Thèse Année : 2025

Contribution to the Analysis of Mortality and Morbidity Risks in Insurance Using Health Data

Contribution à l'analyse des risques de mortalité et de morbidité en assurance à l'aide de données de santé

Résumé

The increasing availability of medical data offers new opportunities for its secondary use, particularly in constructing health indicators without the need for costly new data collection systems. Such indicators play a critical role in addressing three major challenges faced by modern healthcare systems: informing public policy decisions, improving the efficiency of care delivery, and targeting prevention efforts more effectively. This thesis contributes to this broader effort by exploring different strategies for the secondary use of health data, with a focus on cases that raise significant methodological challenges. The contributions are rooted in applied statistical methodology, adapted to a variety of contexts, and aim to demonstrate the potential of these data to produce useful and reliable indicators. The work is structured around three distinct application contexts. Chapter 1 proposes a methodology for estimating healthy life expectancy using hospital data from the French PMSI system. By applying a Cox survival model to the duration of life without major pathologies, it becomes possible to analyze a composite health indicator of the disease-free life expectancy type, integrating both morbidity and mortality. The analysis confirms the central role of behavioral factors and allows for a fine-grained quantification of disparities by sex and region. This work highlights the potential of hospital data to produce robust indicators that can support public health decision-making and complement traditional survey-based metrics. Chapter 2 focuses on biological age as an individual-level health indicator, designed to better reflect a person’s physiological state than chronological age. Using NHANES data, several biological age algorithms are compared based on their associations with mortality, morbidity, and various risk factors. A multiple imputation procedure is used to overcome limitations in the survey design. The comparison is carried out from a prevention-oriented perspective, aiming to construct an indicator that is both predictive and interpretable. The analysis shows that without calibration, biological ages do not improve the prediction of death counts compared to standard life tables. However, incorporating the mortality law into the construction of the biological age makes it possible to develop operational biological ages for use in insurance-based prevention strategies. Chapter 3 extends the analysis to an insurance context by examining the evaluation of health through bodily injury claims, using information extracted from medical expert reports. This work relies entirely on free-text documents and applies natural language processing techniques. After extracting claim amounts, the task is framed as a supervised regression problem. Several models are tested, ranging from linear methods to neural networks based on CamemBERT. Results show moderate performance (R^2 between 20% and 40%). Although this first attempt does not yield an operational model, it helps identify the conditions required for future progress: diversifying textual sources, establishing human-labeled references, and ensuring generalizability to earlier-stage documents in the claims process. This thesis illustrates the diversity of approaches available for the secondary use of health data. Each context imposes specific methodological constraints, but all demonstrate the potential of these data to strengthen the planning, prevention, and efficiency of health systems.

La disponibilité croissante de données médicales offre des opportunités pour l’exploitation secondaire de ces dernières, notamment pour la construction d’indicateurs de santé, sans nécessiter la mise en place coûteuse de nouveaux dispositifs de collecte. Ces indicateurs jouent un rôle crucial dans trois grands enjeux des systèmes de santé contemporains : éclairer les décisions des politiques publiques, améliorer l’efficience du système de soins, et cibler les actions de prévention. Cette thèse s’inscrit dans ce cadre général en explorant différentes stratégies d’exploitation secondaire des données de santé, en mettant l’accent sur les cas où cette exploitation soulève des défis méthodologiques importants. Les contributions proposées relèvent principalement de la méthodologie statistique appliquée, adaptée à des contextes variés, et ont pour but de démontrer le potentiel de telles données dans la production d’indicateurs utiles et fiables. Les travaux sont structurés autour de trois contextes d’application distincts. Le Chapitre 1 propose une méthodologie de calcul de l’espérance de vie en bonne santé à partir des données hospitalières issues du PMSI. En appliquant un modèle de Cox à la durée de vie sans survenue de pathologies majeures, il devient possible d’analyser un indicateur de type disease-free life expectancy, intégrant à la fois la morbidité et la mortalité. L’analyse confirme le rôle central de certains facteurs comportementaux, tout en permettant une quantification fine des disparités entre sexes et territoires. Ce travail illustre ainsi le potentiel des données hospitalières pour produire des indicateurs robustes, exploitables par les décideurs publics, et complémentaires aux indicateurs classiques fondés sur les enquêtes. Le Chapitre 2 s’intéresse aux âges biologiques comme indicateurs individuels de santé, conçus pour refléter l’état physiologique d’un individu mieux que son âge chronologique. À partir des données NHANES, plusieurs méthodes de calcul d’âges biologiques sont comparées selon leurs associations avec la mortalité, la morbidité et divers facteurs de risque. Une procédure d’imputation multiple permet de dépasser les limites du plan d’enquête. La comparaison est menée dans une perspective de prévention, avec l’objectif de construire un indicateur prédictif et compréhensible. L’analyse révèle qu’en l’absence de recalibrage, les âges biologiques ne permettent pas d’améliorer la prédiction du nombre de décès à partir d’une table de mortalité. L’intégration de la loi de mortalité dès la construction de l’indicateur permet de rendre ces âges biologiques opérationnels dans un cadre assurantiel, ouvrant la voie à des stratégies de prévention personnalisées. Le Chapitre 3 prolonge la réflexion dans un contexte assurantiel, en étudiant l’évaluation de la santé à travers les postes de préjudice extraits de rapports d’expertise médicale, à l’aide de techniques de traitement automatique du langage. Après une phase d’extraction des montants de préjudice, la tâche est formulée comme un problème de régression supervisée. Plusieurs modèles sont testés, allant de modèles linéaires aux réseaux de neurones basés sur CamemBERT. Les résultats montrent des performances modérées (R^2 entre 20% et 40%). Bien que cette tentative ne débouche pas encore sur un modèle opérationnel, elle permet d’explorer les approches possibles et d’identifier les conditions nécessaires à une poursuite réaliste de cette tâche : diversification des sources textuelles, disponibilité d’une référence humaine, et capacité des modèles à se généraliser à des documents produits plus tôt dans le processus d’indemnisation. Cette thèse illustre ainsi la diversité des approches possibles pour l’exploitation secondaire des données de santé. Chaque contexte impose des contraintes méthodologiques spécifiques, mais tous montrent le potentiel de ces données pour renforcer les capacités de pilotage, de prévention et l’efficience des systèmes de santé.

Fichier principal
Vignette du fichier
TH2025SOROCHYNSKYIOLEKSANDR.pdf (2.75 Mo) Télécharger le fichier
Origine Version validée par le jury (STAR)
Licence

Dates et versions

tel-05351442 , version 1 (06-11-2025)

Licence

Identifiants

  • HAL Id : tel-05351442 , version 1

Citer

Oleksandr Sorochynskyi. Contribution à l'analyse des risques de mortalité et de morbidité en assurance à l'aide de données de santé. Gestion et management. Université Claude Bernard - Lyon I, 2025. Français. ⟨NNT : 2025LYO10164⟩. ⟨tel-05351442⟩
93 Consultations
175 Téléchargements

Partager

  • More