Leveraging expert knowledge and public data to inform health interventions: Novel practical approaches for building causal directed acyclic graphs

CONTEXTE :Les méthodes épidémiologiques et biostatistiques appliquées à la recherche en soins primaires évoluent rapidement en raison de la complexité croissante des données sanitaires et des limites des approches traditionnelles d'inférence associative. La pandémie de COVID-19 a accéléré ce changement, nécessitant une réévaluation critique des méthodologies conventionnelles et modernes. L'intégration d'approches innovantes telles que l'inférence causale, les essais adaptatifs, l'apprentissage automatique et, plus récemment, les grands modèles de langage avec les méthodes traditionnelles d'analyse des données offre de nouvelles possibilités prometteuses pour répondre à des questions de recherche complexes de manière plus efficace et efficiente. Cependant, cette intégration présente des défis pratiques dans la mise en œuvre, car les paradigmes de recherche modernes exploitent de plus en plus les connaissances des experts du domaine, c'est-à-dire des informations externes essentielles pour informer les aspects structurels et opérationnels de la recherche. Dans l'archétype moderne de l'inférence causale, les graphes acycliques dirigés (GAD) jouent un rôle central dans l'encodage des informations externes et sont donc essentiels pour permettre une intégration efficace des connaissances dans la pratique de la recherche sur les soins primaires.Cette recherche doctorale a évalué les lacunes méthodologiques actuelles dans l'intégration des données publiques et des connaissances des experts dans les études de recherche sur les soins primaires à travers une lentille d'inférence causale. À travers une série de développements de cadres centrés sur les GAD, cette dissertation a abordé ces défis, démontrant leur faisabilité et leur applicabilité dans le contexte de la gestion des maladies chroniques et des essais adaptatifs.OBJECTIFS :1.Évaluer les normes de déclaration épidémiologique en utilisant COVID-19 comme étude de cas, en mettant l'accent sur l'évaluation des limites des interprétations causales et exploitables des données communiquées au public.2.Évaluer le potentiel des grands modèles de langage dans la construction de graphes acycliques dirigés (GAD) en tirant parti du vaste corpus de données publiques pour la recherche sur les soins primaires.3.Établir une approche de cartographie causale de la littérature sur le VIH afin d'identifier les résultats fréquemment rapportés par les patients en rapport avec le VIH, dans le but de construire un GAD complet des résultats du VIH rapportés dans la littérature.4.Développer et évaluer la faisabilité d'une nouvelle approche pour le développement de GAD avec des experts du domaine.MÉTHODES :Quatre études ont été réalisées à l'aide d'approches méthodologiques multiples :1.Évaluation critique longitudinale (en temps réel) de l'utilité causale des données canadiennes COVID-19 communiquées par les organismes gouvernementaux et les organes de presse entre avril 2020 et août 2021.2.Une étude empirique de l'utilité du grand modèle linguistique GPT-3, un modèle linguistique antérieur à ChatGPT, pour la construction de GAD dans le cadre de la recherche sur les soins primaires.3.Un examen approfondi pour développer un GAD décrivant les relations avec les résultats individuels liés au VIH utilisés dans les études de recherche menées dans les pays à revenu élevé.4.Une étude de faisabilité pour développer et évaluer une approche alternative au développement de GAD avec des experts du domaine, avec un objectif secondaire de mise à jour du GAD créé dans l'étude 3.RÉSULTATS :Étude 1 : Les données canadiennes relatives à l'étude COVID-19 présentaient des définitions de cas variables, des critères de test hétérogènes et un manque de normalisation appropriée. Ces résultats mettent en évidence les difficultés d'application des principes épidémiologiques établis et leur impact sur la politique de santé publique.Étude 2 : Les performances du GPT-3 étaient prometteuses, avec une précision supérieure à 50 % pour au moins l'un des paramètres testés (par exemple, l'invite, le verbe de liaison, la spécificité du langage). Cela a démontré que la précision du GPT-3 dans la confirmation des arêtes dans les GAD liés à la santé dépend du langage utilisé dans les invites pour décrire les relations entre les variables, par exemple "X est causé par Y" ou "X est associé à Y". Bien que les LLM soient potentiellement utiles pour extraire des informations des données publiques, leur combinaison avec des connaissances d'experts et de la littérature peut constituer un moyen plus efficace de générer des GAD complets.Étude 3 : L'examen exploratoire a révélé que les résultats en matière de santé physique étaient les plus fréquemment rapportés dans les études de recherche sur le VIH, suivis par la santé sociale, avec une attention limitée portée à la santé mentale. Seules 2,2 % des études incluses ont utilisé des résultats de substitution, la numération des cellules CD4+ étant la plus fréquente, en tant qu'indicateur de la fonction immunitaire globale ou de la rétention dans le système de soins. Les résultats ont été utilisés pour créer un GAD illustrant les relations entre les résultats liés au VIH. L'accent prédominant mis par ce premier GAD sur les résultats physiques et cliniques a mis en évidence le manque de résultats psychosociaux et structurels connus, illustrant la nécessité d'une implication supplémentaire des experts lors de la création des GAD.Étude 4 : Sur la base des résultats de l'étude 3, une approche alternative de développement de DAG avec des experts du domaine a été proposée et développée de manière itérative sur la base des commentaires des experts du domaine : (1) identifier les résultats d'intérêt, (2) éliciter les variables, (3) organiser les variables dans le temps, (4) consolider les données des experts du domaine et créer un GAD, et (5) examiner et finaliser le GAD avec les experts du domaine. Sept sessions de développement du GAD ont été menées avec sept experts du domaine pour mettre à jour le GAD de base de l'étude 3, en se concentrant particulièrement sur l'engagement dans les soins et l'adhésion au traitement antirétroviral. Les experts ont trouvé le processus stimulant, essentiel et clair. Ils ont mis à jour le GAD en ajoutant des facteurs sociaux et structurels influençant les résultats d'intérêt, ce qui a permis d'obtenir un GAD plus complet. CONCLUSION :Cette thèse de doctorat met en évidence la nature évolutive des approches de synthèse des connaissances qui visent à informer l'inférence causale moderne pour les interventions de santé. En évaluant de manière critique les pratiques conventionnelles de communication des données, en explorant le potentiel de l'apprentissage automatique dans la modélisation causale, et en développant une nouvelle approche pour incorporer l'expertise du domaine avec les DAG, ce travail fournit une série de développements méthodologiques promouvant l'intégration formelle de la connaissance des experts et des données publiques pour la construction de modèles causaux. Les résultats soulignent l'importance d'équilibrer les avancées technologiques avec l'expertise du domaine, offrant une voie vers une recherche en soins primaires plus robuste et contextuellement pertinente

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.