S'abonner

De nouvelles données et de nouvelles méthodes pour évaluer les soins primaires de la population cancéreuse en Ehpad - 09/05/16

Doi : 10.1016/j.respe.2016.03.073 
T. Delespierre a, , b , P. Denormandie a, d, A. Durand d, L. Josseran b, c
a Institut du bien vieillir Korian, Paris, France 
b UVSQ, Versailles, France 
c Hôpital Raymond-Poincaré, Garches, France 
d Korian SA, Paris, France 

Auteur correspondant.

Bienvenue sur EM-consulte, la référence des professionnels de santé.
L’accès au texte intégral de cet article nécessite un abonnement.

pages 2
Iconographies 0
Vidéos 0
Autres 0

Résumé

Introduction

Le groupe privé Korian, spécialisé dans l’hébergement et l’accompagnement médico-social des personnes âgées et dépendantes, gère près de 600 établissements dans quatre pays européens : France, Allemagne, Belgique et Italie. Un data warehouse (DWH) mis en place en 2010 héberge aujourd’hui l’ensemble des données résidents. L’objectif est de montrer que l’on peut retracer des parcours de santé des résidents dans leur intégralité pour définir des indicateurs précoces de l’évolution des états de santé et proposer d’éventuelles mesures de prévention.

Méthodes

La table transmissions contient l’essentiel de l’information saisie au fil de l’eau par le personnel médical référent. Grâce aux index résident et établissement et aux dates de transmission, il devient possible, par simples requêtes standard query language (SQL) de suivre un résident au cours du temps. Un algorithme s’appuyant sur ces requêtes a permis de bâtir 22 syndromes décrivant l’essentiel des pathologies et problèmes touchant les résidents. Son principe s’appuie sur le deep learning : un apprentissage supervisé en plusieurs couches intelligentes de traitement textuel destiné à identifier des syndromes prédéterminés. Une première couche exclut les mots vides de sens et simplifie les expressions, une seconde aiguille vers l’un des 22 syndromes, enfin la troisième intègre une expertise médicale et du text mining pour raffiner la définition des syndromes dont le cancer. Toutes les transmissions « cancer » sur la période s’écoulant du 01/10/2010 au 17/01/2016 ont été extraites puis croisées avec l’ensemble des transmissions syndromiques concernant ces résidents. Cette technique permet de retracer leur parcours de santé et de vie et d’obtenir une image fine des problématiques de soins. Le délai entre la date de première transmission « cancer » et la date d’entrée du résident a été calculée, l’idée étant de découper la distribution de cette variable en trois tertiles représentatifs de la gravité des symptômes.

Résultats

Au 17 janvier 2016, 39 561 résidents étaient présents dans 127 Ehpad et 4179 résidents avaient au moins une information cancer transmise pendant la période. Le découpage de la population en trois tertiles de respectivement 1395, 1391 et 1393 résidents donne des durées moyennes de séjour d’un mois et trois semaines, un an et deux mois, enfin, un peu plus de cinq ans. Question mortalité, du fait de la troncature par intervalle, c’est le second tertile qui comprend un peu plus de décès : 715 versus 661 pour le premier et 630 pour le troisième. Enfin, la densité des autres syndromes (grippe et infections respiratoires aiguës, douleurs, comportement, démence, altération de l’état général…) touchant les résidents sur un même intervalle de temps varie souvent d’un rapport de un à dix entre premier et dernier tertiles.

Conclusion

La masse d’information disponible est à la fois une opportunité, elle nous permet d’éviter l’écueil du sur apprentissage, et une difficulté, elle nécessite un gros travail de conception et de programmation en amont. Il nous reste à relier les informations syndromiques avec les autres tables de la base du DWH, à montrer l’intérêt du text mining pour analyser les parcours de soins et enfin à définir une typologie des résidents atteints de cancer concordante avec le reste des informations du système.

Le texte complet de cet article est disponible en PDF.

Mots clés : SQL EHPAD, Data warehouse, Deep learning, Text mining


Plan


© 2016  Publié par Elsevier Masson SAS.
Ajouter à ma bibliothèque Retirer de ma bibliothèque Imprimer
Export

    Export citations

  • Fichier

  • Contenu

Vol 64 - N° S3

P. S143-S144 - mai 2016 Retour au numéro
Article précédent Article précédent
  • Évolution des dépenses de l’Assurance maladie obligatoire attribuées aux affections de longue durée au Maroc
  • A. Cheikh, A. Saadi, L. Lahlou, M. Bouatia, A. Benomar, A. El Hassani, R. Razine
| Article suivant Article suivant
  • Adaptation transculturelle et validation de l’EORTC QLQ-C30 dans la version dialectale arabe marocaine
  • D.O. Diakité, S. El Fakir, A.S. Diarra, N. Ben Aicha, O. Sy, M. Ould Minta, C. Nejjari

Bienvenue sur EM-consulte, la référence des professionnels de santé.
L’accès au texte intégral de cet article nécessite un abonnement.

Bienvenue sur EM-consulte, la référence des professionnels de santé.
L’achat d’article à l’unité est indisponible à l’heure actuelle.

Déjà abonné à cette revue ?

Mon compte


Plateformes Elsevier Masson

Déclaration CNIL

EM-CONSULTE.COM est déclaré à la CNIL, déclaration n° 1286925.

En application de la loi nº78-17 du 6 janvier 1978 relative à l'informatique, aux fichiers et aux libertés, vous disposez des droits d'opposition (art.26 de la loi), d'accès (art.34 à 38 de la loi), et de rectification (art.36 de la loi) des données vous concernant. Ainsi, vous pouvez exiger que soient rectifiées, complétées, clarifiées, mises à jour ou effacées les informations vous concernant qui sont inexactes, incomplètes, équivoques, périmées ou dont la collecte ou l'utilisation ou la conservation est interdite.
Les informations personnelles concernant les visiteurs de notre site, y compris leur identité, sont confidentielles.
Le responsable du site s'engage sur l'honneur à respecter les conditions légales de confidentialité applicables en France et à ne pas divulguer ces informations à des tiers.


Tout le contenu de ce site: Copyright © 2024 Elsevier, ses concédants de licence et ses contributeurs. Tout les droits sont réservés, y compris ceux relatifs à l'exploration de textes et de données, a la formation en IA et aux technologies similaires. Pour tout contenu en libre accès, les conditions de licence Creative Commons s'appliquent.