InVS

Read feed

Author Archive

Surveillance épidémiologique en Paca et en Corse. Point au 8 juin 2012.

Written by Nicolas Guibert on . Posted in Actualitées

Surveillances Chikungunya, Dengue, West-Nile, Toscana

Chikungunya, Dengue

Depuis le début de la surveillance, dans les 7 départements des régions Paca Corse colonisés par Aedes albopictus, 83 cas suspects ont été signalés :

  • 53 cas suspects autochtones ;
  • 21 cas suspects importés ;
  • 9 cas suspects en cours d’investigation.

Cinq cas confirmés de dengue ont été signalés, tous sont importés.  Aucun cas de chikungunya n’a été déclaré.
A titre de comparaison, l’an passé en semaine 23,  97 cas suspects avaient été signalés dont 4 cas confirmés de dengue et
1 cas de chikungunya, tous importés. Les services de lutte anti vectorielle ont effectué 8 prospections entomologiques autour des cas importés de Paca et 0 traitement focal anti-moustique adulticide.

West-Nile, Toscana

Depuis le début de la surveillance, 5 fiches ont été reçues dont 2 cas suspects (forme clinique neuro-invasive fébrile avec âge >15 ans).
Aucun cas confirmé d’infection à virus West Nile n’a été détecté.

Le DES de santé publique et médecine sociale : les aspects pratiques

Written by Nicolas Guibert on . Posted in Présentation pratique de la spécialité

Avant-propos:

Cet article a pour vocation de présenter les aspects pratique du Diplôme d’étude spécialisé (DES) de santé publique et médecine sociale (SP) et de ses débouchés. En effet, cette discipline étant relativement méconnu, ses aspects pratiques peuvent pour beaucoup paraître obscurs.
Si les informations qui vont suivre ont pour vocation principale d’éclairer les étudiants en médecine de deuxième cycle qui seraient intéressés par cette filière, elles ont également pour but d’aider les internes de SP en 1er semestre d’internat à mieux appréhender ce champ d’activité qui leur est totalement nouveau et dans lequel ils se sont engagé.

Le deuil de la blouse blanche et du stéthoscope

Même si choisir la santé publique, ce n’est pas forcément faire le deuil de la pratique clinique (voir le chapitre “la pratique clinique en santé publique”), l’activité du médecin de SP est dans la grande majorité des cas une activité totalement différente de l’activité du clinicien. Il faut en avoir conscience en s’orientant vers cette spécialité et il est fortement recommandé de faire précocement le “deuil de la blouse blanche et du stéthoscope”. En effet, cette étape est à mon sens indispensable si l’on veut revêtir de façon assumé le costume de médecin de SP.

L’activité pratique en santé publique

L’activité de l’interne de santé publique

L’esprit général

Pour bien comprendre l’activité de l’interne de SP, il faut comprendre un point essentiel: l’interne de SP, contrairement à l’interne clinicien, travaille sur des projets et non sur des consultations ponctuelles. De plus, ces “projets”, pour être bien menés, requièrent des connaissances théoriques et pratiques insuffisamment acquises lors des 2 premiers cycles des études médicales, ce qui a plusieurs conséquences pratiques par rapport à nos collègues internes cliniciens:

  • Ce défaut de connaissance en début d’internat fait que l’on est peu impliqué dans les activités de services lors des premiers semestres: alors que nos camarades cliniciens sont eux, tout de suite “plongé dans le bain”, il peut exister de nombreuses périodes de “flottement” pour l’interne de santé publique. Ce fait peut être plus ou moins bien vécu et il faut donc s’y préparer.
  • Dans la balance étudiant/praticien de la vie d’un interne en médecine, on reste plus longtemps du coté “étudiant”. En effet, il faut travailler la théorie via des Masters ou des cours de DES pour acquérir les connaissances nécessaires à l’implication dans un travail “pratique”.
  • On est plus libre d’organiser notre temps.

Concrètement, l’interne en santé publique passe la majorité de son temps à:

  • Etudier les champs de connaissances qui relèvent de la formation théorique du DES de SP. Il passe donc beaucoup de temps à lire des manuels et doit passer quelques examens. A Marseille, cette formation théorique passe exclusivement par l’inscription à un Master de santé publique (de l’université de Paris ou Marseille). Un complément de connaissances pouvant être acquit par des recherches personnelles.
  • Travailler devant un ordinateur pour
    • faire des statistiques (pour des études, des thèses, des mémoires,etc…). Cela représente une grosse part du travail durant les 4 années d’internat, d’où la nécessite d’acquérir de bonnes connaissances en biostatistiques. Il est également recommandé de choisir un logiciel de statique et de s’y tenir.
    • travailler sur des bases de données,
    • écrire des rapports,
    • lire des articles, des rapports, des données en générale,
    • préparer des présentations, des cours, de la communication en général,
    • faire du travail en rapport avec le programme de médicalisation des systèmes d’information (PMSI) (codage des actes et diagnostics, analyse de données, etc…),
    • faire divers travaux sur des applications “Microsoft Office like” (Excel, Word, Powerpoint et Access),
  • Assister à des réunions,
  • Faire des présentations, des cours,
  • Assister à des séminaires de formations, des conférences. La valeur ajouté étant ici plus la constitution de réseaux sociaux et la construction d’une culture de santé publique que l’acquisition de connaissances théoriques.

Sachant que, en rapport avec un interne d’une autre spécialité:

  • La qualité de vie en dehors du travail est relativement préservée. Les temps de travail étant claqué, la plupart du temps et pour la majorité des services, sur des horaires de bureau, soit 9h – 17h30 du lundi au vendredi.
  • Il n’y a pas d’astreintes dans la quasi-totalité des services (voir tous).
  • Des gardes aux urgences peuvent par contre être exigées lors des 4 premiers semestres. Cela dépend en fait de:
    • La ville d’internat: certaines villes l’imposent, d’autres ne le permettent pas et d’autres laissent le choix. Marseille l’impose en “théorie” mais cela peut se négocier.
    • Du service: on ne vous inscrira sur le tableau de garde que si vous êtes dans un service rattaché au CHU.

La maquette de formation du DES de santé publique

La pratique clinique en santé publique

Pour le médecin de SP lambda, il est clair que la clinique n’aura pas de place dans son activité. La SP est encore une fois une activité assez distante avec la pratique clinique telle que peut la connaitre un étudiant en médecine de deuxième cycle. Ceci dans le sens où les patients ne sont plus appréhendés directement.

