Analyse de la durée de sejour à l'hopital chez les jeunes et adultes en Ile-de-France

ANALYSE DE LA DUREE DE SEJOUR A L'HOPITAL CHEZ LES JEUNES ET ADULTES EN ILE-DE-FRANCE

SYLV!A MEDINA

Departaent of Epid . . iology and Biostatistics MeCill University, Montrp.al, Quebee, Canada

July 1991

A Theaia subaitted to the Faculty of Graduate Studies and Research in partial fulfill.ent of requ1reaents for the degree of Ma.ter of Science.

{

(

ABSTRACT

Lcngth of hospital stay was analyzed in I1e-de-France, for 1147 patients with drug poisoning, diabetes mellitus, head trauma, varicoscs veins, urinary calculus, gall-stone discast., or myocardial infarction. The ... xplanatory variables (socio-demographic, hospital, and clinical characteristics) were different from one diagnosis to another; the percentage of variance explained laid between 13% and 26%, depcnding on the specifie diagnosis. Results confirm that length of stay is more than a managerial indicator; it also contains clinical-epidemiological information. Results from multiple Iinear regression, logistic regression, and Cox model were compared for diabetes mellitus and myoc.ardial infaretion. From a managerial point of view, logistie regression provided operational information, whereas results from multiple linear regression, as an explanatory method, were disappointing. Cox model was lcss interesting since there is not censoring data in this study population. The use of administrative data for researeh is discussed.

..

_..

RESUME

La durée de séjour a été étudiée chez 1147 patients hospitalisés en Ile-de-France, pour intoxications par produits phannaceutiques, diabète sucré, traumatismes crâniens, varices des membres inférieurs, calculs des voies urinaires, lithiase biliaire, ou infarctus du myocarde. Les variables explicatives (caractéristiques socio-démographiques, de l'hôpital et cliniques), étaient différentes d'un diagnostic à "autre; le pourcentage de variance expliquée était compris entre 13% et 26% selon le diagnostic. Les résultats confirment que la dJrée de séjour n'est pas seulement un indicateur de gestion, mais comporte aussi une infonnation sur le plan c1inico-épidémiologique. Par ailleurs, les résultats de la régression linéaire multiple, de la régression logistique et du modèle de Cox ont été comparés sur le diabète sucré et l'infarctus du myocarde. Dans une optique de planification, la régression logistique s'est avérée la plus opérationnelle. La

régression multiple, à visée explicative, donne des résultats plus décevants. Le modèle de Cox présentait un moindre intérêt, en l'absence de cas censurés dans la population étudiée. Cette étude pose le problème de l'utilisation de données administratives pour la recherche .

{

..

-REMERCIEMENTS

A ma famille, pour leur amour et leur soutien inconditionnel;

A mes amis des deux côtés de l'Atlantique comme des Pyrénées, sans oublier ceux de Montrouge, pour leur aide et leur compréhension ;

A Jean-François Boivin, William Oab et Rachid Salmi, pour l'intérêt qu'ils ont montré à mon travail, pour leurs réflexions, suggestions et avis judicieux, pour leurs encouragements soutenus ;

A Tina Wolfson, John O'Quigley, Thierry Dueruet et Florence Casset, pour leurs précieux conseils méthodologiques ;

A l'Observatoire Régional de la Santé d'Ile-de-France, qui m'a permis d'utiliser la base de données de morbidité hospitalière pour cette étude ;

-;f _,

...

TABLE DES MATIERES

Abstnci R&umé

Remerciements Table des matières

1.INTRODUcnON

1.1. Contexte

1.2. Objectifs de recherche

il. REVUE DE lA LlT'fERATURE

Il.1. Evolution historique récente et tendances actuelles Il.2. Pertinence de la durée de séjour du point de vue de

la gestion et du point de vue épidémiologique Il.3. Les facteurs associés à la durée de séjour à l'hôpital

DI. MATERIEL ET METHODES

I1Lt. Cadre général : l'enquête de morb.idité hospitalière en court séjour

a) méthode d'enquête b) collecte des données

1 ii Iii Iv 1 1 2 3 3 6 10

2S

25

25

26

111.2. Présentation de la population étudiée. 28

a) choix de la population 28

b) choix des diagnostics 28

c) critères d'inclusion et d'exdusion des patients 29

d) définition des variables 30

111.3. Analyse statistique 33

a) nr.:thodes d'analyse statistique 33

b) régression multiple linéaire 34

c) régression logistique 35

d) modèle de Cox 36

IV. RESULTATS 39

IV.t. Description de l'échantillon global ct de chacun des sept

diagnostics 39

a) l'ensemble de la population étudiée 39

b) les intoxications par produits pharmaceutiques 40

c) le diabète sucré 41

d) les traumatismes crâniens 41

e) les varices des membres inférieurs 42

f) les calculs des voies urinaires 42

g) les lithiases biliaires 43

a) le diabète sucré 77

b) l'infarctus du myocarde 77

IV.3. Analyse multivariée ₈₂

a) le diabète sucré ₈₂

régression multiple linéaire 82

régression logistique ₈₅

modèle de Cox ₈₆

b) l'infarctus du myocarde ₈₉

régression multiple linéaire 89

régression logistique ₉₁

modèle de Cox ₉₂

c) résultats de l'analyse par régression multiple pour les cinq

autres diagnostics 95

V. DISCUSSION ET CONCLUSION 101

V.1. Principaux résultats 101

".2. Limites et biais potentiels de l'utilisation de l'enquête

de morbidité hospitalière et des bases de données administratives 103 V.3. Les méthodes d'analyse statistique

V.4. Perspectives V.5. Conclusion

104 106 107

l

REFERENCES 109

ANNEXES 123

ANNEXE A : quelques exemples de systèmes de classification utilisant

les indices de sévérité 124

ANNEXE B : le questionnaire de l'enquête de morbidité hospitalière 129 ANNEXE C : vérification des conditions de validité des méthodes

..

'.

I.INTRODUCTION

1.1. Contexte

La durée de séjour à l'hôpital est définie comme le nombre de joarnées comptabilisées pour un patient au cours de son hospitalisation. Cet indicateur est largement utilisé dans la littérature concernant la consommation ct l'évaluation des soins dispensés à l'hôpital. Ainsi, des systèmes de classification des pathologies, basés sur la durée de séjour, tels que les

Diagnosis Re/ated Groups ont été mis en place aux Etats-Unis, avec l'objectif de favoriser une utilisation plus appropriée des services hospitaliers (1-3). Les principales

conséquences de l'utilisation de cette classification sont une diminution de la durée de séjour, la mise cn évidence de différences importantes dans les pratiques et le

développement de méthodes de mesure du degré de gravité de la maladie. Aujourd'hui l'essentiel des publications sur les Diagnosis Re/a/ed Groups porte sur ce dernier point.

Les conditions de l'utilisation en France de l'équivalent des Diagnosis Re/ated Groups, les Groupes Homogènes de Malades, ne sont pas encore compiètement définies par

l'édministration de la santé (4-7). Dans ce contexte, il semble intéressant d'essayer de comprendre quel type d'information peut fournir la durée de st:jour à l'hôpital. S'agit-il uniquement d'un indicateur reflétant la consommation des ressources hospitalières? Dans quelle mesure la durée de séjour a-t-elle aussi une signification clinico-épidémiologique, notamment vis à vi!:; de la gravité médicale des diagnostics?

Ce travail a été l'occasion de vérifier si les sources de données les plus fréquemment employées pour l'étude de la durée de séjour -- systèmes d'information hospit?tier et enquêtes descriptives -- étaient adaptées pour répondre à la question forn.ulée ci-dessus.

De même, elle aura permis d'étudier les méthodes d'analyses statistiques les plus utilisées dans ce contexte.

1

f

2

1.2 ObjectifSJle recherche

La durée de séjour a été analysée pour sept diagnostics, chez les jeunes ct adultes de 15 à 64 ans hospitalisés en Ile-de-France. Ces diagnostics étaient: les intoxications par produits pharmaceutiques, le diabète sucré, les traumatismes crâniens, les varices des membres inférieurs, les calculs des voies urinaires, la lithiase biliaire, ct l'infarctus du myocarde, tels que définis par la Classifk:ation Internationale des Maladies, 9èJlle révision

- - C.I.M.9 --(8).

