Methodology for analysis and surveillance for sick leave prevention - Archive ouverte HAL Access content directly
Theses Year : 2020

Methodology for analysis and surveillance for sick leave prevention

Méthodologie d’analyse et de surveillance pour la prévention des arrêts maladie

(1)
1

Abstract

At a time when sick leave is a sign of growing ill-being for workers and a cost burden for the society, the systematic digitalization and distribution of data offers great opportunities for its prevention. We have therefore taken advantage of this opportunity to develop a range of prevention tools based on statistical analysis methods. In a first part, this work proposes an analysis of the mechanisms explaining sick leave among workers. The analysis of a national survey has first identified and prioritised their main determinants using random forest. Then, an analysis of administrative data had helped to identify absence trajectories that could lead to serious sick leaves thanks to sequential analyses and multi-state modelling. In a second step, tools were developed to identify abnormal situations of sick leave at company level. A company typology was first built to produce benchmark values for companies to accurately assess their situation. Finally, an algorithm for identifying absence peaks, adapted from epidemiological surveillance models, was finally developed to automatically identify companies in difficulty.
Alors que les arrêts maladie sont le signe d’un mal-être croissant chez les salariés et qu’ils pèsent un coût certain pour la collectivité, la numérisation et le partage systématique des données offrent de belles opportunités pour leur prévention. Nous avons ainsi profité de cette opportunité pour développer un éventail d’outils de prévention basés sur des méthodes d’analyse statistique. Dans un premier temps, ces travaux de thèse proposent une analyse des mécanismes expliquant les arrêts maladie chez le salarié. L’analyse d’une enquête nationale a premièrement permis d’identifier et de hiérarchiser leurs principaux facteurs déterminants grâce à l’algorithme des forêts aléatoires. Ensuite, une analyse de données administratives a identifié des trajectoires d’absence pouvant mener à des arrêts graves grâce à des analyses séquentielles et à de la modélisation multi-état. Dans un second temps, des outils ont été développés afin d’identifier des situations anormales d’arrêt maladie à l’échelle de l’entreprise. Une typologie d’entreprise a premièrement été construite afin de produire des valeurs repère pour que les entreprises évaluent précisément leur situation. Un algorithme de détection des pics d’absence, adapté de modèles de surveillance épidémiologique, a enfin été développé pour pouvoir identifier automatiquement les entreprises en excès.
Fichier principal
Vignette du fichier
99232_DUCHEMIN_2020_diffusion.pdf (3.48 Mo) Télécharger le fichier
Origin : Version validated by the jury (STAR)

Dates and versions

tel-03151304 , version 1 (24-02-2021)

Identifiers

  • HAL Id : tel-03151304 , version 1

Cite

Tom Duchemin. Méthodologie d’analyse et de surveillance pour la prévention des arrêts maladie. Statistiques [math.ST]. HESAM Université, 2020. Français. ⟨NNT : 2020HESAC027⟩. ⟨tel-03151304⟩
232 View
225 Download

Share

Gmail Facebook Twitter LinkedIn More