- Email: [email protected]
Hospitalisation complète de l’adulte et précarité : une approche géopopulationnelle
S10
XXXe Congrès national Emois / Revue d’Épidémiologie et de Santé Publique 65S (2017) S5–S27
classifications CCMU (Classification clinique des malades aux urgences) et GEMSA (Groupes d’étude multicentrique des services d’accueil) dans une seule catégorie : État Patient (EP). Cette variable a permis de grouper les patients présentant des similarités comportementales (gravité, plateau technique nécessaire, affiliation après traitement). Une analyse de prévision des séries chronologiques est réalisée pour établir un modèle prédictif basé sur une approche par un Modèle additif adapté, un modèle ARMA et un Modèle de série de Fourrier Hybride. Résultats Une performance de 91,2 % pour la prévision annuelle du flux total est obtenue à court terme (MAPD = 0,087). Les modèles présentent une robustesse lors des périodes d’épidémies à cause de la faible corrélation entre les résidus du modèle à court terme et le nombre de cas épidémiologiques, celle-ci est égale à 0,055 pour les cas grippaux et 0,05 pour les cas de diarrhée aiguë. Discussion/conclusion Les modèles développés font preuve de performance et de robustesse même en période d’épidémie. La mise en place du modèle permet de créer une météo des urgences. Cela permet au personnel de planifier les activités du service l’accueil en fonction de l’afflux prévu améliorant ainsi l’accueil des patients et les conditions de travail des professionnels. Mots clés Prévision ; Patients des urgences ; Séries temporelles Déclaration de liens d’intérêts d’intérêts.
Les auteurs déclarent ne pas avoir de liens
http://dx.doi.org/10.1016/j.respe.2017.01.016 B2-2
Hospitalisation complète de l’adulte et précarité : une approche géopopulationnelle J.-M. Cauvin a,∗ , C. Le Guillou a , A. Happe b , S. Le Calvez b Département d’information médicale, CHRU, LaTIM Inserm U1101, Brest, France b Département d’information médicale, CHRU, Brest, France ∗ Auteur correspondant. Adresse e-mail : [email protected] (J.-M. Cauvin)
a
Introduction Les conditions socio-économiques des patients induisent des surcoûts sur l’hospitalisation justifiant la MIG précarité. Mais l’identification de la personne précaire se heurte à la difficulté de disposer de critères objectifs, reproductibles et simples à recueillir. L’objectif de ce travail est d’évaluer un marqueur de défavorisation basé sur l’adresse de résidence des patients. Méthodes Pornet et al. ont établi un index de défavorisation applicable aux zones IRIS, unités homogènes d’environ 2000 habitants conc¸ues par l’Insee pour les statistiques infra-communales. Les patients adultes résidant dans l’agglomération brestoise et hospitalisés en 2014 ont été géolocalisés à partir de l’adresse recueillie à l’admission, et répartis en cinq quintiles de défavorisation croissante. Les séjours des patients sans domicile fixe ou avec adresse incomplète ont été exclus. L’hospitalisation complète était définie par l’ensemble des GHM avec DMS base nationale 2014 non nulle, hors périnatalité (CMD 14). Les indicateurs principaux étaient la DMS, l’IP-DMS, le taux de séjours avec durée supérieure à la DMS nationale et le taux de ré-hospitalisation à 30 jours par les urgences. Résultats L’analyse univariée des 12 290 séjours éligibles montrait un gradient croissant avec la défavorisation de l’IP-DMS (de 0,97 à 1,02), du taux de séjours longs (de 37 % à 45 %, p < 0,0001), et du taux de ré-hospitalisation non programmée à 30 jours (de 5 à 7 %, p < 0,01). Les séjours des zones défavorisées étaient caractérisés par une prédominance des femmes (p < 0,001), des patients plus jeunes (p < 0,001) et des admissions en urgence (p < 0,001). En analyse multivariée, l’effet défavorisation restait significatif pour le taux de ré-hospitalisation non programmée à 30 jours. Discussion/conclusion L’utilisation de la DMS de référence et de l’IP-DMS limite le risque de confusion lié aux variations de casemix. Cette étude suggère une relation entre l’indice de défavorisation établi à partir du lieu de résidence du patient et la prise en charge en hospitalisation complète. Cette relation devra être confirmée par d’autres travaux. Mots clés Précarité ; Étude géopopulationnelle ; PMSI Déclaration de liens d’intérêts d’intérêts.