Le premier objectif de cette étude était de décrire, pour chacun des diagnostics, un modèle prédictif de la durée de séjour à l'hôpital le plus simple ct le plus précis possible, en

recherchant des facteurs prédictifs d'une longue durée de séjour parmi des variables proches de la notion de gravité médicale (nombre de diagnostics associés, interventions chirurgicales, complications), et parmi d'autres facteurs utilisés pour l'ajustement (variables socio-démographiques et filières de soins). Cependant, en l'absence d'une hypothèse spécifique, toutes les variables étaient considérées comme explicatives au même titre (9).

Les variables retenues pour cette étude, à partir de la revue de littérature, étaient celles disponibles dans l'enquête de morbidité hospitalière d'Ile-de-France (JO) :

1. Variables sodo-démographiques : sexe, âge, situation familiale, nationalité, lieu de résidence, activité professionnelle.

2. Variables caractérisant l'hôpital et les filières de soins: type d'hôpital, distance entre lieu de résidence et hôpital, provenance du patient, type de transport, mode de sortie de l'hôpital.

3. Variables cliniques: nombre de diagnostics associés, spécialité du service, pré~ence ou absence d'intervention chirurgicale, complications diagnostiques.

Le deuxième objectif de la thèse était de comparer, à titre d'exerciœ méthodologiqlle, trojs

types d'analyses multivariées suggérées par la revue de littérature (régr~ssion multiple linéaire, régression logistique ct modèle de Cox), sur deux des sept diagnostics -- le diabète sucré et l'infarctus du myocarde --, dans le but de comprendre ce que chacune des méthodes pouvait apporter par rapport aux autres, en termes d'expression ct d'interprétation des résultats.

•

3

n.

REVUE DE LI1TERATURE

Bien que la revue de littérature sur les facteurs associés à la durée de séjour à l'hôpital soit le volet le plus directement reli~ à l'objectif principal de cette étude, il m'a semblé

indispensable de pr&enter l'~volution r=nte de la duœe de séjour et de la situer dans le contexte où elle est utilisée actuellement, avant de sc centrer sur l'~tude des facteurs pouvant la modifier.

La revue de littérature comporte donc une première partie qui présente la durée de s~jour à l'hôpital : l'~volution hiistorique rkcnte ct ses tendances actuelles. Une deuxième partie

~tudie la pertinence de l'indicateur d'un point de vue de gestion et d'un point de vue

~pid~miologique. Ceci pour mieux appr~ier l'utilité de cette variable aussi bien au niveau de la planification budgétaire de l'hÔpital que de l'~valuation de la qualité des soins. La

troisième partie traite très préci~ment de la relation entre la durée de séjour et les

diff~rents types de variables définis dans les objectifs, et des problèmes m~thodologiques

P'*s par leur analyse et interpr~tation.

0.1 Evolution historique récente et tendances actuelles

Les durées de séjour "excessives" constituent un point fondamental du débat public de ces dix dernières années sur la maîtrise des d~penses hospitalières, non seulement parce que les soins fournis lors de ces journées coûtent cher (11), mais aussi parce qu'ils ne sont pas

n=ssaircs (12,13). "La sant~ n'a peut-être pas de prix mais elle a un coût et le diagnostic doit se rapprocher dt:s variables ~nomiques" (14).

Dans la gestion hospitalière, la durée (moyenne) de séjour, avec le nombre de joum~es, le nombre d'admissions ou de sorties, le nombre d'actes, et le taux d'occupation des lits, sont les indicateurs traditionnellement utili~s pour évaluer l'utilisation des services hospitaliers (15-17). Mais ces outils sont insuffisants pour l'aide à la d~cision des planificateurs et gestionnaires d'hÔpitaux (18) .

1

"

4

Avec l'implantation, au ~but des années 80, des DiIIgnosis Related Grt"ups (DRG) aux Etats-Unis, l'~uipe de Yale (1-3) a proposé un nouvel outil de classification des patients, basé sur l'ajustement du "case-mix" ou "éventail de cas" (17) ; le critère d'appréciation de l'homogéneité des classes diagnostiques était la durée moyenne de séjour. Le but de cette classification était de permettre une meilleure appréciation du "risque" d'hospitalisation à

assurer. Plus que d'autres catégories statistiques construites avant tout pour classer et dénombrer, la catégorie diagnostique présente la particularité d'être étroitement liée à

l'exercice effcctif d'une activité professionnelle; son contenu prend des sens différents selon les endroits, les agents et les buts de sa production (14). Il fallait tenir compte des différences entre types de patients traités par chaque médecin, pour que les écarts constatés

dans les durées de séjour ne soient pas dus à un plus grand nombre de patients d'un typt. particulier mais traduisent plutôt des différences de pratique dans l'utilisation d'une ressource particuli~re (19). Ainsi, dans le contexte des classifications diagnostiques, une grande attention est prêtée à réduire les coûts en réduisant la durée de séjour. Et ceci parce que la durée de séjour est fortement corrélée au coût global de l'hospitalisation (1,20-24). Et a~ssi parce que la durée de séjour est une information disponible en routine, plus facile et plus pœcise à mesurer que le coût, et mieux comprise par les cliniciens (25). D~ns ce sens, l'étude des facteurs qui influencent la durée de séjour à l'hôpital fournit des

renseignements indispensables au choix des stratégies susceptibles de freiner les dépenses

hospitali~res (26).

Conséquences de la réduction de la durée de séjow

Nombreux sont les auteurs qui s'interrogent sur l'intérêt de réduire la durée de séjour aussi bien du point de vue médical qu'économique.

Du point de vue de la réduction des coûts: si on veut préserver une certaine qualité des soins malgré un séjour raccourci, cela suppose un personnel de pointe très spécialisé et un plateau technique adéquat. La réduction de la durée de séjour suppose le développement d'alternatives à l'hospitalisation et de structures d'accueil médico-sociales, la création de postes pour un personnel sanitaire et social adapté. De ce fait les dépenses globales de santé continuent à croître (15,27-34).

Quant à la qualité des soins, certains s'inquiètent de possibles complications attribuables à une sortie trop précoce, pouvant conduire à des réhospitalisations plus graves

(10,33,35,36), ou des conséquences négatives de la réduction de la durée de séjour pour la formation des étudiants en médecine (33,37). D'autres ont constaté une baisse dans la qualité des soins dispensés (38-44). Au contraire, certains auteurs (45-48) ne trouvent pas

de conséquences négatives pour la qualité des soins. D'autres (12,49,50) pensent qu'un séjour raccourci est positif pour le patient (risques de complications iatrogènes, infections nosocomiales, impact psychologique chez l'enfant notamment). Aussi, une comparaison avant-après l'implantation de ce système de tarification prospective -- c'est à dire l'attribution du budget hospitalier sur la base d'un tarif prospectif par Diagnosis Related Groups --montre qu'il n'y a pas d'aggravation des patients hospitalisés en Medicare à leur sortie de l'hôpital (51), et que la qualité des soins continue à s'améliorer (52).

Les séjours inappropriés

Après une longue période de réduction de la durée de séjour à l'hôpital (tableau 1), on assiste à une stabilisation de l'indicateur, surtout aux Etats-Unis (29,31,53,54).

Aujourd'hui, l'intérêt est mis dans la concentration de mesures de réduction des coûts dans les services inutiles ou médicalement inappropriés.

Plusieurs études ont signalé qu'une partie importante des soins hospitaliers ne sont pas nécessaires (55-64). Restuccia (62) trouve une plus grande proportion de séjours

inappropriés dans les longs séjours chirurgicaux, dans les courts séjours médicaux, et dans la partie du séjour correspondant à la convalescence. Une utilisation plus efficiente de l'hôpital passe par une amélioration de la qualité des investigations faites avant l'admission et par le développement des filières de soins à la sortie du patient (65). Les soins à l'hôpital ne doivent plus être considérés isolément (59,62,66) mais dans un système de soins global. L'organisation hospitalière s'oriente vers un système de soins intégré multi-institutionnel (31,67). Par l'utilisation de critères d'hospitalisation stricts, et de protocoles prédéfinis, on peut réduire le nombre et la durée des séjours, sans conséquences sur la mortalité ou les taux de réhospitalisation (45,46).

6

Cependant, certains auteurs insistent sur le fait que les séjours longs ne sont pas forcément inappropriés: Kemper (68) signale un faible taux d'utilisation inappropriée dans les séjours longs en pédiatrie. Starfield (69) rapporte que les enfants qui sont les plus gros utilisateurs des soins pr6sentent en général un grand nombre de problèmes médicaux. Il en est de même pour les adultes d'après Gertman (59). Garg (70) insiste sur le fait que les patients les plus malades sont ceux qui ont le plus besoin de soins ct sont ceux qui restent le plus longtemps.