Cependant, toute activité clinique n’est pas exclus pour l’interne en SP qui désirerait s’en rapprocher. En effet:

  • Le DES de SP permet de passer divers Diplôme d’Etude Spécialisé Complémentaire (DESC) qui ouvrent sur une activité clinique (comme l’addictologie, la nutrition, la cancérologie, les maladie infectieuses, etc…):
    • la liste de ces DESC sont disponible ici : Liste des DESC,
    • Il faut cependant avoir l’accord du coordinateur du DESC ainsi que l’accord du coordinateur du DES de SP de la ville dans laquelle on fait son internat.
  • La maquette de SP permet 4 choix “libres” pendant lesquels vous pourrez, avec l’accord du coordinateurs de la filière qui accueille et du coordinateur du DES de SP, faire des stages cliniques.
  • Légalement, aucune loi, aucun décret ou  arrêté n’interdit à l’heure actuelle l’exercice clinique ou la  prescription aux spécialistes de SP.

Le médecin de santé publique

Mais après l’internat, on fait quoi exactement? c’est intéressant? combien on gagne? et je trouverai du travail facilement? Voilà la plupart des questions que l’on se pose quand on envisage de choisir la filière santé publique à l’examen national classant (ECN). Répondre à ces questions n’est pas forcement aisé étant donné la relative jeunesse de la filière et le manque de recul que l’on a par rapport aux autres spécialités médicales. Cependant, pour essayer de répondre à cette question, voyons quelques chiffres issus d’une enquête de 2011  auprès des anciens internes de SP, L’enquête AISP.

L’enquête AISP 

Il s’agit d’une enquête menée en 2011 par le CLiSP auprès des anciens internes de SP. (Groupe de Travail: Jean Baptise GORRE (chargé de l’enquête), Frédéric DUGUE (mise en oeuvre de l’enquête), José GUERRA (responsable de l’enquête), Antoine NEURAZ, Mélodie BERNAUX, Blandine BINACHON, Martin BLACHIER). 330 anciens  internes de SP ont  répondu a cette enquête.

L’intégralité de l’enquête ce trouve ici : http://files.clisp.fr/publications/bulletins/bulletinclisp_17_avr12.pdf

 La recherche d’emploi:

D’après cette enquête, il existe un taux de demandeurs d’emploi de 0,6%, ce qui est très peu par rapport aux autres secteurs d’activités. 78% des internes avaient directement un poste à la fin de l’internat et 89% ont  trouvé  leur premier poste dans les 3 mois qui ont suivis la  fin du DES.

Parmi ceux qui ont souhaité patienter un peu et voir ailleurs, 87% trouvaient un nouveau poste dans le mois et 95% dans les six mois.

L’exercice:

Les  anciens internes sont 60% à travailler à l’hôpital public, les  autres se répartissent dans toutes sortes de structures: agences nationales et territoriales, organismes de recherche publics et privés etc…

La principale activité exercée est l’épidémiologie suivi de l’information médicale.

Les revenus:

En règle général, un médecin de SP gagne moins d’argent d’un médecin d’une autre spécialité. Si cela est particulièrement vrai dans le secteur privé, il faut garder à l’esprit que les salaires de l’hôpital sont établis à partir de grilles qui ne dépendent pas de la spécialité médicale. Cependant, un médecin de santé publique ne faisant en général ni gardes ni astreintes, il gagnera au final souvent moins que ses collègues cliniciens.

Toutefois, toujours d’après l’enquête AISP, plus de la moitié des anciens  internes touchent plus de 4000€ nets mensuels.

La satisfaction:

Quant à la satisfaction vis à vis de la carrière, elle est représentée par le graphique ci-dessous:

Conclusion:

L’internat de SP est une filière qui s’éloigne assez largement du champ de pratique et modérément du champ théorique couvert par les 2 premiers cycles des études médicales. Néanmoins, elle permet un champ d’activité assez large et ne ferme pas totalement les portes de la pratique clinique pour ceux qui désireraient persister dans cette activité.

A propos de l’avenir des internes de santé publique, même si les données sont encore peu nombreuses, l’enquête AISP semble indiquer que la qualité de vie pour les Médecins de santé publique est relativement bonne et qu’il sont plutôt satisfait de leur carrière professionnelle.

Prévenir de toute urgence la propagation de la gonorrhée incurable

Written by Nicolas Guibert on . Posted in Actualitées

6 JUIN 2012 | GENÈVE (via http://www.who.int/)

Des millions de personnes atteintes de gonorrhée risquent de ne plus pouvoir se soigner si l’on ne prend pas des mesures urgentes. Plusieurs pays, parmi lesquels l’Australie, la France, le Japon, la Norvège, le Royaume-Uni et la Suède, signalent déjà des cas de résistance aux céphalosporines, dernière classe d’antibiotiques encore disponible pour traiter la gonorrhée. On estime que, chaque année, 106 millions de personnes contractent la gonorrhée, qui se transmet par voie sexuelle.

Marseille le 27 juin 2012 : Les Rencontres de la santé 2012

Written by Nicolas Guibert on . Posted in Actualitées

Les Rencontres de la santé 2012 ont pour thème Parcours de soins: les clés du décloisonnement.

Cette thématique sera abordée dans 3 régions françaises où nous débattrons d’un enjeu majeur de notre système de santé.

Ce nouveau tour de France permettra d’aller à la rencontre des acteurs de terrain, de prendre la mesure de ce qui change, des besoins et surtout de percevoir ce que sera le système de santé de demain.

Premier colloque en région PACA, pour consulter le programme cliquez ici.

Marseille le 27 juin 2012

Période: Du 08-03-2012 au 28-06-2012

Fin d’inscription: 28-06-2012. S’ inscrire

Référence des fonctions de R les plus courantes

Written by Nicolas Guibert on . Posted in Aides-mémoires, R - project, Référence des fonctions de R les plus courantes

Sommaire

  • Aide
  • Fonctions de base
  • Entrée et sortie
  • Données
    • Création de données
    • Extraction de données
    • Traitement avancé des données
  • Objets
    • Conversion d’objets
    • Information sur les objets
    • Chaînes de caractères
    • Dates et heures
  • Calculs & analyses sur les données
    • Mathématiques
    • Graphiques
    • Modèles et analyses statistiques
  • Programmation

Aide

La plupart des fonctions de R ont une documentation en ligne

  • help(sujet) documentation sur un sujet. Flèches haut et bas pour se déplacer, touche q pour quitter
  • ?topic idem
  • help.search(“sujet”) recherche dans l’aide
  • apropos(” sujet”) le nom de tous les objets dans la liste de recherche qui correspondent à l’expression régulière « sujet »
  •  help.start() démarre la version HTML de l’aide (indispensable; le moteur de recherche intégré nécessite Java installé sur votre ordinateur)
  • example(function) exécute l’exemple donné en bas de la page d’aide de la function indiquée