Les auteurs déclarent ne pas avoir de liens
http://dx.doi.org/10.1016/j.respe.2017.01.017
B2-3
Développement d’un outil informatisé de prédiction des durées de séjour A. Duclos a,∗ , C. Payet a , S. Polazzi a , P. Corond b , C. Colin a , P. Michel a,c Pôle information médicale, évaluation, recherche des Hospices Civils de Lyon, Health Services and Performance Research Lab (HESPER EA 7425), Lyon, France b Hospices Civils de Lyon, direction de la performance et du contrôle de gestion, Lyon, France c Hospices Civils de Lyon, direction de l’organisation, de la qualité et des relations avec les Usagers, Lyon, France ∗ Auteur correspondent. Adresse e-mail : [email protected] (A. Duclos) a
Introduction Une mauvaise gestion des lits peut se répercuter sur l’organisation des soins, l’accès des patients aux prises en charge dont ils ont besoin et les recettes de l’hôpital. Mieux gérer les flux de patients nécessite de prédire leur durée de séjour pour anticiper leur sortie dès que possible. Notre objectif était de développer un algorithme informatisé de prédiction des durées de séjour des patients hospitalisés puis de comparer l’exactitude des durées prédites par l’algorithme à celles prédites par l’Homme. Méthodes L’algorithme a été développé à partir des données de résumés d’unité médicale collectées en 2013 et 2014 aux Hospices Civils de Lyon (HCL). Les durées de séjours ont été prédites en testant différentes approches statistiques (régression linéaire log à effets mixtes, modèle de Cox et « machine learning »). La validité des prédictions a été estimée selon un schéma de type train-test en mesurant l’erreur quadratique moyenne (RMSE) et la différence entre durées de séjour prédites et observées. Les variables explicatives finalement retenues dans l’algorithme comprenaient l’unité médicale d’hospitalisation du patient, son âge, sexe et diagnostic principal. Une enquête prospective a ensuite été menée sur le terrain afin de comparer les capacités de prédiction de l’algorithme à celles de l’Homme. Vingt-cinq médecins répartis dans six services des HCL ont ainsi prédit la durée de 187 séjours entrants consécutifs de mars à mai 2015. Résultats La différence moyenne entre la durée prédite par l’algorithme et celle observée était de 2,6 jours (ET = 6,6 et médiane = 0,8). Cette différence était de 1 jour ou moins dans 73 % des cas et tendait à augmenter en cas de séjour long. Les capacités de prédiction de l’algorithme (RMSE = 8 [IC95 % 7–9]) semblaient plus élevées que celles de l’Homme (RMSE = 14 [13-15]). Discussion/conclusion La mise à disposition d’un outil de prédiction des durées de séjour à partir des informations recueillies en routine dans le système d’information hospitalier pourrait s’avérer utile pour les équipes de soins. Mots clés Prédiction ; Durée de séjour ; Gestion des lits Déclaration de liens d’intérêts d’intérêts.