L'organisation du réseau extrahospitalier (66) ct les différences de pratiques entre médecins

(71,32) sont généralement mis en évidence pour expliquer les opinions contrastées des auteurs sur le problème des séj'.)1Jrs inappropriés.

Dol Pertlnenee de la dulie de séjour du point de vue de la gestion et du point de vue fpldfmlologlque

La pértinencc de la durée de séjour est étudiée dans le contexte de son utilisation dans les classifications du type Diagnosis Related Groups.

a) du point de vue de la gestion

Pouvourville, dans une publication récente (17), fait le point sur la régulation financière de l'hôpital par les Diagnosis Related Groups. En tant qu'outils de gestion, les systèmes de tarification du typc Diagnosis Related Groups sont censés expliquer la variance des ressources utilisées dans la prise en charge des malades, variance des coûts du séjour ou variance de la dUKe de séjour. Ces systèmes permettent ainsi d'identifier un problème quand un écart significatif dans le coût ou dans la durée de séjour d'un Diagnosis Related Group dans un établissement, apparaît par rapport à une distribution observée SlAr un large échantillon de référence. Sur le plan de l'analyse des coûts et de leurs variations, ce système de paiement prospectif par Diagnosis Related Group, avc.~ un nombre de classes limitées ct une logique simple, classe un séjour-patient dans un seul groupe (17).

(

...

Jjmjtcs de l'utilisatioQ des Diaznosis Belated GrOUlls

Toutes les classifications, quelles qu'elles soient, SOllt sujettes à des contraintes inhérentes au fait de classer:

~ .. Cu "~JOrla 1IIIIIIi,vu. ~ tIIjfcWIIIu,."eu... cella fW le lJocIftI

hMZ KIWI"",u.e" ",*-IIIt)IC""..~ iIttiIIIIh -lA -m.I cllate IIu

C'OM'WMc:u bIIIIwIIu-._ lJIIu la pqu ... u . « IAIN U lait qw la _ _ _ se

..., '" : . , . " . " _ , , ,,,.,,...,,.; 6 . . . ; cl 9fJrltlDÙâ; Il ax-br,. t.it;~, lirillu;

n,.".... ;

I} rii-.r .. UMnI ; "' ...

1.,....

c~itM ;

;' ...

,*-'~

.. ,.,

;J' ... .,.; I)...w . . . ",./III,uc....

poib. " - - ' ; 1) ft ~;., . . .

"""'-t.

muer"

t71de; Il}

qvi"~-....,.". - a , ... -(12).

Dans les DÙlgnosis Related Groups se pose d'emblée le problème de l'acceptabilité de la classification par le corps médical (7S,76). Ainsi, rappelons que dans un groupe sc trouvent des c:-\s cliniques différents supposant des processus de prise en charge semblables. Ces groupes doivent cependant garder une ccrtaine cohérence cliniques (17,77,78). Des problèmes méthodologiques font que le pouvoir explicatif des DÙlgnosis Related Groups reste faible (73). De ce fait, d'autres essais de construction d'indices d'ajustement du

"case-mu"

ont été développés pour réduire, par une approche statistique plus adaptée (74), l'hétérogénéité dans les groupes de cette classification.

Les Iimitcs des incitatifs du type Diagnosis Related Groups (77,79,80) conccrnent les conséquences pour la pratique médicale (81-83) et la généralisation possible de la méthode. En effet, des variables prédictives dans un contexte particulier ne le sont plus dans un autre (84). Ces incitatifs ne concernent pas vraiment les séjours inappropriés; au contraire ils stimulent les hospitalisations à diagnostics remboursables et de courte durée qui ont les taux les plus élevés d'utilisation inappropriée (S9). Le prix de la prestation de soins offerte par l'hôpital étant forfait:.drc, les établissements avaient tout intérêt à faire sortir le patient aussi vite que possible et dégager ainsi un profit (31). Ceci aurait permis une économie notable pour les fonds d'hospitalisation (17,85,86) ; en contrepartie, le taux d'occupation des lits est tombé de 74% à 63% et des transformations de lits et des

1

t

8

Des effets non désirés ct parfois "pervers" du système se sont produits à une échelle cependant moins importante que prévue (31). Ceci inclut le "dérapage" ("DRG creep", 88),

consistant à classer les patients dans les Diagnosis Related Groups qui procurent des

recettes plus importantes, ct le "dumping" ou "décharge" (31): consistant à écarter ou transférer ailleurs les patients dont l'hôpital ne pense pas tirer profit. Les conséquences pour l'accès aux soins se déduisent facilement dans un pays, comme les Etats-Unis, où environ 37 millions de personnes dont 12 millions d'enfants ne sont pas couvertes par un régime d'assurance-maladie (17,89,90). Il faut tout de même signaler que ces effets potentiels pervers ont été relativement contrôlés ct pris en compte dans la tarification (91).

En dépit de ces dU11 ;uhés méthodologiques, les Diagno.vis Related Groups restent un outil

de tarification privillgié ct de nombreux pays adaptent cette classification à leurs propres contextes. Cest ce qu'expriment, par exemple, les auteurs français (17, 91-96), canadiens (55,97), espagnols (98,99), anglais (100), hollandais (101), suisses (21), belges (102,103)

et irlandais (104).

b) du point de vue épidémiologique

L'utilisation des indices de gravité a considérablement modifié l'utilisation des DiagnO!iis Related Groups. Nous passons d'une logique de coût à une logique de qualité des pratiques

(67). Cette préoccupation pour la qualité des soins s'est traduite, en effet, par l'élaboration de nouveaux outils de classification de malades. Par rapport aux outils existants, ils tentent de cerner davantage le problème de la mesure de la gravité des cas ; ccci dans le but de mieux rendre compte de l'effet des variations de la gravité d'une pathologie sur les pratiques (91) et sur les coûts -- et indirectement sur la durée de séjour -- (105,106). Goldman (107) signale que la durée de séjour peut être elle-même indicatrice de la qualité des soins, d'où l'intérêt d'étudier aussi l'influence sur la durée de séiour des variables faisant référence à la notion de gravité.

Quoique, intuitivement le concept de gravité apparaisse clair, il n'y a pas de définition absolue et universelle. Ce point est particulièrement bien étudié par Stein (108). Selon que la gravité est considérée comme une variable prédictive, de contrôle ou de résultat, l'accent est mis sur différentr.s mesures.

Les différents types de &mité

Les indicateurs de gravit~ peuvent sc référer aussi bien à un défaut biologique sous-jacent, qu'à une incapacité fonctionnelle ou à l'impact de ces conditi\1ns sur la qualité de vie, ou encore à la charge financi~re, sociale ou psychologique imposée par la maladie (109-112). Un indicateur de gravit~ peut être direct (le œsultat d'un examen de laboratoire) ou indirect (la durée de 5tjour) (59).

La anYIU "physiologique ou morphologique" peut sc mesurer par des examens de laboratoire ou anatomiques qui servent à catégoriser une maladie en stades. comme le fait APACHE Il pour les soins intensifs (113). Mais certaines affections peuvent

s'accompagner d'autres alt~rations ct les effets correspondants ne sont pas n~cessairement

additifs et mesurables. Ainsi dans la publication de Escarce (114), le système APACHE Il est remis en question en tant qu'outil de mesure de la 5tvérit~ dans les unités de soins intensifs.

La an"lt' "fonctionnelle", ou l'incapacité, conséquence d'une maladie sur la réalisation des éÎctivités considérées normales pour un âge donné, peut sc mesurer par le nombre de journées passées à l'hÔpital ou, de façon plus fine, par des indices agrégés (11S-118)

spécialement conçus pour permettre des comparaisons entre catégories diagnostiques.

La gravité peut aussi sc mesurer en termes des conséquences psychologiques, économiques et sociales découlant d'une maladie. Par exemple, on peut parler de In"it' "financière" quand une maladie entraîne une utilisation des services de soins supposant des coûts plus élevés que la moyenne pr~vue. Elle se mesure par des systèmes du type Diagnosis Related Groups ct, comme les mesures de gravité fonctionnelle, elle permet des comparaisons entre catégories diagnostiques (119).

1 droites des indicateurs de ,",Vilé

u:s mesures de gravité ~conomique, psychologique ct sociale ne sont pas fortement corrélées entre elles ni avec d'autres indicateurs de sévérité (120-122). Une maladie chronique peut entrainer des co:lts d'hospitalisation relativement faibles mais la charge

1

....

