OFFRE DE STAGE M2 — Méthodologie Pharmacoépidémiologique & Real-World Evidence
Secteur : Prestataire (CRO, VM, communication santé, …) Famille de fonction : Recherche et formulationvirginie.eyraud-fremont@heva-data.com
Description du poste et des missions
Filiale du groupe LA POSTE SANTE ET AUTONOMIE, Heva est un bureau d’étude et une CRO (Contract research Organization), qui accompagne depuis plus de 30 ans l’industrie pharmaceutique et du dispositif médical, les entreprises de biotechnologie ou encore les sponsors académiques dans la gestion de leurs projets cliniques et l’analyse des données de santé.
Heva est leader en France dans le traitement et l’analyse des données de santé en vie réelle, et plus particulièrement celles issues des bases du Système National des Données de Santé (SNDS) et des bases en OPEN DATA.
Nous élaborons et produisons pour nos clients (industries pharmaceutiques, fabricants de dispositifs médicaux, institutionnels) des études pharmaco-épidémiologiques, médico-économiques et de parcours de soins à partir de solides méthodes statistiques et de solutions innovantes s'appuyant sur l'Intelligence Artificielle (Machine Learning, Deep Learning, …).
Nous intervenons sur toute la vie de la donnée de santé, de la collecte de données primaires (accès précoces, études observationnelles, études SCAC), à l’exploitation / l’analyse des données secondaires (enrichissement, application de méthodes statistiques avancées, machine learning et IA) l’accompagnement au design d’études (protocoles, sourcing de données) et à des projets de plus grande ampleur tels que la mise en place de plateformes technico-règlementaires d’exploitation de la donnée/ entrepôts de données de santé.
Afin de rendre nos analyses et nos données facilement compréhensibles pour les non-experts, nous avons également développé un savoir-faire spécifique de Datavisualisation et d’Analytics autour du développement d’outils digitaux (Sites web, Applis IOS).
Heva rassemble une centaine de collaborateurs : consultants / spécialistes de la gestion de projet, biostatisticiens et méthodologistes, pharmaco-épidémiologistes et rédacteurs médicaux, spécialistes des opérations cliniques (attachés de recherche clinique ...), data managers et datascientists...
Contexte
- Les études en vie réelle sont essentielles pour évaluer l’efficacité et la sécurité des traitements
- Malgré les méthodes statistiques (score de propension, IPTW), un biais résiduel persiste
- La calibration empirique permet de mesurer et corriger ce biais via des événements témoins négatifs
- Cette méthode est encore peu utilisée sur les données françaises (SNDS) faute de référentiel structuré
Objectifs du stage
- Identifier des événements témoins négatifs pertinents par domaine thérapeutique
- Construire une matrice opérationnelle adaptée au SNDS
- Tester la méthode de calibration empirique sur un cas réel
Missions
- Revue de littérature des pratiques en pharmacoépidémiologie (sélection des événements témoins)
- Construction d’une matrice NCOs utilisable sur les données SNDS
- Participation à la définition d’un cas d’étude (protocole, variables, cohorte)
- Analyses statistiques avec méthodes de score de propension
- Mise en œuvre de la calibration empirique
- Rédaction d’un mémoire et production d’un script reproductible
- Contribution à une valorisation scientifique (poster ou congrès)
Le stagiaire sera intégré à l'équipe d'épidémiologie et bénéficiera d'un encadrement direct par un pharmacoépidémiologiste et une biostatisticienne senior. Les analyses s'effectueront sur un environnement sécurisé conforme aux exigences du RGPD et aux référentiels de sécurité de la CNIL (données pseudonymisées). La gratification est conforme à la réglementation en vigueur.
Profil souhaité
Le stage s'adresse à un(e) étudiant(e) en deuxième année de Master en Biostatistiques, Épidémiologie ou Santé Publique, avec une appétence marquée pour les questions de validité interne et d'inférence causale en études observationnelles.
Une expérience avec les bases de données de santé françaises (SNDS/EGB/ESND) et une bonne maîtrise de SAS / R / Python constitue un atout significatif. La capacité à lire et synthétiser la littérature méthodologique en anglais est attendue.
Au-delà des compétences techniques, le profil recherché est celui d'un esprit rigoureux et critique, capable de questionner ses propres résultats et d'identifier les sources potentielles d'artéfact avant d'en tirer des conclusions. Une certaine autonomie de recherche est attendue dès la Phase 1, tout en s'inscrivant dans un fonctionnement d'équipe.