This HTML5 document contains 28 embedded RDF statements represented using HTML+Microdata notation.

The embedded RDF content will be recognized by any processor of HTML5 Microdata.

Subject Item

n2:id

rdf:type

frbr:Work rdac:C10001

marcrel:ths

n15:id

marcrel:aut

n18:id

skos:altLabel

Imputation of individual cancer cases to occupational causes

dc:subject

Cancer -- Étiologie Thèses et écrits académiques Cancer -- Facteurs de risque Statistique bayésienne Responsabilité (droit) Maladies professionnelles

skos:prefLabel

Imputabilité de l'origine professionnelle des cancers

dcterms:language

n24:fra

dcterms:subject

n10:id n12:id n16:id n17:id n19:id n21:id n23:id

dc:title

Imputabilité de l'origine professionnelle des cancers

marcrel:dgg

n14:id

skos:note

Despite their importance, occupational cancers are little notified in France. Whatever the method ussed to explore an occupational cause, the approach is that of an imputation. The aim of this work is to discuss the limits of available methods of recognition of occupational cancers, and to consider the research needed to improve a new method based on Bayes theorem. These existing systems are processes that do not allow statistical quantification and that lack reproductibility. Decision-making algorithms could guide the user towards a standardized decision and could be adapted to the build-up of new tables. The imputation process would be better represented by statistical methods based on the use of Bayes theorem. We adapted this method to occupational cancers and tested its application to lung cancer and mesothelioma. Imputation was then formulated using Bayes theorem, relating epidemiological information regarding causes and the patient's exposure history which relevance was defined using a formal consensus between experts. Data needed to apply a Bayesian method was defined in terms of relative risks, proportion of people exposed in populations, and frequency of positive relevant characteristics in individuals without cancer. Experts defined relevant characteristics as being : qualification of occupational exposure, intensity of exposure, latency, disease characteristics, and presence of causal agent in the body. This method was applied in two illustrations but still needs external validation. The main limit of its application is the lack of data, which underscores the need for available and reliable data sources on occupational exposures. A possible obstacle to the use of probabilistic models might be the difficulty for law courts in accepting uncertainty. If this method is accepted, it could be applied other cancers and occupational or environmental diseases. Malgré leur importance, les cancers professionnels restent peu déclarés. La démarche intellectuelle employée pour reconnaître l'origine professionnelle d'une maladie est toujours celle d'une imputabilité. L'objectif de cette thèse est de présenter les limites des systèmes de reconnaissance existants et de proposer une nouvelle méthode, fondée sur le théorème de Bayes. Les systèmes de reconnaissance des maladies professionnelles actuels ne sont pas formalisés et manquent de reproductibilité. Les algorithmes pourraient représenter un outil de standardisation de l'imputabilité adapté à l'élaboration de nouveaux tableaux. Le raisonnement d'imputabilité serait plus fidèlement représenté par les méthodes probabilistes. Nous avons testé l'application de la méthode bayésienne d'imputabilité au cancer broncho-pulmonaire et au mésothéliome. L'imputabilité a été formulée par le théorème de Bayes, en utilisant les données épidémiologiques relatives à l'exposition et les caractéristiques individuelles du patient, dont la pertinence était définie par un consensus d'experts. Les données nécessaires à cette application ont été définies en termes de risques relatifs, de proportion d'exposition dans la population et de la fréquence de la caractéristique étudiée chez les individus indemnes de cancer. Les experts ont défini ces caractéristiques pertinentes à prendre en compte comme la qualification (circonstances d'exposition), la latence, les caractéristiques de la maladie et la présence de l'agent causal dans l'organisme. La méthode a montré son applicabilité sur des exemples concrets mais doit encore être validée. La principale limite est la disponibilité des données, ce qui souligne le besoin de sources de données fiables sur les expositions professionnelles. Un obstacle potentiel dans l'utilisation des modèles probabilistes reste également la difficulté pour la justice d'accepter l'incertitude. Si elle est acceptable, cette méthode pourrait alors être appliquée à d'autres cancers ou d'autres maladies professionnelles ou environnementales.

dc:type

Text

n3:P1001

n4:T1009

rdaw:P10219

2005

rdau:P60049

n8:1020