10

psychologique ct sociale pour la famille peut être très importante. De même, une variable peut être indicatrice de plusieurs aspects de la gravité: en fonction du contexte, le nombre de journées d'hospitalisation peut être un indicateur de gravité physiologique, fonctionnelle ou économique. Par ailleurs, la gravité de la maladie varie au cours du temps alors que les indicateurs sont souvent statiques.

Des mesures séquentielles et agrégées de gravité de plusieurs types ont été développées. Quelques systèmt.s de classification des patients utilisant ces indices de gravité sont :

DiseGSt &aging, Continence Ambulation Age Social background and Thought processes, 4 -Score, Appropriateness Evaluation Protoco~ Patient Management Categories,

Computerized Severity Index, Integrated Inpatient Management Model, Medisgroup et la 6ème version des Diagnosis Related Groups. Ils sont décrits en annexe A, à partir de la publication de Naiditch (91) et des articles originaux (49,59,106,123-126).

Dol Les facleun associés à la durée de séjour à l'hôpital

-La littérature sur les facteurs associés à la durée de séjour est très riche, mais des études ayant trait exclusivement à la durée de séjour ne sont pas fréquentes. Habituellement la durée de séjour fait partie d'un modèle plus large, dans les études concernant les Diagnosi.f Related Groups par exemple, et les résultats quantitatifs spécifiques ne sont pas toujours précisés.

En 1964, Riedel et Fitzpatrick (127), par une analyse bivariée sur six diagnostics, avaient déterminé trois types de variables influançant la durée de séjour: caractéristiques du patient (âge, sexe, complications diagnostiques, intervention chirugicalc), caractéristiques du médecin traitant (spécialité), caractéristiques de l'hôpital (taille, localisation,

financement). Les complications apparaissaient comme les facteurs les plus importants mais déjà ces auteurs identifaient des variations importantes, selon le diagnostic étudié, dans l'effet relatif de chaque variable explicative .

,ro

,

Lave et Leinbardt (128) ont résumé les variables reliUs à la durée de séjour les plus fréquement rapportées par la littérature: statut du médecin hospitalier, taille de l'hÔpital, couverture sociale, diagnostic, jour de la semaine, taux d'occupation et support social.

L'ajustement pour le "case-ma" (129,130) apparaît indispensable. Berki (77) conclut que l'identification de sources de variations non cliniques requiert que les caractéristiques cliniques soient maintenues constantes; Sloan (54) montre l'intérêt des études détaillées au sein d'un établissement, par rapport à l'analyse d'un nombre limité de données dans un grand nombre d'établissements. Ces constatations font qu'une partie importante des études s'intéressent à des diagnostics très précis pour analyser la durée de séjour, en contrÔlant le plus possible le degr6 de gravité de la maladie et en ajoutant des variables tRS ~pécifiques

aux établissements. Ce sont des études ponctuelles, approfondies, ellcs seront appelées par la suite "uniccntriques".

Au contraire, Eastaugh (12) fait remarquer que cc type d'analyse Ile prend pas en compte les sources de variations entre hÔpitaux. Ainsi, d'autres études restent à un niveau plus superficiel dans la précision du degré de gravité, mais prennent en compte les

caractéristiques de fonctionnement des hôpitaux et mettent en évidence des différences de pratiques. Ce sont des études sur plusieurs hôpitaux qui utilisent les bases de données existantes, elles seront appell~ "multiccntriques".

Le tableau 2 résume les principales caractéristiques des études pour lesquelles une relation entre variables explicatives ct durée de séjour était rapportée avec des résultats qualitatifs et/ou quantitatifs. Ces caractéristiques concernent : le pays, le type d'étude

("unilmulticcntrique"), la durée de l'étude, le nombre de patients concernés, la spécialité du service (médecine, chirurgie, cardiologie, etc ... ) et les diagnostics ou Diagnosis Related

Groups (DRO) sur lesquels a porté l'étude, les méthodes d'analyse statistique utilisées, le coefficient de régression multiple (R2) pour les régressions multiples linéaires et les variables significatives rapportées.

1

12

Métbodol0iÏe des études

Les études multicentriques étaient à peu près aussi fréquentes qu~ les enquêtes

"unicentriques". La durée des études était très variable: de 1 mois (131) à 19 ans(132). Les critères de choix des diagnostics étudiés étaient : le type de population: les personnes âgées (133-138), les enfants (68,131,139). Les adultes jeunes étaient aussi largement représentés (26,54,79,140) ; l'importance de l'effecti!: plus de 20 patients par diagnostic (123,141), plus de 30 (79), plus de 40 (77,128), plus de 100 (74) ; dans les études

"multicentriques", bien sûr, le nombre de patients était très élevé; la spécialité médicale concernée: diagnostics chirurgicaux (12,23,54,79,142), médicaux (10,143,144),

chirurgicaux ct médicaux (32,74,107,123,128,145-147), gynéco-obstétricaux (30,148,149) et psych;atriques (36,84,132,150) ; le coût de la pathologie (22,142,151) ; l'impact sur la morbidité ou la mortalité (80,135,145) ; la complexité clinique (77) ; ou une plus longue durée de séjour (13).

Une partie des études utilisaient des méthodes d'analyses bivariées (13,15,22,30,46, 124,131,136,139,141,151-153).

Pour étudier l'effet relatif de chaque variable sur la durée de séjour (continue), la plupart des études utilisaient la régression multiple linéaire. Mais la forme de la loi de

distribution de la durée de séjour est rarement assimilable à une loi connue et grand nombre d'études ont effectué une transformation logarithmique pour rendre la distribution plus proche de la normalité et obtenir de meilleures estimations (9,14,77,79,80,84,107,128, 140,142,143,145,147,150). Shachtman (74) et Freund (25) ont développé leurs propres méthodes de transformation de la durée de séjour. Enfin, quelques auteurs ne rapportaient

pas de transformation de la durée de séjour (12,32,54,133,149). Le prohlème posé par l'utilisation de la régression multiple dans l'analyse de variables fortement corrélées entre elles été traité par Choca (84), Eastaugh (12), Iones (79) et Weingarten (24). Kelly (140) posait le problème de l'hétéroscédasticité de la variable dépendante.

Les auteurs qui s'intéressaient à la prédiction de longues durées de séjour, utilisaient généralement la régression logistique comme méthode d'analyse (23,135,142). Dans ce

l

13

cas, la durée de séjour est une variable dichotomique. Dans les trois étud ... s de ce type rept.rées, les critères de choix du seuil discriminant n'étaient mentionnés que dans l'étude de Tartter (23) qui détermine ce seuil à partir de la médiane de la durée de séjour.

Pour prédire la probabilité de sortie de l'hôpital (et indirectement la durée de séjour) trois auteurs utilisaient des méthodes d'analyses de survie; soit la méthode de Kaplan-Meier (SO), soit les modèles des risques instantanés proportionnels (132,154). Ces dernières études illustrent l'intérêt de traiter l'événement "sortie du patient" comme une donnée dépendant du temps.

Résultats

Parmi les caractéristiques socio-démographiques du patient : le sexe, mais surtout l'âge étaient controversés. Si la plupart des études incluent l'âge dans leurs modèles, cette variable dépend des critères d'admission de l'hôpital; et même à l'intérieur de classes diagnostiques fines, l'effet de l'âge est très variable. Ainsi l'âge per se n'apparaît pas comme une variable clé dans la prédiction de la durée de séjour (13,135,149). Par contre un

consensus existait quant au statut socio-économique ; les c1a"ses sociales défavorisées ont des durée de séjour plus longues (13,20,38,77,132,143,147,155).11 en est de même pour la situation familiale; les patients non mariés restent plus longtemps à l'hôpital (132,133, 135,156). La couverture sociale (77,157,158), le lieu de résidence et la distance à l'hôpital (12,133,139,157,159) étaient aussi mis en évidence.

Les caractéristiques du médecin traitant étaient mentionnées dans la littérature comme éléments intervenant dans la décision d'hospitaliser et de faire sortir un patient (12,13,19, 66,68,128,141,160). L'âge du médecin, sa qualification et expérience, ses relations avec l'hôpital, sa participation aux réunions du service et les différences de pratiques, sont les plus citées.

Grand nombre d'auteurs rapportaient des variables organisationnelles pouvant allonger la durée de séjour à l'hôpital (12,13,20,22,26,32,54,77,107,128,135,138,140,147,148,150, 153,158,161-168) .11 s'agissait essentiellement du statut de l'établissement (privé versus

public), de sa taille, du mode de tarification (prix de journée versus budget global), de la provenance du patient (par transfert ou urgences versus domicile), du plateau technique, des ressources matérielles et humaines, des délais d'attente pour les examens

1

14

complémentaires, de la compétition entre hôpitaux, des taux d'occupation, d'admissions ct réadmissions, des derniers jours de la semaine, de l'absence de prot !Coles de prise en charge.

