD ANALYSIS RESTITUTION

KEYWORD SEARCH

ON FORUMS AND

SOCIAL MEDIA

Collection of messages containing

the keyword

PREPROCESSING

IDENTIFICATION OF ADVERSE

EVENTS

SIGNAL DETECTION

PRESENTED IN

DETAILED REPORTS

MISUSE AND PROPER USE OF TREATMENTS

ADVERSE

EVENTS

DISEASE OBSERVAT

ION

ADHERENCE

STUDIES

COURSE OF CARE

1 0

Préparation du corpus

Sources de données

Doctissimo Atoute

Onmeda E-santé

Santé médecine Forum hardware

Alarme.asso Psychologie.aufemin

allodocteur

Extractions

- Recherche d’un mot-clé (nom commercial ou molécule)

- Utilisation d’un web crawler qui

parcourt les forums

- Extraction de l’ensemble des discussions d’intérêt

Identification des messages d’intérêt

- Détection au sein des messages

du mot-clé qui a été recherché lors de l’étape d’extraction

- recherche parmi les messages de

présence de la notion de prise du produit par l’internaute ou l’un

de ses proches

1 1

Détection des concepts médicaux

MedDRA

Enrichissement du thésaurus MedDRA à l’aide de vocabulaire patient

Concepts médicaux

Au sein des messages de prise, détection à partir du thésaurus MedDRA enrichi par du vocabulaire patient des concepts médicaux

effets indésirables potentiels

Catégorisation via une méthodologie de filtre et un algorithme de classification des concepts médicaux en deux catégories : effet indésirable / non effet indésirable

Exemple Il parait que le XXXX peut donner des tremblements, mais moi il m’a juste donné des nausées

Exemple Il parait que le XXXX peut donner des tremblements, mais moi il m’a juste donné des nausées

1 2

LES ALGORITHMES DETEC’T : ALGORITHME DE PRÉSENCE

• Objectif • identifier un nom de médicament ou un concept dans un

message

• Méthode • Détection du mot-clé qui a été recherché lors de l’étape

d’extraction depuis les forums. Inclusion de fautes d’orthographe afin d’identifier les erreurs les plus communément commises par les internautes.

• Le mot clé peut-être un nom de médicament, un concept médical ou un nom de pathologie

• Les messages identifiés constituent l’ensemble des messages de présence

Exemple J’ai une question par rapport au médicament Dolipran, est-ce que vous savez s’il faut le prendre en mangeant ?

1 3

LES ALGORITHMES DETEC’T : ALGORITHME DE PRISE

• Objectif • identifier la prise du produit au sein des messages

• Méthode • Lorsque le mot clé recherché est un médicament,

recherche parmi les messages de présence de la notion de prise du produit par l’internaute ou l’un de ses proches

Exemple Je prends du Plavix depuis 3 semaines. Contre exemple J’ai entendu parler du Plavix, vous connaissez ?

1 4

LES ALGORITHMES DETEC’T : DÉTECTION DES CONCEPTS

• Objectif • identifier les concepts médicaux présents au sein

des messages

• Méthode • Au sein des messages de prise, détection à partir

du thésaurus MedDRA enrichi par du vocabulaire patient des concepts médicaux

Exemple Il parait que le Seroplex peut donner des tremblements, mais moi il m’a juste donné des nausées

1 5

LES ALGORITHMES DETEC’T : ALGORITHME DE PERTINENCE

• Objectif • identifier les concepts médicaux qui sont des effets

indésirables potentiels du médicament étudié

• Méthode • Catégorisation via une méthodologie de filtre et un

algorithme de classification des concepts médicaux en deux catégories : effet indésirable / non effet indésirable

Exemple Il parait que le Seroplex peut donner des tremblements, mais moi il m’a juste donné des nausées