 

Fonctions de base

  • <- et -> assignation dans le sens de la flèche (a <-b équivaut donc à b->a); e.g.: x<-0; x+1->x (met x à 0, puis additionne x et 1 pour mettre le résultat dans x)
  • NULL l’ensemble vide
  • NA valeur manquante (Not Available)
  • “abc” une chaîne de 3 caractères
  • str(a) affiche la structure d’un objet R
  • summary(a) donne un « résumé » de a, généralement un résumé statistique, mais c’est une fonction générique (fonctionne différemment selon la classe de a)
  • ls() liste les objets de la liste de recherche; spécifier e.g.
  • pat=”MonTexte” pour chercher selon un patron
  • ls.str() str() pour chaque variable de la liste de recherche
  • dir() lister les fichiers dans le dossier (directory) en cours
  • methods(a) afficher les méthodes S3 de a
  • methods(class=class(a)) lister toutes les méthodes permettant de traiter les objets de la classe de l’objet a
  • options(…) définit ou examine de nombreuses options globales; options fréquentes : width (largeur en nombre de caractères de la fenêtre des résultats), digits (nombre de chiffres significatifs à l’affichage), error (traitement des erreurs)
  • library(x) charge des packages additionnels;
  • library(help=x) liste les jeux de données et fonctions du package x.
  • attach(x) ajoute le contenu de x dans la liste de recherche de R ; x peut être une liste, une data frame, ou un fichier de données R créé avec save. Utilisez search() pour montrer la liste de recherche.
  • detach(x) enlève le contenu de x de la liste de recherche de R; x peut être un nom ou une chaîne de caractères désignant un objet préalablement attaché ou un package.
  • q() quitter R (répondre y (yes) et Entrée pour confirmer)

 Entrée et sortie

  • data(x) charge le jeu de données spécifié
  • read.table(file) lit un fichier au format tabulaire et en fait un data frame; le séparateur de colonne par défaut sep=”” désigne n’importe quel espacement; utilisez header=TRUE pour prendre la première ligne comme titre (header) de colonne; utilisez as.is=TRUE pour empêcher les vecteurs de caractères d’être transformés en factors; utilisez skip=n pour ignorer les n premières lignes ; consultez l’aide pour les options concernant le nommage des colonnes, le traitement des valeurs manquantes (NA), etc.
  • read.csv2(“filename”,header=TRUE) idem mais avec des options pré-définies pour lire les fichiers CSV
  • read.delim(“filename”,header=TRUE) idem mais avec des options pré-définies pour lire les fichiers dont les valeurs sont séparées par des tabulations
  • read.fwf(file,widths,header=FALSE,sep=””,as.is=FALSE) lit un tableau dont toutes les colonnes ont la même largeur (fwf: fixed width format); widths est un vecteur d’entiers donnant la largeur des colonnes dans le fichier
  • load() charge le jeu de données écrit avec save
  • save(“fichier”, x,y) enregistre les objets x et y dans le fichier, au format binaire XDR propre à R
  • save.image(“fichier”) enregistre tous les objets
  • cat(…, file=””, sep=” “) affiche les arguments après les avoir converti en caractères; sep est le séparateur entre les arguments
  • print(a, …) affiche les arguments; fonction générique (fonctionne différemment selon la classe de a)
  • format(x,…) formate un objet R pour un affichage personnalisé
  • write.table(x,file=””,row.names=TRUE,col.names=TRUE, sep=” “) affiche x après l’avoir converti en data frame; si quote est TRUE, les colonnes de caractères ou de factors sont entourés par des guillemets; sep est le séparateur de colonnes. Avec file= suivi du chemin d’un fichier, écrit sur le disque dur

La plupart des fonctions d’entrée/sortie ont un argument file . Cela peut souvent être une chaîne de caractères nommant un fichier ou une connexion. Sous Windows, la connexion peut aussi être utilisée avec description =”clipboard” pour lire un tableau copié d’un tableur par le presse-papier

  • x <- read.delim(“clipboard”) pour lire un tableau copié par le presse-papier depuis un tableur
  • write.table(x,”clipboard”,sep=”\t”,col.names =NA) pour écrire un tableau vers le presse-papier pour un tableur

Données

Création de données

  • c(…) fonction combinant les arguments pour former un vecteur; avec recursive=TRUE va dans les listes pour combiner leurs éléments en un seul vecteur (plutôt qu’en un vecteur de listes)
  • de:vers génère une séquence d’entiers; “:” est prioritaire: 1:4 + 1 vaut “2,3,4,5”
  • seq(from,to) génère une séquence; by= spécifie l’incrément; length= spécifie la longueur
  • data.frame(…) crée un data frame avec les arguments (nommés ou non); e.g: data.frame(v=1:4,ch=c(“a”, “b”, “c”, “d”), lettre= “A”); les vecteurs plus courts (ici: “A”) sont réutilisés (recyclés) plusieurs fois pour atteindre la longueur du vecteur le plus long ; à la différence d’une matrix, un data.frame est un tableau dont les colonnes peuvent être de types différents
  • list(…) crée une liste avec les arguments (nommés ou non, qui peuvent être de longueur différente); e.g.: list(a=c(1,2),b=”hi”,c=3);
  • matrix(x,nrow=,ncol=) crée une matrice (tous les éléments sont de même type); les éléments se répètent s’ils sont trop courts
  • factor(x,levels=) transforme un vecteur x en factor (les niveaux sont indiqués par levels=)
  • seq(along=x) génère une suite 1, 2, …, length(x); utile pour les boucles for
  • rep(x,times) répète times fois la valeur x; utilisez each=n pour répéter n fois chaque élément de x; rep(c(1,2,3),2) vaut 1 2 3 1 2 3; rep(c(1,2,3),each=2) vaut 1 1 2 2 3 3

Extraction de données

Indexer des listes

  • x[i] le ou les éléments i de la liste (renvoyé(s) sous forme de liste, à la différence des cas suivants; fonctionne comme pour les vecteurs)
  • x[[n]] n ième élément de la liste
  • x[[“nom”]] l’élément nommé “nom”
  • x$nom l’élément nommé “nom