Les auteurs déclarent ne pas avoir de liens
http://dx.doi.org/10.1016/j.respe.2017.01.018 B2-4
Tetra : un système d’aide à la décision diagnostique en médecine nucléaire réutilisant les données PMSI M. Chawki a,∗ , E. Nauer b , J. Lieber b , N. Jay a,b CHU de Nancy, Nancy, France b Laboratoire lorrain de recherche en informatique et ses applications (LORIA), Vandoeuvre-les-Nancy, France ∗ Auteur correspondant. Adresse e-mail : [email protected] (M. Chawki) a
Introduction L’objectif de ce travail est de créer un système d’aide à la décision qui assisterait les médecins nucléaires lors de l’interprétation des images, en se référant à une base de cas similaires. Nous présentons Tetra, un système fondé sur le raisonnement à partir de cas, et une base de connaissances alimentée par des données cliniques, biologiques et médico–administratives. Méthodes Nous avons constitué une base de connaissances comprenant les résultats d’examens biologiques, les actes et diagnostics du PMSI, et les comptes
XXXe Congrès national Emois / Revue d’Épidémiologie et de Santé Publique 65S (2017) S5–S27
classifications CCMU (Classification clinique des malades aux urgences) et GEMSA (Groupes d’étude multicentrique des services d’accueil) dans une seule catégorie : État Patient (EP). Cette variable a permis de grouper les patients présentant des similarités comportementales (gravité, plateau technique nécessaire, affiliation après traitement). Une analyse de prévision des séries chronologiques est réalisée pour établir un modèle prédictif basé sur une approche par un Modèle additif adapté, un modèle ARMA et un Modèle de série de Fourrier Hybride. Résultats Une performance de 91,2 % pour la prévision annuelle du flux total est obtenue à court terme (MAPD = 0,087). Les modèles présentent une robustesse lors des périodes d’épidémies à cause de la faible corrélation entre les résidus du modèle à court terme et le nombre de cas épidémiologiques, celle-ci est égale à 0,055 pour les cas grippaux et 0,05 pour les cas de diarrhée aiguë. Discussion/conclusion Les modèles développés font preuve de performance et de robustesse même en période d’épidémie. La mise en place du modèle permet de créer une météo des urgences. Cela permet au personnel de planifier les activités du service l’accueil en fonction de l’afflux prévu améliorant ainsi l’accueil des patients et les conditions de travail des professionnels. Mots clés Prévision ; Patients des urgences ; Séries temporelles Déclaration de liens d’intérêts d’intérêts.
Les auteurs déclarent ne pas avoir de liens
http://dx.doi.org/10.1016/j.respe.2017.01.016 B2-2
Hospitalisation complète de l’adulte et précarité : une approche géopopulationnelle J.-M. Cauvin a,∗ , C. Le Guillou a , A. Happe b , S. Le Calvez b Département d’information médicale, CHRU, LaTIM Inserm U1101, Brest, France b Département d’information médicale, CHRU, Brest, France ∗ Auteur correspondant. Adresse e-mail : [email protected] (J.-M. Cauvin)
a
Introduction Les conditions socio-économiques des patients induisent des surcoûts sur l’hospitalisation justifiant la MIG précarité. Mais l’identification de la personne précaire se heurte à la difficulté de disposer de critères objectifs, reproductibles et simples à recueillir. L’objectif de ce travail est d’évaluer un marqueur de défavorisation basé sur l’adresse de résidence des patients. Méthodes Pornet et al. ont établi un index de défavorisation applicable aux zones IRIS, unités homogènes d’environ 2000 habitants conc¸ues par l’Insee pour les statistiques infra-communales. Les patients adultes résidant dans l’agglomération brestoise et hospitalisés en 2014 ont été géolocalisés à partir de l’adresse recueillie à l’admission, et répartis en cinq quintiles de défavorisation croissante. Les séjours des patients sans domicile fixe ou avec adresse incomplète ont été exclus. L’hospitalisation complète était définie par l’ensemble des GHM avec DMS base nationale 2014 non nulle, hors périnatalité (CMD 14). Les indicateurs principaux étaient la DMS, l’IP-DMS, le taux de séjours avec durée supérieure à la DMS nationale et le taux de ré-hospitalisation à 30 jours par les urgences. Résultats L’analyse univariée des 12 290 séjours éligibles montrait un gradient croissant avec la défavorisation de l’IP-DMS (de 0,97 à 1,02), du taux de séjours longs (de 37 % à 45 %, p < 0,0001), et du taux de ré-hospitalisation non programmée à 30 jours (de 5 à 7 %, p < 0,01). Les séjours des zones défavorisées étaient caractérisés par une prédominance des femmes (p < 0,001), des patients plus jeunes (p < 0,001) et des admissions en urgence (p < 0,001). En analyse multivariée, l’effet défavorisation restait significatif pour le taux de ré-hospitalisation non programmée à 30 jours. Discussion/conclusion L’utilisation de la DMS de référence et de l’IP-DMS limite le risque de confusion lié aux variations de casemix. Cette étude suggère une relation entre l’indice de défavorisation établi à partir du lieu de résidence du patient et la prise en charge en hospitalisation complète. Cette relation devra être confirmée par d’autres travaux. Mots clés Précarité ; Étude géopopulationnelle ; PMSI Déclaration de liens d’intérêts d’intérêts.
