L’analyse médico-économique d’un traitement innovant : le stage de Lucie chez CEMKA 

Lucie Bouin, promo 2021 de l’ENSAI, a réalisé son stage de fin d’études chez CEMKA, bureau de conseil et d’étude en santé. Durant six mois, elle a fait partie de l’équipe d’économie de la santé en charge de l’évaluation de l’efficience d’un traitement innovant dans le cancer du rein. Récit.

Le stage de fin d’études des élèves-ingénieurs de l’ENSAI est une porte d’entrée vers une carrière en Data Science. L’expertise en statistique, informatique et économie acquise durant le cursus prend une dimension professionnelle, dans le cadre de l’année de spécialisation.

L’ENSAI après un cursus universitaire

Lucie Bouin : “J’ai rejoint l’ENSAI sur admission sur titres après une Licence 3 de Mathématiques et Informatique Appliqués aux Sciences Humaines et Sociales (MIASHS) à l’Université de Rennes 2. J’ai choisi de poursuivre mon cursus à l’ENSAI pour approfondir les mathématiques, l’informatique et l’économie vus à l’université, et pour les appliquer à des sujets plus sociétaux via les statistiques. Intégrer une école d’ingénieur à la place d’un Master 1 me semblait idéal pour rencontrer des profils complémentaires du mien. J’ai opté pour la spécialisation Data Science, Modélisation économique & Santé en troisième année du cursus ingénieur car les sujets de gestion des ressources économiques dans le domaine de la santé m’intéressent particulièrement.

6 mois au sein du pôle Economie de la santé de CEMKA

J’ai réalisé mon stage de fin d’études au sein du pôle Economie de la santé à CEMKA, à Bourg La Reine. CEMKA est un bureau de conseil et d’étude en santé. Les consultants ont des profils pluridisciplinaires; médecins, pharmaciens, économistes de la santé, spécialistes de la Santé Publique, ou encore biostatisticiens. Ils s’associent pour répondre aux sollicitations de commanditaires variés, institutionnels ou privés : autorités de santé, Assurance Maladie, industriels… en matière d’économie de la santé, analyse de données de santé et bien d’autres sujets encore.

Mon stage a porté sur la réalisation d’une évaluation médico-économique ou plus précisément, sur l’évaluation de l’efficience d’un traitement innovant dans le cancer du rein. L’analyse médico-économique du traitement innovant s’appuie sur les données d’un essai clinique pivot.

Les évaluations médico-économiques sont des outils d’aide à la décision pour les décideurs en santé. Ces études sont développées dans le but de maximiser les résultats de santé pour la population en allouant de façon optimale les budgets disponibles aux ressources en santé. L’”efficience” s‘évalue à travers un ratio différentiel coût résultat (RDCR). Celui-ci est le rapport entre ce que l’on a investi dans le système et les résultats de santé obtenus, souvent mesuré en termes d’années de vie gagnées ou de QALYs (les années de vie gagnée pondérées par la qualité de vie). Les modèles d’efficience participent à l’accès au marché de traitement innovants.

Les enjeux d’un tel dossier sont d’établir une modélisation économique fidèle à la pratique clinique actuelle, que ce soit pour le parcours de soins, les coûts et les résultats pour les traitements déjà présents sur le marché ; d’extrapoler (prédire) les résultats de santé du produit innovant sur un horizon temporel plus long que celui des suivis des essais cliniques ; de quantifier la qualité de vie des patients afin de la valoriser à travers des utilités et désutilités.

De l’évaluation médico-économique au dépôt de dossier à la Haute Autorité de Santé

Dans cette mission, l’équipe CEMKA et moi-même avons assuré :

• L’adaptation du modèle médico-économique à la France
• La rédaction du rapport technique du modèle en vue d’une soumission à la Haute Autorité de Santé (HAS) (dossier CEESP)
• La préparation des différents échanges avec les interlocuteurs du projet (filiale française et globale, HAS, experts cliniciens)

Le modèle que nous avons développé est un modèle de cohorte de survie partitionnée (également appelé « aire sous la courbe »), incluant trois états de santé : « Survie sans progression », « Progression » et « Décès » sous Excel®. Les modèles de type « aire sous courbe » permettent d’estimer à chaque cycle la proportion de patients présente dans chaque état de santé à partir de l’extrapolation des données cliniques de survie globale et de survie sans progression.

Chaque état de santé est associé à un coût de prise en charge et un score d’utilité reflétant la qualité de vie des patients. Les coûts de prise en charge ainsi que les années de vie gagnées ajustées par la qualité de vie sont agrégés pour obtenir respectivement un coût total et un total d’années de vie ajustées par la qualité de vie (QALYs). Enfin, un ratio différentiel coût efficacité en €/QALYs (RDCR) est calculé pour comparer le nouveau traitement aux traitements déjà sur le marché.

Savoir-faire et savoir-être : ce que je retiens de cette expérience

Le stage de fin d’études m’a permis d’intégrer un pôle de consultants durant six mois, j’ai été accueillie comme membre à part entière du pôle. J’ai évolué au sein de l’équipe d’économistes et de statisticiens comme appui sur chaque aspect de la mission : recueil des données complémentaires, modélisation statistique, participation aux échanges avec le commanditaire et la HAS, rédaction des rapports. En collaborant avec des consultants ayant des profils complémentaires au mien, parfois similaires : économiste de la santé, médecin et pharmacien, j’ai appris à mettre mes savoir-faire en application. J’ai développé des compétences en matière de communication au sein d’une équipe et en gestion d’un projet. J’ai aussi entrevu les aspects commerciaux et relationnels auprès du client qui sont des tâches importantes dans le travail d’un consultant, car essentielles au bon fonctionnement de la structure.”

Vous souhaitez devenir Data Scientist dans le domaine de l’économie de la santé ? Plus d’informations sur le cursus ingénieur de l’ENSAI.