 Indexer des vecteurs

  • x[n] n ième élément
  • x[-n] tous sauf le n ième élément
  • x[1:n] les n premier éléments
  • x[-(1:n)] les éléments de n+1 à la fin
  • x[c(1,4,2)] des éléments spécifiques
  • x[“nom”] l’élément nommé “nom”
  • x[x > 3] tous les éléments plus grands que 3
  • x[x > 3 & x < 5] tous les éléments plus grands que 3 et plus petits que 5
  • x[x %in% c(“a”,”and”,”the”)] les élémentsappartenant à l’ensemble donné

 Indexer des matrices

  • x[i,j] l’élément de la ligne i, colonne j
  • x[i,] toute la ligne i
  • x[,j] toute la colonne j
  • x[,c(1,3)] les colonnes 1 et 3
  • x[“nom”,] la ligne nommée “nom

 Indexer des data.frame (comme pour les matrices plus ce qui suit)

  • x[[“nom”]] la colonne nommée “nom”
  • x$nom la colonne nommée “nom

Traitement avancé des données

  • apply(X,MARGIN,FUN=, …) applique une fonction FUN aux marges de X (MARGIN=1 pour les lignes, MARGIN=2 pour les colonnes); les paramètres … sont passés à la fonction FUN.
  • lapply(X,FUN) applique une fonction FUN à chaque élément de X
  • merge(x,y) fusionne 2 data frames en utilisant leurs noms de colonnes en commun (ou en les désignant avec by.x et by.y)
  • aggregate(x,by,FUN) divise le data frame x en groupes, calcule la fonction FUN pour chacun; by est une liste d’éléments de regroupement, chaque élément aussi long que le nombre de ligne de x
  • stack(x, …) transforme un tableau en plusieurs colonnes en tableau à 1 colonne, en indiquant d’où vient chaque valeur; e.g.: stack(data.frame(a=1:3,b=4:6))
  • unstack(x, …) inverse de stack()
  • reshape(x, …) fonction avancée (et compliquée) réorganisant en largeur ou en longueur une data.frame (e.g.: un tableau de 2 variables avec 3 années pour 4 pays contient 24 données, organisées en 2×12 ou 6×4 8×3; reshape convertit entre ces formats)
  • subset(x,conditions,select=c(variables)) fait une requête dans une data.frame. e.g. subset(mydata, age >= 20 | age < 10, select=c(ID, Weight))
  • rbind(…) combine les arguments par ligne (row)
  • cbind(…) combine les arguments par colonne

 

Objets

Conversion d’objets

  • as.data.frame(x),
  • as.numeric(x),
  • as.logical(x),
  • as.character(x), …

conversion de type, e.g.: as.logical(x) convertit x en TRUE ou FALSE) ; pour la liste complète, faites methods(as)

Information sur les objets

  • is.na(x),
  • is.null(x),
  • is.array(x),
  • is.data.frame(x),
  • is.numeric(x),
  • is.complex(x),
  • is.character(x), …

tests de type; renvoie TRUE ou FALSE; pour une liste complète, faites methods(is)

  • length(x) nombre d’éléments dans x
  • dim(x) récupère ou définit (dim(x) <- c(3,2)) les dimensions d’un objet
  • nrow(x) et NROW(x) nombre de lignes; NROW(x) considère un vecteur comme une matrice
  • ncol(x) et NCOL(x) idem pour les colonnes
  • class(x) récupère ou définit la classe de x; class(x) <- “maclasse”
  • unclass(x) enlève l’attribut de classe de x
  • attr(x,which=) récupère ou définit un attribut de x
  • attributes(x) récupère ou définit la liste des attributs de x
  • which.max(x) trouve l’indice du plus grand élément de x
  • which.min(x) trouve l’indice du plus petit élément de x
  • order() renvoie une série d’indices permettant de permuter un tableau afin de le mettre dans l’ordre selon les valeurs de certaines colonnes; e.g.,trier par ordre alphabétique de prénom le tableau suivant: x<- data.frame(prenom=c(“Bernard”, “Charles”, “Annie”),age=c(10,20,30)); x[order(x$prenom),]
  • cut(x,breaks) découpe x en intervalles (factors); breaks est le nombre de cas ou un vecteur de cloisons
  • which(x == a) renvoie les indices de x pour lesquels le résultat de l’opération logique est vrai (TRUE), dans cette exemple les valeurs de i pour lesquelles x[i]==a (l’argument de cette fonction doit être une variable de type « logique » (vrai ou faux))
  • na.omit(x) supprime les observations avec des valeurs manquantes (NA: not available); supprime les lignes correspondantes si x est une matrice ou un data.frame)
  • unique(x) renvoie x sans les éléments dupliqués (pour un data.frame, ne renvoie que des lignes uniques)
  • table(x) renvoie une table avec le décompte de chaque valeur différente de x; table(x,y) renvoie un tableau de contingence
  • rev(x) renverse l’ordre des éléments de x
  • sort(x) trie les éléments de x par ordre croissant;
  • rev(sort(x))pour l’ordre décroissant:

Chaînes de caractères

  • paste(…) concatène des vecteurs après conversion en caractères ; sep= les sépare (par défaut: espace)
  • substr(x,start,stop) extrait une sous-chaîne de caractères
  • grep(pattern,x) renvoie les indices des éléments de x dans lesquels on trouve le patron pattern, e.g.: grep (“b”, c(“ab”, “cd”, “bz”))
  • tolower(x) met en minuscules
  •  toupper(x) met en majuscules
  • match(x,table) pour chaque élément de x, renvoie NA si l’élément n’est pas trouvé dans table, sinon renvoie la position où il se trouve dans table
  • x %in% table pour chaque élément de x, renvoie TRUE si l’élément est trouvé dans table, sinon renvoie FALSE
  • nchar(x) nombre de caractères

Dates et heures

La classe Date enregistre des dates. POSIXct enregistre date, heure et fuseau horaire. Les comparaisons (>, < …), seq()ence, et écart de temps (difftime()) sont utiles. On peut enlever ou ajouter des jours à un objet Date (+, -).