Les facteurs médicaux ou cliniques sont essentiels à la détermination de la durée de séjour à l'hôpital (12,23,45,54,74,77,80,107,128,135,139, 140,142, 150,152,169, t 70). Les plus cités étaient: le diagnostic principal, les diagnostics associés, les associations

diagnostiques, le degré de gravité de la maladie, l'intensité des soins, les complications, la nature des examens complémentaires, le fait de subir une intervention chirurgicale, une anesthésie ou une transfusion, la réponse au traitement, l'évolution imprévue ct l'hésitation diagnostique. Starfield (69) suggèrait que pour comprendre l'utilisation qui est faite des services hospitaliers, il fallait prêter attention aux associations diagnostiques présentes chez un même individu plutôt que de centrer l'étude sur la pathologie prédominante.

Les problèmes médico-sociaux étaient aussi à l'origine d'une plus longue durée de séjour (20,66,133,135,139,149,171). Ils faisaient référence surtout au support social, aux délais d'attente pour hébergement des patients nécessitant une admission en institution, et aux réseaux sanitaires ct sociaux insuffisamment adaptés aux besoins du patient à la sortie de l'hôpital.

Au total, le fait que les variables cliniques soien, les facteurs déterminants de l'utilisation des services hospitaliers faisait la quasi-unanimité des auteurs. La littérature sur les variables non cliniques était moins convainquante. Eastaugh (12) signale que les

interactions sont complexes. Les différentes études s'intéressaient seulement à <juelques unes de ces variables. Et il n'y a pas toujours de contrôle sur les interactions entre elles (77,128,136).

Tableau 1 : Durée moyenne de séjour en jours pour les hôpitaux de court-séjour de Medicare aux Etats-Unis (1983-87) cl pow les hôpitaux publics de court-~jour en France (1982-89):

Dwée de séjour (jours)

Année Etats-Unisl _France2

1982 1983 1984 1985 1986 1987 1988 1989 9.8 8.9 8.6 8.7 8.7 9.63 9.1 8.8 8.5 8.2 7.9 7.6 7.2

ISo.œ : Hclltll CIre Filllllclna AdminiaIraIion, BlIleali of DaIa M ... clDCllt and Strate,y : data froID the Medic:are StatJItlcal System;

dIIa development by the Offiœ cl Raearcb and DemonIInIion (29).

'Sowœ : M~re de la SIII~ Service dei Stalilliqua dei E1udel d dei Sy~mea d'IDformatiœ, Bureau sn : cIonn6es cie l'eftqu~e

"80 lUI' let ~tabliucmenll d'lapitalilltioa pubJiCI (29bil).

or •

...

Tableau 2 : caract~ristiques des principales études sur les facteurs associés à Ja durée de séjour à j'hÔpital

Auteur type d'~lude duRe population m~thode d'analyse nriables significatil'es

rfférenœ spécialité (RZ s'H y a Ueu)

pays

AlagiUe unicentrique 3 mois n= 150 moyennes pondérées .évolution imprévue

pédiatrie .lieu d'habitation

(139) .problème social

France

Darberger multiœntrique 7 mois n= 1996 régression multiple linéaire .motif somatique

Gateau médecine .motif social

personnes âgées R2=0.05-0.17(1) .modiflCation entourage

(133) .vivre seul

France

Berki wt;œntrique lan n= 1096 régression multiple linéaire .gravité

7DRG .associations diagnostiques

(77) médecine R2=O.31-0.65(1) .soins infirmiers

chirurgie .délai examens

Etats-Unis complémentaires

jour d'admission .distance hôpital

Dirk unicentrique 2 ans n=197 modèle de Cox .âge

Masten infarctus myocarde .antécédent d'infarctus

.insufflSaDce cardiaque

(154) .altérations du rythme

. extension Etats-Unis

lI) gamme des uleurs rapp:mees

....

0'1

Tmleau 2 : ~ristiques des priDcipaIes ~tudes .... Ies facte . . . . sociâ 1 la dur6e de sijour 1l'll6pitaJ (suite)

Auteur lJpe d'flude dune popul.Uo. .... ode.· . . . , . ..rlables ... ftcadftl

rilireac:e _{" " .. iti} (&Z .'ily • Deu)

p.y.

Choca uaicentrique 4us n-556 œpessioa muhiple PIS 1 pu .personnalil6

psychiatrie .syndrome clinique

(84) R2a(W7-o.27(1) _{.troubles carac~re}

Etats-Uais

Elaie

aicentrique lu n=921 RgteSSion multiple lin~aiJe .pmlocole de prise

soins intensifs enc:barge

(45) .complic:alions

R2=O.S7-o.6S(1) _{.retoll' information aux}

Etats-Unis m~clas

.Ige

.tau d'occupation

Euta .... multicentrique ? n=-780 rq,ression multiple liniaire .nombre de diagnostics

chirurgie secondaires

(12) .Ige

R2=O.46-o.67(1) .distance h6pital

Etats-Unis . % universitaires

. % intentes chirurgie

.dElais examens laboratoire .tau d'oc:aapation

.type d'hôpital

(1) JIIIIIDC des valeUIl I~

...

1",;;J!JI)k···r·"~"'~·

e

Tlbleau 2 : carlCl6rilliqlles des principales 6 .. des sur les faclears associ6s lia d.ne de s6jour ll'b6pital (suite)

Auteur rfffreace p·Y· Epstein (143) Etats-Unis F ... (146) Etats-Unis Goidma. (:07) Etats-Unis lJpe d'ftude aniceDtrique muhkcntrique unicentrique

0) ,amme des valeurs fIIlPOdées

du" 4_ lan 2 ans ,opal.do. ... lt6 n=402 maladies du tissu connectif n= 5058 m6decine chirurgie n=9000 20DRG médecine 28DRG chirurgie .fthode d' .... JH (R2 .'11. Beu)

r68Jcssioa muhiple lin~

R2:0.08-O.lS(l)

IDIIyse de la variance

s6quentielle

Rgn:ssion muhiple lin~aire

R2>=10% ftrlabl ... 1Icad •• .pmfcssioa ... de formation .revenus annuels .Ige .mode d'entr6e .diapostic principal .sp6cialit6 .midecin traitant .intervention dùrurgicale .mesures de laboratoire .vari..,Jes socio-démographiques .8Jlvit6 10-, ... "_.~.~

....

CI)

...

~

Tableau 2 : car~ristiques des priDcipa)es ~1uCIai sur les facteUlS associ& lia dIRe de sqoar l rb6pi1ll (suite)

Auteur &Jped' .... de d .... populadoa . . . ed' .... , . _{ftrta ....} llpllladftl

riffreace ap&iIUtf (R2 .'1 J a lieu)

p.y.

Benaa. _centrique l a ns 117 r6gres1iœlogistique pas l pas .RboIpitaiisalioas

.pnweaaace

(135) gmatrie

."_1Ies

_mClric:es

et du langage

Etats-Unis Accidents _{.associatio. diagnostiques}

vascuJaires .anute pour placement

dRbrau

Hora unicentrique 9 mois n=286 test U de Mann et Whitney .moyenne JOUIS injustifiés

4 diapostics 1est de COIRlatiœ .dwps excessives

(124) médecine des ranp de Speannan .assistance du médecin

nstaff Etats-Unis

JOIIII multicentrique ? n=699 éamsion multiple lin6aire .ige

.situation flllliJiale

(79) 4DRG R2:? .lieu 1labi1ltioa

chirurgie .type h6pital

Etats-Unis .diapo&tic priDcipal

.nombre de complications .~ de sant6l rUnission

.type d'lDCSthesie

Kelly multicentrique lan n=6142 r6grcssioa multiple linéaire .dept de siv&it~

.type d'h6pital

(140) Sida R2:0.098 .race

. Ige

....

\0

~

...

...

