S'abonner

Construction et évaluation d’un algorithme de détection des hospitalisations non programmées de patients atteints d’une maladie inflammatoire chronique intestinale, à partir des données du Programme de médicalisation des systèmes d’information - 28/02/20

Doi : 10.1016/j.respe.2020.01.083 
L. Person, N. Jay, A. Bannay
 Service d’évaluation et information médicales, CHRU de Nancy, Nancy, France 

Auteur correspondant.

Bienvenue sur EM-consulte, la référence des professionnels de santé.
Article gratuit.

Connectez-vous pour en bénéficier!

Résumé

Introduction

Dans la prise en charge des maladies chroniques, les hospitalisations non programmées ont un impact négatif en premier lieu sur les patients, mais également sur le système de santé. Réduire ces hospitalisations passe par leur identification afin les caractériser, notamment au travers des bases médico-administratives. Notre objectif était de construire un algorithme à partir des données du Programme de médicalisation des systèmes d’information (PMSI), pour identifier les hospitalisations non programmées de patients atteints de maladies inflammatoires chroniques de l’intestin (MICI).

Méthodes

Un échantillon a été aléatoirement sélectionné parmi les séjours sortis entre 2016 et 2018 du CHRU de Nancy et mentionnant un code de maladie de Crohn (K50) ou de rectocolite hémorragique (K51) en diagnostic principal, relié ou associé en excluant les séances. Chaque séjour a été classé en hospitalisation programmée ou non programmée par un investigateur en utilisant un arbre de décision basé sur les éléments du dossier médical et soignant. L’association entre des variables caractérisant les patients et les séjours dans le PMSI et le caractère non programmé du séjour a été recherchée par des modèles de régression logistique. Les modèles ont été évalués par leur aire sous la courbe et le test d’Hosmer-Lemeshow pour sélectionner l’algorithme le plus performant. La sensibilité de l’algorithme était le critère de jugement principal, la spécificité, et les valeurs prédictives ont également été étudiées.

Résultats

Parmi les 779 séjours inclus de patients porteurs d’une MICI pris en charge au CHRU de Nancy, 29,1 % étaient des séjours non programmées. Le modèle sélectionné a retrouvé une association significative entre le caractère non programmé et la provenance du patient, le diagnostic principal, une prise en charge chirurgicale, la sévérité du séjour et une hospitalisation dans les 30jours précédant l’admission. L’algorithme d’identification des hospitalisations non programmées présentait une sensibilité de 83,9 %, une spécificité de 82,1 % et une aire sous la courbe de 0,921.

Discussion/Conclusion

Ces performances nécessitent d’être confirmées par une étude de validation actuellement en cours sur un autre échantillon.

Le texte complet de cet article est disponible en PDF.

Plan


© 2020  Publié par Elsevier Masson SAS.
Ajouter à ma bibliothèque Retirer de ma bibliothèque Imprimer
Export

    Export citations

  • Fichier

  • Contenu

Vol 68 - N° S1

P. S37-S38 - mars 2020 Retour au numéro
Article précédent Article précédent
  • Registre Grandir en Centre-Val-de-Loire - Prise en charge et suivi des enfants prématurés
  • E. Laurent, C. Chevalier, L. Godillon, A.-I. Lecuyer-Quiniou, L. Grammatico-Guillon, E. Saliba
| Article suivant Article suivant
  • Traduction française de la 11e révision de la Classification internationale des maladies (CIM-11)
  • Y. Mokaddem, N. Melin, M. Bensadon, J. Dubois, G. Rey

Bienvenue sur EM-consulte, la référence des professionnels de santé.

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.