  • as.Date(x) convertit une chaîne de caractères en date; as.Date(“2009-12-31”)+1 renvoie le 1er janvier 2010.
  • format(x) l’inverse; on peut choisir la représentation voulue (cf. help(strftime))

Calculs & analyses sur les données

Mathématiques

Opérations générales

  • sin,cos,tan,log,log10,exp fonctions mathématiques
  • max(x) maximum des éléments de x
  • min(x) minimum des éléments de x
  • range(x) mini et maxi: c(min(x), max(x))
  • sum(x) somme des éléments de x
  • diff(x) différence entre chaque élément de x et son prédécesseur
  • prod(x) produit des éléments de x
  • mean(x) moyenne des éléments de x
  • median(x) médiane des éléments de x
  • quantile(x,probs=) quantiles correspondant aux probabilités données; le paramètre par défaut probs=c(0,.25,.5,.75,1) donne les quartiles
  • weighted.mean(x, w) moyenne pondérée de x (pondération par w)
  • rank(x) rang des éléments de x
  • var(x) ou cov(x) variance des éléments de x (calculé avec n−1 au dénominateur); si x est une matrice ou un data.frame, la matrice de variance-covariance est calculée
  • sd(x) écart-type (standard deviation) de x
  • cor(x) matrice de corrélation de x (pour une matrice ou un data.frame)
  • var(x, y) ou cov(x, y) covariance entre x et y, ou entre les colonnes de x et celles de y si ce sont des matrices ou des data frames.
  • cor(x, y) coefficient de corrélation linéaire entre x et y, ou matrice de corrélation si ce sont des matrices ou des data frames.
  • round(x, n) arrondit les éléments de x à n décimales
  • pmin(x,y,…) un vecteur dont le ième élément est le minimum des valeurs x[i], y[i], …
  • pmax(x,y,…) idem pour le maximum
  • union(x,y), intersect(x,y), setdiff(x,y) union et intersection d’ensembles;
  • setdiff(x,y) trouve les éléments de x qui ne sont pas dans y
  • abs(x) valeur absolue
  • filter(x,filter) applique un filtre linéaire à une série temporelle; e.g., pour une moyenne mobile sur trois périodes: filter(x, c(1/3, 1/3, 1/3)) na.rm=FALSE De nombreuses fonctions mathématiques ont un paramètre na.rm=TRUE (non available removed) pour enlever les données manquantes (NA) avant le calcul

 Matrices

  • t(x) transposée
  • diag(x) diagonale
  • %*% multiplication de matrices
  • solve(a,b) trouve x tel que a %*% x = b
  • solve(a) matrice inverse de a
  • rowsum(x) somme par ligne d’une matrice ou d’un objet similaire
  • colsum(x) somme par colonne
  • rowMeans(x) moyenne des lignes d’une matrice
  • colMeans(x) idem pour les colonnes

Graphiques

Périphériques graphiques

  • windows() ouvre une fenêtre graphique sous Windows
  • x11() idem sous GNU/linux ou MacOSX
  • pdf(file), png(file), jpeg(file), bmp(file), tiff(file) se prépare à écrire les instructions graphiques qui suivront dans le fichier file, au format désigné (pdf ou png recommandés); width= et height= fixent les dimensions
  • dev.off() ferme la fenêtre graphique ou le fichier graphique spécifié (par défaut: celui en cours); cf. aussi dev.cur, dev.set

Fonctions Graphiques

  • plot(x) graphique de x (fonction générique ayant des effets différents selon l’objet)
  • plot(x, y) nuage de points
  • hist(x) histogramme des fréquences de x
  • barplot(x) diagramme en barres
  • pie(x) diagramme circulaire (« camembert »)
  • boxplot(x) diagramme en boîte [boîte à moustaches]; la boîte et son milieu montrent les 3 quartiles; les moustaches (whisker) un intervalle de confiance de 95% pour la médiane (s’il y a des valeurs en dehors, elles sont affichées)
  • sunflowerplot(x, y) comme plot(x,y) mais les points qui se superposent exactement sont représentés avec des « fleurs » (un pétale par valeur répétée)
  • stripchart(x, method=”stack”) superpose les valeurs identiques du vecteur x; e.g. stripchart(round(rnorm(30,sd=5)), method=”stack”)
  • coplot(y˜x | a) nuage des points de coordonnées x, y pour chaque valeur ou intervalle de valeur de a
  • mosaicplot(table(x,y)) version graphique de la table de contingence (les surfaces des carrés sont proportionnelles aux effectifs)
  • image(table(x,y)) similaire mais les effectifs influencent la couleur et non la surface
  • pairs(x) tableau des nuages de points entre toutes les paires de colonnes de x
  • plot.ts(x) pour une ou des série(s) temporelle(s) (classe “ts”), valeurs de x en fonction du temps
  • ts.plot(x) idem mais les séries peuvent ne pas commencer ou finir en même temps
  • qqnorm(x) nuage des quantiles observés contre quantiles théoriques; si x suit une loi normale, une droite; comparer qqnorm(rnorm(100)) et qqnorm(1:100)
  • qqplot(x, y) quantiles de y en fonction des quantiles de x

Paramètres communs à de nombreuses fonctions graphiques

  • add=TRUE ajoute sur le graphique précédent
  • axes=FALSE ne trace pas les axes
  • type=”p” type de représentation des coordonnées; “p”: points, “l”: lignes, “b”: (both) points et lignes, “o”: idem mais lignes sur (over) les points, “h”: bâtons, “s”:
  • escaliers (données en haut des barres verticales), “S”: idem (données en bas des barres), “n”: définit la zone de coordonnées mais ne trace rien (utiliser après les commandes graphiques de bas niveau qui suivent)
  • main= titre du graphique (caractères)
  • sub= sous-titre du graphique (caractères)
  • par(…) définit les paramètres suivants pour les graphiques à venir, e.g. par(cex=2); nombre de ces paramètres peuvent aussi être utilisés directement avec une commande graphique de haut ou bas niveau, e.g. plot(x, cex=2) ; liste complète avec help(par)
  • cex taille du texte et des symboles par rapport à la valeur par défaut (character expansion)
  • col couleur(s) des symboles et lignes; e.g. col=”red”, “blue” cf. colors(); e.g. pour créer des vecteurs de 5 couleurs, faire suivre col= de gray(0:5/5), rainbow(5) ou terrain.colors(5)
  • lty type de ligne; 1: pleine, 2: tirets, 3: pointillés, 4: tiretspoints, 5: longs tirets, 6: tiret-court/tiret-long;
  • (configurable)
  • lwd largeur des lignes pch type de symboles pour les points (code entier de 1 à 25, ou caractère entre “”)
  • xaxt=”n” ne trace pas l’axe des abscisses
  • yaxt=”n” ne trace pas l’axe des ordonnées
  • xlim=, ylim= limites des zones du graphique, e.g. xlim=c(1,5)
  • xlab=, ylab= titre des axes (caractères)