Les auteurs déclarent ne pas avoir de liens
http://dx.doi.org/10.1016/j.respe.2017.01.017
B2-3
Développement d’un outil informatisé de prédiction des durées de séjour A. Duclos a,∗ , C. Payet a , S. Polazzi a , P. Corond b , C. Colin a , P. Michel a,c Pôle information médicale, évaluation, recherche des Hospices Civils de Lyon, Health Services and Performance Research Lab (HESPER EA 7425), Lyon, France b Hospices Civils de Lyon, direction de la performance et du contrôle de gestion, Lyon, France c Hospices Civils de Lyon, direction de l’organisation, de la qualité et des relations avec les Usagers, Lyon, France ∗ Auteur correspondent. Adresse e-mail : [email protected] (A. Duclos) a
Introduction Une mauvaise gestion des lits peut se répercuter sur l’organisation des soins, l’accès des patients aux prises en charge dont ils ont besoin et les recettes de l’hôpital. Mieux gérer les flux de patients nécessite de prédire leur durée de séjour pour anticiper leur sortie dès que possible. Notre objectif était de développer un algorithme informatisé de prédiction des durées de séjour des patients hospitalisés puis de comparer l’exactitude des durées prédites par l’algorithme à celles prédites par l’Homme. Méthodes L’algorithme a été développé à partir des données de résumés d’unité médicale collectées en 2013 et 2014 aux Hospices Civils de Lyon (HCL). Les durées de séjours ont été prédites en testant différentes approches statistiques (régression linéaire log à effets mixtes, modèle de Cox et « machine learning »). La validité des prédictions a été estimée selon un schéma de type train-test en mesurant l’erreur quadratique moyenne (RMSE) et la différence entre durées de séjour prédites et observées. Les variables explicatives finalement retenues dans l’algorithme comprenaient l’unité médicale d’hospitalisation du patient, son âge, sexe et diagnostic principal. Une enquête prospective a ensuite été menée sur le terrain afin de comparer les capacités de prédiction de l’algorithme à celles de l’Homme. Vingt-cinq médecins répartis dans six services des HCL ont ainsi prédit la durée de 187 séjours entrants consécutifs de mars à mai 2015. Résultats La différence moyenne entre la durée prédite par l’algorithme et celle observée était de 2,6 jours (ET = 6,6 et médiane = 0,8). Cette différence était de 1 jour ou moins dans 73 % des cas et tendait à augmenter en cas de séjour long. Les capacités de prédiction de l’algorithme (RMSE = 8 [IC95 % 7–9]) semblaient plus élevées que celles de l’Homme (RMSE = 14 [13-15]). Discussion/conclusion La mise à disposition d’un outil de prédiction des durées de séjour à partir des informations recueillies en routine dans le système d’information hospitalier pourrait s’avérer utile pour les équipes de soins. Mots clés Prédiction ; Durée de séjour ; Gestion des lits Déclaration de liens d’intérêts d’intérêts.
Les auteurs déclarent ne pas avoir de liens
http://dx.doi.org/10.1016/j.respe.2017.01.018 B2-4
Tetra : un système d’aide à la décision diagnostique en médecine nucléaire réutilisant les données PMSI M. Chawki a,∗ , E. Nauer b , J. Lieber b , N. Jay a,b CHU de Nancy, Nancy, France b Laboratoire lorrain de recherche en informatique et ses applications (LORIA), Vandoeuvre-les-Nancy, France ∗ Auteur correspondant. Adresse e-mail : [email protected] (M. Chawki) a
Introduction L’objectif de ce travail est de créer un système d’aide à la décision qui assisterait les médecins nucléaires lors de l’interprétation des images, en se référant à une base de cas similaires. Nous présentons Tetra, un système fondé sur le raisonnement à partir de cas, et une base de connaissances alimentée par des données cliniques, biologiques et médico–administratives. Méthodes Nous avons constitué une base de connaissances comprenant les résultats d’examens biologiques, les actes et diagnostics du PMSI, et les comptes