1 6

DETEC’T DATABASE

26,862,232 MESSAGES ANALYSED

12 YEARS OF DISCUSSIONS ANALYSED

36 FRENCH LANGUAGE SOURCES ANALYSED

485 MEDICINES ANALYSED

309 797 COUPLE DRUG - CONCEPT

299 FOOD SUPPLEMENTS

1 7

EXEMPLE

1 8

• Socrate • To pharmakon ((φάρμακον) • Le remède et le poison

• Hippocrate • Primum non nocere…deinde curare

• Une solution d’exploration des réseaux sociaux autour du médicament

De l’index de Socrate au pouce de Marck Zuckerberg

1 9

MÉTHODES DE DÉTECTION DE SIGNAL UTILISÉES

Distribution du CHI2 et du PRR pour un medicament X

Diarrhoea

Psoriasis

Infection

2 0

LEVOTHYROX

0

50

100

150

200

250

300

2007

-01.

120

07-0

3.2

2007

-06.

120

07-0

8.2

2007

-11.

120

08-0

1.2

2008

-04.

120

08-0

6.2

2008

-09.

120

08-1

1.2

2009

-02.

120

09-0

4.2

2009

-07.

120

09-0

9.2

2009

-12.

120

10-0

2.2

2010

-05.

120

10-0

7.2

2010

-10.

120

10-1

2.2

2011

-03.

120

11-0

5.2

2011

-08.

120

11-1

0.2

2012

-01.

120

12-0

3.2

2012

-06.

120

12-0

8.2

2012

-11.

120

13-0

1.2

2013

-04.

120

13-0

6.2

2013

-09.

120

13-1

1.2

2014

-02.

120

14-0

4.2

2014

-07.

120

14-0

9.2

2014

-12.

120

15-0

2.2

2015

-05.

120

15-0

7.2

2015

-10.

120

15-1

2.2

2016

-03.

120

16-0

5.2

2016

-08.

120

16-1

0.2

2017

-01.

120

17-0

3.2

2017

-06.

120

17-0

8.2

Distribution du nombre de messages associés au Levothyrox® 3939 messages - Observations mensuelles – 2007-2017

Août 2017

2 1

Veille de l’activité

0

50

100

150

200

250

300

2007

-01.

120

07-0

4.1

2007

-07.

120

07-1

0.1

2008

-01.

120

08-0

4.1

2008

-07.

120

08-1

0.1

2009

-01.

120

09-0

4.1

2009

-07.

120

09-1

0.1

2010

-01.

120

10-0

4.1

2010

-07.

120

10-1

0.1

2011

-01.

120

11-0

4.1

2011

-07.

120

11-1

0.1

2012

-01.

120

12-0

4.1

2012

-07.

120

12-1

0.1

2013

-01.

120

13-0

4.1

2013

-07.

120

13-1

0.1

2014

-01.

120

14-0

4.1

2014

-07.

120

14-1

0.1

2015

-01.

120

15-0

4.1

2015

-07.

120

15-1

0.1

2016

-01.

120

16-0

4.1

2016

-07.

120

16-1

0.1

2017

-01.

120

17-0

4.1

2017

-07.

1

Application de l'algorithme de veille sur les messages associés au Levothyrox® Observations bimensuelles, 2007-2017

Faible Moyenne Soutenue

1

10

100

1000

2016

-01.

1

2016

-02.

1

2016

-03.

1

2016

-04.

1

2016

-05.

1

2016

-06.

1

2016

-07.

1

2016

-08.

1

2016

-09.

1

2016

-10.

1

2016

-11.

1

2016

-12.

1

2017

-01.

1

2017

-02.

1

2017

-03.

1

2017

-04.

1

2017

-05.

1

2017

-06.

1

2017

-07.

1

2017

-08.

1

2017

-09.

