Les cas déclarés d’exposition associés à des agents potentiellement toxiques sont collectés dans une base nationale et représentent en moyenne 200 000 cas annuels dont 75 000 à 80 000 cas symptomatiques. Ces données sont actuellement exploitées pour documenter des signaux émanant de partenaires institutionnels locaux (centre hospitalier, agence régionale de santé), nationaux (agence sanitaire) ou internationaux (Rapid Alert System for Food and Feed [RASFF]). Le réseau de toxicovigilance souhaite développer un programme de détection automatisée des événements inhabituels dans le but d’identifier le plus tôt possible des signaux présentant une menace potentielle pour la santé publique. Pour répondre à l’objectif de ce programme, il est nécessaire de dresser l’inventaire des méthodes pour la surveillance et la détection automatisée des événements inhabituels pouvant être utilisées dans le cadre de la toxicovigilance.

Une revue de la littérature a été conduite via Scopus^® et Pubmed^®, complétée par la littérature grise ainsi que par la consultation des informations disponibles sur les sites Internet des systèmes de vigilance.

Les méthodes les plus couramment utilisées, notamment pour la pharmacovigilance, sont les mesures de disproportion. Certaines d’entre elles sont utilisées pour une activité de détection en routine. Les critères de génération de signal diffèrent peu selon les systèmes mais ces derniers ont mis en place des stratégies de filtrage des données, pré- ou post-analyse, afin de réduire la quantité de signaux générés et d’améliorer leur priorisation. Ces signaux sont ensuite transmis à un comité d’experts pour une évaluation clinique et épidémiologique, et éventuellement pour un retour au dossier médical du patient. On note néanmoins un intérêt pour d’autres approches, telles que les méthodes de surveillance des séries de données temporelles ou encore les méthodes symboliques utilisées jusqu’à présent en pharmacovigilance. Ces dernières permettent d’extraire des règles d’association entre un ou plusieurs médicaments et un ou plusieurs effets secondaires, avec la possibilité d’intégrer d’autres variables telles que démographiques. Le développement d’algorithmes spécifiques basés sur des approches probabilistes empiriques a également fait l’objet de récents travaux de recherche.

Les méthodes de détection de signal utilisées en pharmacovigilance présentent un intérêt certain pour le programme de détection automatisée du signal en toxicovigilance. Une étape préalable au développement de ces approches nécessite d’étudier la qualité statistique des données et de cibler les événements détectables et à détecter en fonction des données disponibles.

Declared cases of exposures related to potential toxic agents are reported through a national database, the French Network of Poison Centers, and account on average for 200,000 cases per year, including 75,000 to 80,000 symptomatic cases. These data are currently used to investigate signals from local, national or international institutional partners (such as hospitals, local health authorities, and the Rapid Alert System for Food and Feed). Our objective is to complete this classical toxicovigilance activity through the automated detection of unexpected or unusual events in order to identify precociously signals representing potential threats for public health. To reach this objective, the inventory of surveillance and detection methods of unexpected events is necessary.

A literature review was conducted via Scopus^® and Pubmed^® databases, completed with grey literature and data available on worldwide vigilance systems’ websites.

The most commonly used methods are disproportional measures in the field of pharmacovigilance, some of which are subject to a routine detection at regular time intervals. Criteria of signal generation differ from one system to another, which have implemented data filtering strategies before or after analysis, in order to decrease the number of generated signals and improve their priority level. These signals are then transmitted to an experts committee for a clinical and epidemiological evaluation, and at times, for informing the patient's medical records. We also notice an interest in other approaches such as surveillance methods of temporal series or symbolic methods for associative rules extraction between one or more drugs and one or more adverse effects, with the possibility to include other types of variables, such a demographic data. The developments of probabilistic-based algorithms have also been recently developed, opening new opportunities.

These surveillance and detection methods are of high interest for the automated detection of signals from the French toxicovigilance network. The initial step to developing these methods consists in studying the statistical quality of data and targeting the needs and expectations of the toxicovigilance network for what we want and what we can detect.