S'abonner

Repérage d’établissements similaires par une méthode basée sur la distance du Chi2 - 07/03/18

Doi : 10.1016/j.respe.2018.01.107 
M. Lehmann
 Unité d’analyse médico-économique des processus de soins, département de l’information médicale centre hospitalier universitaire de Montpellier, Montpellier, France 

Résumé

Introduction

Les analyses d’activité nécessitent parfois de comparer un établissement « cible » à un nombre limité d’établissement qui lui ressemblent (« similaires »). Nous présentons ici une méthode de classement des établissements selon le degré de similitude entre leurs « case-mix » respectifs.

Méthodes

Les données RSA des années 2016 sont utilisées. Un établissement cible est choisi ; d’autres établissements sont d’abord sélectionnés sur une base d’indicateurs simples : statut, localisation, volume global d’activité, absence ou présence de certaines activités (ex. obstétrique, chirurgie). Pour chaque établissement, un tableau de répartition des RSA au sein des domaines d’activité les plus représentés est construit. Une distance du Chi2 est calculée entre le « case-mix » de l’établissement cible et celui de chacun des autres établissements. Ceux-ci sont ensuite rangés par valeur croissante du Chi2. Suivant le degré de similitude recherché, de 4 à 10 établissements sont finalement retenus.

Résultats

Cette méthode apporte les résultats attendus : constituer un panel d’établissements similaires afin de comparer entre eux divers indicateurs, exemples : incidence de certains diagnostics associés, recette moyenne par séjour, durées moyennes… Des illustrations des résultats seront proposées pour plusieurs établissements : distribution des distances ; représentation graphique des « case-mix » ; exemple de comparaisons entre établissements. Un rappel sur les méthodes de partitionnement (k-moyennes, CAH) et la comparaison de nos résultats à l’une d’elles sera également présenté.

Discussion/Conclusion

La méthode proposée est aisément appliquée sur les données PMSI nationales. Elle offre l’avantage d’être très évolutive en fonction des objectifs finaux et de donner des résultats plus lisibles pour les non-initiés que des méthodes de regroupement plus sophistiquées.

Le texte complet de cet article est disponible en PDF.

Mots clés : Benchmarking, Parangonnage, Classification hiérarchique, Clustering, Bases nationales, PMSI


Plan


© 2018  Publié par Elsevier Masson SAS.
Ajouter à ma bibliothèque Retirer de ma bibliothèque Imprimer
Export

    Export citations

  • Fichier

  • Contenu

Vol 66 - N° S1

P. S47 - mars 2018 Retour au numéro
Article précédent Article précédent
  • L’augmentation du taux d’ambulatoire s’accompagne d’une baisse de durée des autres séjours
  • M. Lehmann, P. Aubas
| Article suivant Article suivant
  • Conséquences de la mise en place des groupements hospitaliers de territoires sur les départements d’information médicale
  • C. Le Pors, C. Lê-Leplat, I. Hirtzlin

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

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.