1

Le volume de messages s'accroît subitement en août 2017 Echelle logarithmique

Faible Moyenne Soutenue

MODELISATION DE L’EVOLUTION TEMPORELLE DU VOLUME DE MESSAGES :

IDENTIFICATION DES PICS A L’AIDE D’UN MODELE DE MARKOV LATENT ET DE

CLASSIFICATION NON-SUPERVISÉE (KMEANS)

2 2

Evolution temporelles des déclarations d’effets indésirables

0

2

4

6

8

10

12

14

16

18

2002

-01

2002

-06

2002

-11

2003

-04

2003

-09

2004

-02

2004

-07

2004

-12

2005

-05

2005

-10

2006

-03

2006

-08

2007

-01

2007

-06

2007

-11

2008

-04

2008

-09

2009

-02

2009

-07

2009

-12

2010

-05

2010

-10

2011

-03

2011

-08

2012

-01

2012

-06

2012

-11

2013

-04

2013

-09

2014

-02

2014

-07

2014

-12

2015

-05

2015

-10

2016

-03

2016

-08

2017

-01

2017

-06

Crampes Maux de tête Vertiges Chute de cheveux

0

2

4

6

8

10

12

14

16

18

Crampes Maux de tête Vertiges Chute de cheveux

Evolution temporelle des déclarations d'effets indésirables Aires empilées

2 3

Détection de signaux – Nouveaux signaux 2017

2 4

USE AND OFF-LABEL USE

2004

2013

2 5

NEUROLEPTIQUES ET ANXIETE

2 6

Gold Standard - Annotation manuelle

• Annotation de 10 % des messages

Corpus Abilify 9 528 messages

Corpus Risperdal 3 868 messages

Annotation de 1000 messages : Troubles anxieux : 35

Démence : 0 TDAH : 0

Autisme : 1

Annotation de 400 messages : Troubles anxieux : 15

Démence : 0 TDAH : 0

Autisme : 0

2 7

Test du modèle - Troubles anxieux Abilify

GS

Oui Non

Détection automatique

Oui 34 138

Non 1 827

• GS Abilify : 1000 messages, 35 troubles anxieux

• Test de différents modèles

• Meilleures performances :

Indicateur valeur

Sensibilité 97 % Spécificité 86 % VPP 20 %

VPN 100 %

2 8

STILNOX Zolpidem

Effets indésirables

Interrogations

Prise en charge Sommeil

Antidépresseurs et interaction

Efficacité

Schéma de prise

Expérience Patient

• *Sources surveillées : Atoute, Doctissimo, Au féminin, E-santé, Santé médecine, Bebe patient, Patient Co UK, Steady Health, Planete santé, Creapharma, Futura Sciences…

Mai 2017

LES CHIFFRES-CLÉS 3 732 messages analysés 4 pays : France, Belgique, Suisse, Canada 6 médicaments concurrents surveillés 30 sources surveillées* 14 075 relations identifiées

ALTERNATIVES THÉRAPEUTIQUES

NUCTALON® NOCTAMIDE® STILNOX®

Date du message le plus ancien

x x 28 Décembre 2005

Maximum de messages observés

x x 349 Septembre 2007

0

50

100

150

200

ÉVOLUTION DU NOMBRE DE MESSAGES

THÈMES DES DISCUSSIONS

Autres

TOP 10 DES CONCEPTS MÉDICAUX

1 DÉPENDANCE

2 SOMNOLENC

E

3 DOULEUR

4 ANXIÉTÉ

8 STRESS

7 DÉPRESSION

6 HALLUCINATIO

N

5 FATIGUE

10 USAGE ABUSIF DE

MÉDICAMENTS OU DE PRODUITS

CHIMIQUES

9 ALCOOLISME

TOP 5 DES MÉDICAMENTS ASSOCIÉS

1 METOPROLOL

2 BISOPROPOL

3 ADENOSINE

4 SEROPLEX

5 LEXOMIL

DETEC’T PROPOSE

L’étude de l’observance du Stilnox® Identification des leviers d’observance

Identification des freins à la prise du produit

L’étude des effets indésirables rapportés par les internautes

Moment de la prise

SYNTHÈSE DES RÉSEAUX SOCIAUX

2 9

PHARMACOVIGILANCE OUTPUTS

Distribution du CHI2 et du PRR pour un medicament X

Diarrhoea

Psoriasis

Infection

3 0

La nouveauté en science

3 1

MERCI