Autres Paramètres graphiques

  • par(…) définit les paramètres suivants pour les graphiques à venir, e.g. par(cex=2); nombre de ces paramètres peuvent aussi être utilisés directement avec une commande graphique de haut ou bas niveau, e.g. plot(x, cex=2) ; liste complète avec help(par)
  • cex taille du texte et des symboles par rapport à la valeur par défaut (character expansion)
  • col couleur(s) des symboles et lignes; e.g. col=”red”, “blue” cf. colors(); e.g. pour créer des vecteurs de 5 couleurs, faire suivre col= de gray(0:5/5), rainbow(5) ou terrain.colors(5)
  • lty type de ligne; 1: pleine, 2: tirets, 3: pointillés, 4: tiretspoints, 5: longs tirets, 6: tiret-court/tiret-long; (configurable)
  • lwd largeur des lignes
  • pch type de symboles pour les points (code entier de 1 à 25, ou caractère entre “”)
  • xaxt=”n” ne trace pas l’axe des abscisses
  • yaxt=”n” ne trace pas l’axe des ordonnées

Commandes graphiques de bas niveau

Permettent de compléter un graphique existant (éventuellement vide avec plot(…,type=”n”)

  • points(x, y) ajoute des points (type= peut être utilisé)
  • lines(x, y) ajoute des lignes
  • text(x, y, labels, …) ajoute du texte (labels) aux coordonnées; e.g.: plot(x, y, type=”n”); text(x, y, names)
  • segments(x0, y0, x1, y1) trace des segments de (x0,y0) à (x1,y1)
  • abline(a,b) trace une droite (de forme y=a+b*x)
  • abline(lm.obj) trace la droite de régression du modèle linéaire lm.obj
  • legend(x, y, legend) ajoute une légende au point (x,y) avec les symboles donnés par legend
  • axis(side) ajoute un axe en bas (side=1), à gauche (2), en haut (3) ou à droite (4); optionnels: at= pour les coordonnées des graduation, labels= pour leur texte
  • box() encadre le graphique
  • rug(x) ajoute près de l’axe des abscisses une petite barre pour chaque valeur de x
  • locator(n) renvoie les coordonnées des clics de la souris après n clics sur le graphique

 Groupes de graphiques conditionnels

Pour accéder à ces fonctions, il faut faire avant: library(lattice)

La formule y˜x trace y en fonction de x. On peut faire un graphique y˜x par sous groupe de données en indiquant l’appartenance à tel ou tel groupe par le vecteur g1: y˜x | g1; pour toutes les combinaisons des séries de groupes g1 et g2: y˜x | g1*g2

  • xyplot(y˜x) nuages de points
  • barchart(y˜x) diagrammes en barre
  • histogram(˜x) histogrammes
  • bwplot(y˜x) boîtes à moustache
  • stripplot(y˜x) graphique à une dimension, x doit être un nombre, y peut être un facteur

Modèles et analyses statistiques

Après la formule, on peut en général préciser le nom du data.frame (data=) et le sous-ensemble de données (subset= suivi d’un vecteur de valeurs logiques)

  • lm(formula) estimation d’un modèle linéaire; formula=y~a+b estime le modèle y=ax+by+c (mettre – 1 dans la formule pour enlever la constante c); summary(lm(…)) donne des informations utiles
  • glm(formula,family=) estime un modèle linéaire généralisé; e.g. family= binomial(link = “logit”) pour un modèle logit (cf. ?family)
  • predict(fit,…) fait une prédiction à partir du modèle estimé fit et de nouvelles données
  • coef(fit) coefficients du modèle estimé
  • residuals(fit) résidus du modèle
  • fitted(fit) valeurs prédites par le modèle
  • rnorm(n, mean=0, sd=1) distribution gaussienne (normale)
  • rt(n, df) distribution de Student (t)
  • rf(n, df1, df2) distribution de Fisher–Snedecor (F)

 

Ces fonctions de distribution peuvent être modifiées en changeant la première lettre pour avoir: r (random) pour tirer des nombres au hasard; d: densité de probabilité; p: idem cumulée; q: la valeur du quantile (avec le paramètre p: 0 < p < 1)

Programmation

Fonctions permettant d’enchaîner des opérations de manière structurée. Pour avoir de l’aide sur ces fonctions, saisir leur nom entre guillemets; e.g. help(“if”)

  • function( arglist ) {expr} définition de fonction; arglist est une liste d’arguments, expr est une expression exécutée; e.g.: mafonction<- function( a, b ) {a+2*b}; mafonction(1,2) #renvoie 5
  • return(value) mis dans expr lors d’une définition de fonction, indique que la fonction doit renvoyer ce résultat (si return est absent, la fonction renvoie la dernière valeur calculée dans expr)
  • if(cond) {expr} si cond est vrai (TRUE), évaluer expr == != < > <= >= opérateurs de comparaison, dans l’ordre: égal, différent, inférieur, supérieur, inférieur ou égal, supérieur ou égal; e.g. 1==1 vaut TRUE ou T; 1! =1 vaut FALSE ou F; dans les opérations avec des nombres, T est converti en 1 et F en 0 (T-1==0 est vrai)
  • if(cond) {cons.expr} else {alt.expr} si cond est vrai évaluer cons.expr sinon évaluer alt.expr
  • for(var in seq) {expr} exécute l’expression pour chaque valeur de var prises dans une sequence
  • while(cond) {expr} exécute l’expression tant que la condition est vraie
  • repeat {expr} répète expr en boucle; penser à l’arrêter avec if(…) {break} (ou avec les touches Ctrl+C)
  • break arrête une boucle for, while ou repeat
  • next arrête l’itération en cours et reprend la boucle (dans le cas de for, avec la valeur suivante de la sequence)
  • ifelse(test, yes, no) pour chaque ligne/cellule de test, renvoie la valeur yes si le test est TRUE, no s’il est FALSE, NA s’il est indéterminé

 

Source et document pdf : http://cran.r-project.org/doc/contrib/Kauffmann_aide_memoire_R.pdf


LOI no 2012-300 du 5 mars 2012 relative aux recherches impliquant la personne humaine : La loi Jardé

Written by Nicolas Guibert on . Posted in Loi du 5 mars 2012 relative aux recherches impliquant la personne humaine

Généralités:

Il existe actuellement trois catégories de recherches portant sur l’être humain :

  • les recherches biomédicales, correspondant à l’ancien cadre de la loi Huriet et Sérusclat ;
  • les recherches « visant à évaluer les soins courants », issues de la loi de santé publique de 2004 et qui sont des recherches ne comportant que des risques et des contraintes négligeables ;
  • et les recherches non interventionnelles, ou observationnelles (telles les suivis de cohortes), qui n’ont aujourd’hui aucun encadrement réglementaire cohérent.