Tableau 2: cuact6ristiques des priacipales 6tudes sur les facleurs .sociâIlla duœe de s6jOllll J'b6pitaJ (suite)

Auteur lJpe d'fCude d .... popua.do. ....oded' .... JH ftrlabl ... lIcady.

rifireac:e ""alltf (RZ .'U '1 • Heu)

p.ys

Kialer multicentrique 1 ... n= 10123 R8JeSSÏOD muhiple lin6aire .type d'h6pital .unit6 de psychiatrie

(ISO) psychiatrie R2:0.2J-O.SS(1) .unit6 de d6pendance

chimique

Etats-Unis .comorbidit6

Laessle unicentrique 19_ _{n=2873 mdJes stochastiques} .Age

des risques instantanEs .situation familiale

(132) psychose proportionnels .cat6gorie locier

Allemagne n6vrose professionneUe

Laye _unicentrique 1an n=2449 r68JCSSiOll muhiple lin6aiJe .diagnostic principal

Leinbardt .nombre de diagnOàtic:s

m6decine R2=O.43 .nombre lCtes chirurgicaux

(128) chirurgie .proveunœ

.statut du m6decin

Etats-Unis .jour d'admission

.type d'hôpital .sexe

.situation familiale .race

Le'IJÏS muhicentrique lan n=224000 comparaison de ratios .âge

.taille de l'hôpital

(156) médecine .type d'hôpital

chirurgie

~

Etats-Unis 0

(1) , _ des valcun rapportées

TlIb)au 2 : CUdristiques des principales ftudes sur les flCteurs associ6s lia dUJfe de sqour l J'h6pi1al (suite)

Auteur tJpe d'lmde dune popuaadoB .fthode d'a""

rifireace .... aIIû (RI .'1I1a leu)

pays

Ust multicentrique lan D-920 COIIlpiAÏSODS de moyennes

(13) ardiologie amlatioas

Etats-Unis

POlDer multiccnttique 1an D=28000 œgression multiple liIl6aire

(149) 80 diagnostics R2=O.1l

Etats-Unis m6clecine analyse de covarimce

cbinugic

gyMcoIogie-obst~trique

Poyaanl UIlÎCCDtrique ? D=750 IflfCSSioa multiple Jiu6aire

(li) h~ .. &O-gastro R2.?

eD~roJogie

France lIIaIyse discrimiDaDae

paslpas analyse de SUIVie Kaplm-Meier ftrtabialiplllcatlftl .dimrenc:es de pratiques m6dic:ales .type d'b6pital .Ige .Ige .diapos1ÎCS .associations diagnostiques N

....

•

t.;~

Tableau 2 : cal'8Cl6ristiqaes des priIlcipales 6tudC1_ les factellS 1SSOCi6s lia duRe de s6jour ll'h6pital (suite)

Auteur &Jped.'t .... _du"

rfr6reace p.J'

Robinson maltic:enttique 1_

(26)

Etats-Unis

RDOS muJticentrique 4 ans (32)

Canada

(1) . _ des v.urs RIJIIOl'fées

popuIadOli

...

'"

n=4984S4 10 diagnostics cllirurgie n=6SS49 m&lec:ine chirurgie n=S7S m6decine chirurgie . . . e.' .... , . (Rl .'1 J • lieu)

J6pession muhiple lin6aire

R2=O.31-O.48:1)

Rgression multiple lin6aire

12_=0.24 R2=O.46 ft"""'1ipi1kaCi9ft .c:om~tition entte l16pitau .Ige .sexe .aide • domicile .spkiaJit~ du m6dec:in trai1aD1 .soins ambulatoires .diagnostic principal .moyeue de diagaostia; l rldmission .nombre d'admissions .pratique rurale

.zones de 5 lies ou plus pour 1000 habitants

.m6dedas form6s hors

Amêriquc du Nord et Angleterre .m6decins univelSitaiJes

...

N N

Tableau 2: cuacl6ris1iques des principales 6h1des sur les factem lSSOCi& lia du," de séjour l 1'b6pital (suite)

Auteur lJpe d'itude d .... popuIalio. . . . d' .... , . Yarlabla ... lIcaIlftS

riffreace .... lIiti (RZ .'1 J • lieu)

P·Y·

Sallœftr multic:eatrique Sans n=-? ripalioa multiple pas l pas .caJNICit~ de 1'b6pital .type d'btJp;'-1

(147) DRG R2,..? .recrutement 6= 1'b6pital

médecine .Ige

Etats-Unis chirurgie .revenus

.di90Stics

Shecht ••• mahiccntrique lan Da SOO Rgression mahiple lin~aire .diagDOltic principal

.diagnostics secondaiJes

(74) m~ R2=O.40 .Ige

chirurgie .sexe

Etats-UÛi .daée anestb6sie

Sioan multicenlrique 10 ans S21 hôpitaux Rgression muhiple linuire .intervention chirurgicale .gravil6

(54) chirurgie R2.0.06-o.s1(1) .type de remboursement

.cliff6rences œgionales

Etats-Unis .progJà technologique

Shldnidd multicenlrique 3 mois n=? corr6latiOllS simples .soun:e de fmacement

20 diagnostics des h6pitaux

(22) cancâologie

chirurgie

Etats-Unis

(1) JIIIIIDe dei valeurs fIIIPIII*s N

••

Tableau 2 : caract6ristiques des principales ~tudes sur les fKleurs associ& lia durée de sqour ll'h6pital (suite)

Auteur type d'ftude dune populadoa _{.fdaode d'a""}

rilfreace spfd .. itf (Rl .'1,. leu)

p.ys

Tartier uniœntrique 3us n=320 égrcssion logistique pas l pas

(23) chirurgie

cancérologie

Etats-Unr. colo-rectale

Tura multicentrique 29jOUJS n=940 comparaisons de pourcentages

(131) pMiatrie

France

Weiatnub unicentrique Sans n=4683 r6gression logistique pas l pIS

(142) chirurgie des r~gression multiple linuire

artères coronaires Etals-Uù R2=O.33

~

ftdables ... lIcadftl .Ige .sexe .trusfusion .type intervention chirurgicale .complications .aationaJi~ .diagnostics .Ictivi~ professionnelle de lam~re .lge .sexe .chirurgie d'urgence .complications

...

N .e.

{

-III. MATERIEL ET MmIODES

DI.t. Cadre l'nénl: l'enquête de morbidité hospitalière en court séJour.

La source de données utilisée pour cette thèse ~tait l'enquête de m01bidit~ hospitalière de court s~jour en Ile-de-France, réalisée entre 1985 et 1988 par l'ObselVatoire R~gional de la Sant~. L'objectif de cette enquête ~tait de mieux connaître les patients, leurs pathologies,

ct l'activit~ des hÔpitaux de la r~gion .

• ) métbodc d'enquête

Cctte enquête s'est effectu~e par sondage. Le taux de sondage ~tait de 1/52ème dans le secteur public ct, pour des raisons de faisabilit~, de 1I100ème dans le secteur privé.

Elle a port~ sur les sortants hospitaliKs 24 heures ou plus dans les sclVices de court Kjour

(m~ccine, chirurgie, ct gyn~cologie-obst~trique) des hôpitaux de la r~gion, stratifi~s selon le statut de l'hÔpital (public ct priv~), la taille et la spécialit~ du service.

Le tii'age de l'~hantillon ~tait fond~ sur le principe selon lequel to ,les malades d'un service de court séjour dans une ~riode donn~e ont la même pmbabilit~ d'appartenir à

l'~hantillon.

L'~chantillon a ~té constitu~ en enquêtant les services retenus durant une semaine complète, chaque trimestre pendant un an. Le temps d'observation ~tait d'une semaine, car il a fallu prendre en compte :

- la surcharge de travail provoqu" par l'enquête au niveau de l'hÔpital et des services, qui rendait impossible le recueil de donnœs pendant une plus longue ~riode ;

-l'éventuelle périodicit~ hebdomadaire dans l'activit~ hospitalière ; - les contraintes de l'organisation de la collecte des données, de manière à réduire la dispersion géographique et la multiplicit~ des intelVenants.

Au total, l'"hantillon comprenait 25826 sortants, représentatifs des hospitalisations publiques et privœs de la région.

1

b) collecte da données

1& quc;scionmirc

Le recueil de donn~ a été fait au moyen d'un questionnaire qui figure en annexe B. Une partie administrative concernait les caractéristiques socio-démographiques des patients ct les caradéristiques de l'hospitalisation déjà mentionnées dans les objectifs de recherche.

26

Une partie miellcale permettait de connaître le diagnostic principal et les diagnostics associés, la spécialité du service, la durée de séjour, la présence ou absence d'intervention chirurgicale, ct éventuellement, le résultat de l'accouchement et les causes et circonstances d'accidents.

