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.

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.

La différence moyenne entre la durée prédite par l’algorithme et celle observée était de 2,6jours (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]).

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.