Cette situation résulte de l’évolution de la loi du 20 décembre 1988 sur « la protection des personnes qui se prêtent à la recherche médicale » qui a dû être amendée au fil du temps, à la fois pour tenir compte de l’évolution de la médecine et pour intégrer de nouvelles exigences réglementaires : notamment, transposition de la directive européenne 2001/20/CE et introduction d’une procédure allégée pour les recherches portant sur les soins courants en 2004.

Cet ensemble apparaît aujourd’hui insuffisamment coordonné, inutilement complexe, souvent dissuasif et pourtant à certains égards encore incomplet : la procédure allégée destinée à encadrer les recherches portant sur les soins courants s’est en fait révélée peu praticable à l’usage et doit être simplifiée. L’absence de cadre réglementaire pour les recherches non interventionnelles, loin de procurer plus de souplesse, est au contraire un obstacle de plus sur la voie des chercheurs français, notamment lorsqu’ils veulent publier leurs résultats dans les revues scientifiques internationales.

Dès lors, les mesures proposées par cette proposition de loi sont destinées :

  1. à donner un cadre unique à toute recherche sur l’être humain, comportant en facteur commun l’avis obligatoire du comité de protection des personnes. En outre, on propose de déclarer solennellement que le développement de la recherche sur la personne constitue une priorité nationale (analogie avec l’art. L. 1231-1 A concernant la greffe d’organe) ;
  2. à définir les trois catégories de recherche et à en donner un cadre réglementaire bien différencié, essentiellement en fonction du niveau de risque encouru par les personnes :
    • les recherches interventionnelles reprennent sans changement les dispositions actuelles des « recherches biomédicales », notamment la nécessité d’obtenir une autorisation de l’autorité compétente, l’AFSSAPS ;
    • les recherches « ne comportant que des risques et des contraintes négligeables » correspondent aux recherches « visant à évaluer les soins courants »  de la loi de santé publique de 2004. Son cadre sera légèrement élargi et doit être aménagé pour le rendre opérationnel. Mais ce dispositif ne peut s’appliquer aux recherches portant sur les médicaments, car la directive 2001/20 n’a pas prévu de procédure allégée ;
    • proposition d’un cadre réglementaire adapté pour les recherches non interventionnelles, ou encore observationnelles, qui n’en ont aujourd’hui aucun, alors que la demande de telles études est croissante et que l’environnement international se modifie rapidement (publication en mars 2007 d’une ligne directrice communautaire sur ce sujet).

La déclaration des collections de produits biologiques au ministère de la recherche et l’avis des comités de protection sur l’information ou le consentement des personnes à l’origine des prélèvements ne sont pas coordonnés de façon satisfaisante aujourd’hui. En pratique, cette procédure mise en place dans la loi de 2004 n’est toujours pas opérationnelle.

Aussi, la mesure proposée par cette proposition de loi consiste en la simplification de la déclaration au ministère de la recherche et la clarification de la procédure impliquant le comité de protection des personnes, tout en découplant ces deux démarches.

Source : http://www.assemblee-nationale.fr/13/propositions/pion1372.asp

Ma présentation de l’évolution du cadre réglementaire de la recherche portant sur l’être humain:

 Télécharger ma présentation sur la loi Jardé (0)

La loi : Télécharger la loi Jardé (796)

Les modifications de la législation détaillés:

 

Loi Jardé, les modifications - Le titre II & titre III du livre Ier de la première partie du code de la santé publique (0)

Loi Jardé, les modifications - Le titre II & titre IV du livre II de la première partie du code de la santé publique (0)

Loi Jardé, les modifications - Le titre II & titre IV du livre V de la première partie du code de la santé publique (0)

Loi Jardé, les modifications - Le titre II du livre I de la cinquième partie du code de la santé publique (0)

Loi Jardé, les modifications - Le titre II du livre II du code pénal (0)

Loi Jardé, les modifications - Le titre III du livre III de la première partie du code de la santé publique (0)

Loi du 13 août 2004 relative à l’assurance maladie

Written by Nicolas Guibert on . Posted in La santé publique, Législation, Loi du 13 août 2004 relative à l’assurance maladie

La réforme de l’assurance maladie:

Le niveau des dépenses publiques de santé en France est l’un des plus élevés au monde : avec 11,8% du PIB en 2009, il est le troisième plus élevé de l’OCDE, après les États-Unis et les Pays-Bas. Ces dépenses importantes reflètent le haut niveau de protection offert par l’assurance maladie, qui prend en charge une part élevée des dépenses de santé 78%, soit le 11e taux le plus élevé de l’OCDE), mais également la progression non maîtrisée de ces dépenses. Malgré la réforme de l’organisation de la Sécurité sociale en 1996, les dépenses d’assurance maladie progressent à un rythme supérieur à celui du PIB, mais également à celui des recettes d’assurance maladie (cotisations sociales et impôts), ce qui provoque des déficits récurrents.

Face au niveau très élevé de déficit atteint au début des années 2000 (6 milliards d’euros en 2002, 11 en 2003 et 11,6 en 2004), la loi du 13 août 2004 relative à l’assurance maladie a eu pour objectif de réformer en profondeur le système selon trois orientations :

  • la réorganisation de la gestion de l’assurance maladie ;
  • une nouvelle organisation des soins qui vise la maîtrise des dépenses de santé ;
  • une réforme du financement de l’assurance maladie.

1. La réorganisation de la gestion de l’assurance maladie

La réforme de la gouvernance visait une gestion plus efficace de la Sécurité sociale par une redéfinition des rôles des différents acteurs.

Si l’État reste le garant des principes fondamentaux du système de soins et d’assurance maladie (fixation des grands objectifs de santé publique, des conditions de l’équilibre des régimes sociaux et des conditions d’un égal accès de tous à des soins de qualité sur l’ensemble du territoire), l’assurance maladie a vu ses compétences renforcées (association à la définition de la politique hospitalière et de la politique du médicament, pouvoirs nouveaux dans le domaine des soins ambulatoires).

Pour assurer cette délégation de gestion élargie, les principaux régimes d’assurance maladie ont été regroupés dans une Union nationale des caisses maladie (UNCAM), qui s’appuie sur un partenariat avec les organismes de couverture complémentaires et les professionnels de santé.

Parallèlement, une autorité indépendante, la Haute autorité de santé, a été instaurée, avec pour rôle l’amélioration de la qualité des soins, par la définition de références et de recommandations pour les professionnels de santé et l’évaluation des pratiques.