~finition des dia&Dostics

Le diapostl.: principal correspondait à l'affedion principale traitée ou étudiée pendant l'épiSode de soins. Cette affection était celle qui avait motivé le plus de soins pendant l'hospitalisation ; elle pouvait donc être différente du motif qui avait entraîné

l'hospitalisation. Les diagnostics assoeiés étaient ceux en liaison avec: 1) le terrain du malade s'il s'agissait d'une pathologie pouvant aggraver le pronostic, ou fragiliser le malade; 2) l'existence d'une maladie intercurrente si un bilan en avait été fait pendant l'hospitalisation, ou si elle était susceptible de modifier la thérapeutique; ou 3) les complications iatrogènes médicales ou chirurgicales survenant pendant l'hospitalisation.

Les diagnostics étaient fournis en clair par le médecin traitant à la fin de la semaine

d'enqu6te. Les informations médicales étaient rédigées au niveau du service par l'interne de Santé Publique en stage à l'hôpital ou, le cas échéant, par les médecins responsables de l'enquête à l'Observatoire Régional de Santé.

27

Considérations éthiques

La Commission Nationale de l'Informatique et des Libertés a donné son accord au questionnaire proposé. La partie administrative du questionnaire a été remplie sous la responsabilité de l'administration des établissements, ct la partie médicale sous celle des médecins chefs de service. L'identité du malade n'était connue qu'au niveau du service, les questionnaires collectés étant anonymes afin de p~server le secret médical.

Validation des informations recueilljes

Pour faciliter le déroulement technique de l'enquête ct assurer une collecte homogène d'un établissement à l'autre, l'Observatoire a élaboré des notices explicatives accompagnant le questionnaire. A l'issue des semaines d'enquête, les questionnaires étaient retournés à l'Observatoire, où les responsables de cette enquête vérifiaient le contenu et la cohérence, et le cas échéant reprenaient contact avec l'établissement pour compléter les infonnations nécessaires.

CodaI' des diapostig

Le codage des diagnostics a été basé sur la 9ème révision de la Classification Internationale des Maladies de l'Organisation Mondiale de la Santé (8). Afin d'éviter les biais de

classification liés à la multiplicité des codeurs, les diagnostics ont été codés de façon centralisée au Centre Hospitalier de Grenoble sous le contrôle du Dr. Marion Girardier, responsable du service d'Informatique Médicale.

(

l

28

DI.2. Présentation de la population étudiée

1) cboix de la populatioQ

L'analyse présentée ici a porté sur les patients de IS à 64 ans. Le choix du groupe de population s'est fait de la façon suivante: d'une part, bien que l'étude des personnes âgées présentait un intérêt soulevé déjà dans la revue de littérature (133,135), un certain nombre de variables concernant le support social des patients et leur autonomie, indispensables dans la prédiction de la durée de séjour, n'étaient pas disponibles dans l'enquête de morbidité hospitalière ; les enfants présentaient, à priori, un moindre intérêt : la durée de séjour croît avec l'âge (10) et la panoplie de pathologies qu'ils présentaient était moins importante (10,172) ; au contraire, les jeunes et adultes représentaient 60% des sortants de l'enquête ct permettaiem un grand choix dans les diagnostics à étudier.

b) cboix des dlapostlcs

Tous les diagnostics pour la tranche d'âge choisie auraient pu être retenus ct inclus dans un modèle unique, global; cette option aurait permis d'apprécier l'influenr.e des différentes spécialités dans la durée de séjour; cependant, l'analyse fine par spéc • .a ' :s n'était pas

possible en raison de la différente attribution, par l'administration, des codes de spécialités dans les deux secteurs d'hospitalisation: public (codes détaillés), privé (codes globaux). D'autre part, l'interprétation de ce modèle aurait été difficile: il ne permettait de prédire qu'une durée de séjour globale pour un ensemble de diagnostics très différents avec des caractéristiques propres à ch;,;~un, qui auraient été masquées dans le modèle. L'autre option consistai, à choisir un certain nombre de diagnostics dans cette population, en indiquant les critères de sélection de ces diagnostics, et de créer un modèle pour chaque diagnostic. L'analyse par diagnostic présentait l'intérêt souligné par Berki (77), d'une étude plus approfondie et permettait 12 proposition de modèles différents propres à chaque pathologie permettant de tester la valeur informationnelle (pour les pratiques de gestion et/ou

épidémiologiques) de la durée de séjour. Cest cette dernière option qui a été retenue et sept diagnostics ont été sélectionés, ils représentaient plus de 10% des diagnostics dans cette

..

f

'.

f t

population des 15-44 ans. Les diagnostics retenus ont été choisis tels que: 1) ils correspondent à une entit~ nosologique bien définie (définition non ambigüe du diagnostic) ; 2) ils représentent des pathogénies diff~rentes (plus chirugicaux ou plus médicaux, plus ou moins aigus) ; 3) ils touchent une population suffisamment importante pour permettre un degr~ de précision valable dans l'analyse statistique; 4) la distribution de leurs durées de séjour soient très différentes d'un diagnostic à l'autre (plus ou moins

étendues).

Ainsi, l'étude a porté sur des patients hospitalisés pour intoxications par produits

pharmaceutiques, diabète sucré, traumatismes crâniens, varices des membres inférieurs, calculs des voies urinaires, lithiase biliaire, ct infarctus du myocarde.

Le caractère répétitif et le volume des analyses effectuées par la suite, et la grande diversité

observ~e dans la forme de la distribution des durées de séjour des sept diagnostics ont fait que les r~ultats détaill& ne soient présent~s ici que pour le diabète suaé et l'infarctus du myocarde. Un r~sumé des principaux résultats pour les cinq autres pathologies figurant sous forme de tableaux (cf. résultats).

Le choix des deux diagnostics a pris en compte l'int~rêt qu'ils peuvent présenter quant à la détermination du degré de gravit~ de la maladie et quant à la forme des distributions des durées de séjour (étendues et hét~rogènes), pour que l'analyse multivariée puisse expliquer une certaine variation de cette dur~e de s~jour.

c) Critères d'Inclusion et d'exclusion des patients

Le critère d'inclusion principal dans l'étude de la dur~e de séjour était que le patient sorte de l'hÔpital au cours de la semaine d'enquête. Afin de connaître les durées d'hospitalisation réelles, la population de départ excluait les sorties du service par mutations internes

(transferts au sein de l'hÔpital). Par ailleurs, le diabète sucré pr~sentait vingt-deux séjours de un jour; ils ont été exclus de l'étude, pour constituer une population différente de la population hospitalisée pour plus de un jour (il s'agissait pour la plupart de bilans chez des diabétiques déjà diagnostiqués). De même, les décès (trois pour l'infarctus et un pour les

1

30

traumatismes crâniens) n'ont pas été retenus: ils étaient trop peu nombreux pour les

individualiser et représentaient des patients très graves effectuant des séjours très courts ou au contraire très longs (13,79,135).

d) déOn'UOQ des yariables

Les variables disponibles dans l'enquête de morbidité hospitalière et utilisées dans cette

analyse sont définies dans le tableau 3.

..

, :..

Tableau 3 : Dérmilions et codage des variables

•• riable tJpe de . . fiable candirlltlques

du"de~our continue .vuiable dépendante

.- dale sortie - date entrée .transfonnation logarithmique

pour normaliser sa distribution .exprimc!e en jours , ... hla lOdo-d . . .

'.'

c:ontinue exprimée en années

_xe

dilcftte il deux classes femme(O), homme(l) liau.ti ... rallllu.1e discrète il deux classes mar~O), lutre(l)

D.tlo •• Uti discr~te il deux classes c!tranger(O), français(I) profeaiOD discrète il trois classe~ inactif(atc!gorie de

r6f6rence), cadre(0I1),

ouvrier et employé(O/l) Ueu ... deac:e diswète il quatre classes Paris( catc!gorie de

référence).

Proche Couronne(0I1). Grande CourolUle(O/I), holS régioo(O/I)

ClDC.&Jatlllun de l'h.I'" ct OUtra de m'a'

proYeDlIICe discrè:e dichotomique lutre(O),

urgence,transfert(l) type transport discute dichotomique autre(O), ambuJance(l) type ftabU._eDt discr~te il trois classes Assistance Publique: hôpital

uaiveJSitaire (cat6gorie de référence), privé (011),

hôpital FRéraJ : plus

local (011)

sedeur discr~te dic:hotomique le secteur sanitaire du patient et de l'blJpital c:oiacident(O), différent(l)

mode de .rtIe discrète dichotomique domicile(O). transfert(l)

r

,

-1

32

Tableau 3 : d~finjtions et codage des variables (suite)

... ble tJpe de ,ariable clncafrtltiqutl

' ... CU.lQua

dilpOltlc prilCipa. discrète l sept classes .(250)2 di~te sucœ.