2. Une nouvelle organisation des soins pour maîtriser les dépenses de santé

La réforme a prévu la mise en place, pour chaque bénéficiaire de l’assurance maladie âgé de plus de 16 ans, d’un dossier médical personnel (DMP) unique et informatisé, permettant à tous les médecins, avec l’accord du patient, de suivre le parcours médical du malade dans l’ensemble du système de soins. L’instauration de ce dossier doit permettre de mieux coordonner les soins, d’améliorer leur qualité et d’éviter des actes et des prescriptions inutiles.

La meilleure coordination des soins est également permise par le choix d’un médecin traitant,généraliste ou spécialiste, qui a la charge de coordonner le dossier médical personnel et d’orienter le patient dans son parcours de soins vers le professionnel de santé le plus apte à traiter sa situation spécifique. L’instauration du médecin traitant ne restreint pas la liberté de choix des patients : le choix du médecin traitant est totalement libre, et peut être modifié à tout moment, et le patient peut ne pas respecter ses prescriptions d’orientation. Néanmoins, les patients qui ne souhaitent pas s’inscrire dans ce dispositif se voient appliquer des taux de remboursement par l’assurance maladie réduits, et les professionnels de santé peuvent pratiquer des dépassements de tarifs. L’obligation d’orientation par un médecin traitant ne s’impose toutefois pas pour les consultations simples chez le pédiatre, le gynécologue, l’ophtalmologue et le dentiste.

La réforme poursuit également le développement des médicaments génériques pour combler le retard français (en 2004, seules 13% des boîtes vendues à l’officine en France étaient des génériques contre 50% au Royaume-Uni ou aux États-Unis), grâce à l’accélération de leur mise sur le marché, la diminution des prix et des incitations en direction des pharmaciens.

L’instauration d’une contribution forfaitaire d’un euro à la charge des assurés pour chaque consultation vise à la fois à procurer des recettes nouvelles, mais également à responsabiliser les patients dans leur comportement de soins en leur faisant supporter directement une part des frais. Sont exonérés de cette contribution les mineurs, les bénéficiaires de la CMU complémentaire (CMUC) et les femmes enceintes de plus de 6 mois ou venant d’accoucher.

Par ailleurs, un contrôle accru est exercé sur les prescriptions d’arrêts de travail, à l’endroit des patients et des médecins.

Enfin, une aide à l’acquisition d’une complémentaire santé (ACS) est instaurée afin de faciliter l’accès à une assurance maladie complémentaire. Cette aide devait bénéficier à environ 2 millions de personnes à revenus modestes ne disposant pas d’une complémentaire santé et dont les revenus dépassent les seuils d’accès à la CMUC (plafond de la couverture universelle majoré de 15%).

3. Les recettes supplémentaires et le bouclage financier de la réforme

Le plan d’économie avait pour objectif de réaliser 15 milliards d’euros d’économies, il s’articule autour de trois volets :

  • la rationalisation de l’offre de soins devant permettre d’économiser 9,8 milliards d’euros, notamment par le déploiement de l’ensemble des outils de la maîtrise médicalisée et la modernisation de la gestion hospitalière ;
  • la participation des usagers devant dégager 1 milliard d’euros supplémentaires (participation d’un euro par consultation, revalorisation du forfait journalier hospitalier d’un euro par an pendant 3 ans) ;
  • enfin, des recettes nouvelles prévues à hauteur de 4,2 milliards d’euros.

Ce dernier volet s’articule autour :

  • d’une hausse de la contribution sociale généralisée (CSG) estimée à 2,3 milliards d’euros : hausse de l’assiette pour les revenus d’activité et les allocations de chômage assujetties à la CSG, et hausse du taux pour les autres revenus (pensions de retraites, d’invalidité et préretraites, les revenus du patrimoine, de placement et produits du jeu) ;
  • d’une participation des entreprises avec une hausse de la contribution sociale de solidarité des sociétés – C3S – (0,9 milliard d’euros) et des taxes sur les entreprises du médicament ;
  • d’une participation de l’État qui reversera une partie des droits du tabac au titre des ” charges indues ” à l’assurance maladie (1 milliard d’euros).

4. Les limites de la réforme et les mesures supplémentaires prises depuis 2004

Les mesures de la loi de 2004 ont certes permis de réduire, dès 2005, le déficit de l’assurance maladie, sans toutefois parvenir au retour à l’équilibre : le déficit était de 8 milliards d’euros en 2005, 5,9 en 2006.

En outre, plusieurs des mesures de 2004 ont montré leurs limites :

  • si la part des médicaments génériques a progressé jusqu’à 20% des boites vendues, leur diffusion s’est fortement ralentie ;
  •  initialement prévu pour la mi-2007, le DMP est encore loin d’être généralisé (100 000 dossiers ouverts au début 2012) ;
  •  le nombre de bénéficiaires de l’ACS n’a jamais atteint la cible visée par la mesure, malgré la hausse régulière des plafonds de ressources pour en bénéficier (le plafond est depuis le 1er janvier 2012 égal au plafond CMUC + 30%).

Cependant, malgré la poursuite des mesures de redressement dans les lois de financement suivantes (instauration de « franchises médicales » laissant à la charge du patient une somme forfaitaire, déremboursement de certains médicaments, augmentation du ticket modérateur à l’hôpital, augmentation des recettes de la branche maladie), les comptes de la branche ne sont pas revenus à l’équilibre.

Au contraire, sous l’effet notamment de la baisse des recettes liées à la crise, le déficit de la branche maladie a retrouvé depuis 2009 un niveau proche de celui du milieu des années 2000 (10,6 milliards d’euros en 2009, 11,6 en 2010, 8,6 en 2011).

source : http://www.vie-publique.fr/decouverte-institutions/finances-publiques/approfondissements/reforme-assurance-maladie.html

La loi du 13 août 2004 relative à l’assurance maladie : legifrance.gouv.fr

Loi de santé publique du 9 août 2004

Written by Nicolas Guibert on . Posted in Loi du 4 mars 2002 relative aux droits des malades et à la qualité du système de santé

De quoi s’agit-il ?

La loi affirme pour la première fois la responsabilité de l’Etat en matière de santé publique. Le texte, qui propose une centaine d’objectifs pour les cinq années à venir, vise à réduire la mortalité et la morbidité évitables, et à diminuer les disparités régionales en matière de santé.

Pour atteindre ces objectifs, cinq plans nationaux sont prévus pour la période 2004-2008 concernant :

  •  la lutte contre le cancer ;
  •  la lutte contre la violence, les comportements à risques et les pratiques addictives ;
  •  la santé et l’environnement ;
  •  la qualité de vie des personnes atteintes de maladies chroniques ;
  •  la prise en charge des maladies rares.

liens:

Source :