.(410-414) infudus du myocarde, .(454) vuices membres inf&ieulS • . (574)lithiase biliaire • . (592-594) calculs voies urinaires • . (8S4) traumatismes crAniens, .(960-979) intoxication par produits pharmaceutiques

.p&JaUtf du _"lce discrète dichotomique chirurgie(O), médecine( 1)

late"entio. chirul"liale disc~te dichotomique pas d'intervention(O). intervention(1 )

dilpOltla 1IIOd& disaète dichotomique pas de diagnostic

associé(O) un ou plusieurs

diagnostics associés( 1 )

"lIl101tJc compUquf' discrète dichotomique absence

de complkations(O), complications(1 )

1 pour rllllly_ IDllhiYRe de rlnfllCtu du myœarde, JI y_iabJc lac at cllc:hotomiquc : Je poupe 20-53 MI prenant Ja valeur 0 ct le

"PC S4-64 IDI, Il yale .... 1.

2 c:ode • troil dUfIicI de Il OM9.

'II DOtioa de compJlc:alion est d6dllite du ~mc dùffrc dll code de la ClM9, qlland ce chiffre rail r~r&ence • une complication el non •

uœ localilalion.

,f

'i..

33

III. 3.

AIII.J'es

statistiques

a) méthodes d'analyses statistiques

Les analyses statistiques ont été effectués sur micro-ordinateur PC/AT à l'aide du logiciel SYSTAT (173) pour les analyses bivariées et les régressions multiples linéaires de cinq diagnostics. Le logiciel BMDP (174) a été utilisé pour l'analyse par régression logistique et pour l'analyse par les modèles de Cox et les régressions multiples linéaires du diabète sucrè et de l'infarctus du myocarde.

Les analyses statistiques ont comporté trois étapes:

- analyses descriptives univariée ;

- analyses bivariées : l'hypothèse de normalité de la distribution de la durée de séjour n'étant pas strictement respectée, les tests non paramétriques or.t .. ~té jugés plus adaptés pour l'analyse de la durée de séjour (175,176) :

- test de Kruskat-Wallis, et test U de Mann et Whitney (si la vadable catégorielle avait seulement deux classes) ;

- test de corrélation des rangs de Spearman ; - analyses multivariées:

- régression multiple linéaire, après transformation logarithmique de la durée de séjour (177) ;

- régression logistique (178) ;

- modèle de Cox des risques instantanés proportionnels (179).

Le choix du type d'analyse multivariée s'est basé sur la littérature. La plupart des études emploient la régression multiple linéaire, et c'est donc cette méthode qui a été retenue au départ. Mais la régression logistique d'une part (23,142,135), ct le modèle de Cox d'autre part (132,154) étaient aussi utilisés; il a donc été jugé intéressant, dans une deuxième partie de l'analyse, de présenter une application Je ces méthodes sur les deux diagnostics choisis.

1

b) rélfCSslQQ linéaire multiple

Dans la r~grcssion linéaire multiple, le logarithme naturel de la durée de séjour est

détermin~ par le modèle:

y

=

a

+

lj/Itl'e

+

E

34

où y est la variable dépendante continue, a est l'ordonnée à l'origine,

/li

le coefficient pour chaque variable indépendante X. ct E représente une variable aléatoire mesurant l'écart entre les valeurs observées ct les valeurs prédites par le modèle (177).

ColjnWj~ entre variables indépendantes

La tolérance (1 - R2) a été testée pour chacun des diagnostics. Il a été admis que la tolérance soit supérieure à 0.1 ou que le facteur d'inflation de la variance (VIF=I/l-R2) soit inférieur à 10 (177).

Proc&lure de sélection des variables

Les variables retenues pour chacun des diagnostics ont .,~t~ choisies sans utiliser la

procédure pas à pas, ct selon la méthode de Greenland (180) : à partir d'un modèle global, les variables qui pouvaient jouer un rôle dans la prédiction de la durée de séjour et qui étaient "statistiquement significatives" au seuil p< 0.1 ont été retenues.

Les variables étaient retenues, même si la relation bivariéc n'était pas significative, et ccci parce que la présence d'une variable peut rendre significative une autre qui ne l'était pas et vice-versa.

Vérification des conditions d'uti1isation

L'analyse des résidus a permis de tester si les conditions de normalité, linéarité et homoscédasticité sc vérifaient.

-c) rfarcssloo loaJstlquc

Dans la r~gression logistique, la durh de séjour est dichotomique : cod~e 0/1 (séjours courts/longs ).

La probabilit~ théorique d'un séjour prolong~ (p) doit suivre le modèle logistique :

p= exp(u)/(1 +exp(u»

où u est une fonction linQirc des variables in~pendantes.

I.e ratio pI(I-p) est appel~ la cote d'observer un séjour prolong~ et peut s'knre :

pI(I-p)= exp(u)

I.e logarithme naturel de la cote [ln(cote)] est appel~ le "logit" :

ID(pll-p)=

u

où u peut s'exprimer sous la forme:

/JO

~tant "l'ordonnée à l'origine et /l.le coefficient pour chaque variable indépendante

Xe-L'intervalle de confiance à 95% pour chaque paramètre a été calculé à partir des écart-types des coefficients:

{J, ± 1.96[écart-type (Pi)]

Les rapports de cotes, une estimation des risques relatifs, ont ~t~ utilisés pour quantifier l'importance de chaque variable indépendante dans la prédiction des séjours prolongés.

l

Choix du seuil discriminant

Le choix du seuil discriminant peut correspondre aussi bien à des critères statistiques (effectifs suffisants dans les deux groupes), cliniques (durée de séjour prévue dans des conditions standards prédéfinies pour une pathologie donnée), que de gestion (seuil de 30 jours qui distingue le court du moyen séjour). Les séjours longs ont été définis ici comme ceux pour lesquels les patients sont restés plus de 10 jours à l'hÔpital (142) dans le cas du dialXte sucré, et plus de 14 jours pour l'infarctus du myocarde (154).

Vérification des

conditions

d'utilisation

Les conditions d'utilisation pour la régression logistique sont que le logit (P/(I-p) de l'événement mesuré soit une fonction linéaire des variables prédictives.

d) modèle de Cox

Cette méthode présente l'intérêt de prendre en compte le caractère stochastique du processus de la durée de séjour. Mais dans cette étude il n' y pas de sujets censurés pour l'analyse de la durée de séjour puisque celle-ci est calculée à partir de la date de sortie du patient. L'intérêt du modèle de Cox dans cc cas p,écis est donc minimisé considérablement, mais il est néanmoins présentée à titre d'exercice méthodologique.

La variable dépendante e.~' ici le risque instantané de sortie de l'hôpital au temps t pour un individu.

En notant X.

=

(xll, ... ,xlp) le vecteur des covariables observées pour le sujet "i" à son entrée dans l'étude et b(t,x.) le risque instantané pour ce sujet, le modèle est défini par :

b(t,xJ

=

hO(t) exp(JJ'xJ

où

/J' =

(/J., ••

..JlJ

est un vecteur de paramètres inconnus, ct bo(t) une fonction positive du temps non spécifiée pour un sujet avec un vecteur de covariables XI = O.

-(

...

37

L'estimation des paramètres du modèle se fait sans qu'il y ait besoin de préciser la fonction IIo(t), en utilisant la vraisemblance partielle (181). Les temps de survie observés (ici ce sont des temps de séjour à l'hÔpital) sont notés

t.,

j.l ... .,II. Les sujets ne sortant pas de l'hÔpital

juste avant ~, en nombre De, constituent l'ensemble des sujets "à risque" en ft, noté R(t.).

La probabilité conditionnelle qu'un sujet, parmi l'ensemble des sujets à risque, ayant un vecteur de covariables X. sorte de l'hôpital à

a.

si une seule sortie a lieu à ti s'exprime par :

b(t,x.) Il: b(t,x.) lE ...

La fonction de vraisemblance partielle s'obtient en multipliant toutes ces probabilités pour chaque temps

t. :

•

L(JJ)

=

II

(exp(JJ'x.)/l: exp(Jl'x.))

elle ne dépend pas de I1o(t).

La présence d'ex-aequos parmi les temps de sortie peut être prise en compte en maximisant la fonction de vraisemblance partielle. Les estimateurs des {J ont alors des propriétés

similaires à celles de la vraisemblance habituelle. Le modèle sc présente sous la forme :

.

~

L(JJ)

=

{II

exp(JJ'YJI [l: exp(ft'x.)] } hl _lE"'"

où ml est le nombre de temps de sortie ex-aequos en ft et y, est la somme des vecteurs de covariables des mi individus ayant quitté l'hÔpital en ft.