analyse de la duree de sejour a l'hopital …digitool.library.mcgill.ca/thesisfile60569.pdf ·...
TRANSCRIPT
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.
(c) Sylvia Medina, 1991
{
(
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 ;
A tous, MERCI.
A ma grand-mère
-
;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
h) l'infarctus du myocarde 44
IV.2. Analyse bivariée 77
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 statistiques utilisées 132
..
'.
1
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).
•
5
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).
•
( ...
7
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 "casemu" 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 fermetures de services ont été nécessaires (31,67,87).
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.
•
9
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.
11
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
2
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).
15
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).
3 Le foma.\I nord-~riclan pour le aq,uateur d6cimll a ét~ lItiliK.
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
t
~
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~
...
...,.J
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)
... ~ if- ~,
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 la 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
Etats-Unis
~ ... .......
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
f.
j%>-,\
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
f <,
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
64..'1..,,\ 1'-~ ...
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 W
••
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.
{
-
25
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
a
..
f '.
ft
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
29
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.
,
31 .. , :..
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.
35
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.
'1 38
Dans cette étude, les variables indépendantes dichotomiques ont été codées 0/1. Les variables qualitatives à plus de deux classes pouvaient être codées de 0 à (k-l) (182), mais
ce codage suppose la log-linéarité du risque instantané en fonction des covariables. Et,
comme le suggère Quantin (181), il a été préférable de recourir '.lU codage disjonctif, avec
k-1 variables dichotomiques.
L'interprétation des résultats d'après la définition du modèle est la suivante: le coefficient
de régression indique l'effet relatif de la covariable sur la variable dépendante. Un coefficient positif indique que la variable augmente la valeur du risque instantané de sortie
ct a un effet négatif sur la durée de séjour. Inversement, un coefficient négatif indique une
plus longue durée de séjour.
L'intervalle de confiance à 95% pour chaque paramètre a été calculé à partir des écart
types des coefficients :
Vérification des conditions d'utilisation
L'hypothèse qui définit le modèle est la proportionnalité des risques instantanés
correspondant à deux sujets présentant des covariables différentes, c'est à dire que le
rapport de ces risques instantanés soit indépendant du temps. La méthode de validation
utilisée ici a été graphique, d'après Kalbfleisch ct Prenticc (183). Elle permet de détecter
un écart à l'hypothèse de proportionnalité pour une variable donnée en supposant que
l'hypothèse est vérifiée pour les autres covariables. Les logarithmes des fonctions de
risques cumulés doivent présenter un écart constant : un parallélisme dè:s courbes des
logarithmes estimés doit se vérifier en fonction du temps.
2
39
IV. RESULTATS
La population de d~part comprenait 1443 sortaDts de 15 à 44 ans, mais après exclusions,
~taient retenues: 336 pour intoxications par produits pharmaceutiques, 260 pour diabète
sucœ, 258 pour traumatismes crâniens, 200 pour varices des membres inf~rieurs, 155 pour
calculs des voies urinaires, 111 pour lithiase biliaire ct 97 hospitalisations pour infarctus
du myocarde. Au total 1417 sortants ont fait l'objet de l'analyse.
IV.I Description de l'khantlIIon global et de chacun des sept dlapnostlcs
a) l'ensemble de la population 'mdlée
La dur" de Kjour pour l'ensemble de la population ~tudi~e ~tait plutÔt courte: 70% des ~jours avaient une durée inf~rieure ou ~gale à 7 jours, la m~iane ~tait de 4 jours, la
moyenne de 7,S jouIS ct l'étendue de 54 jours (fig. 1).
Les princlpala canct'rlstlqua soclo-d'mograpblques (tableau 4) : la moyenne d'âge
de cette population ~tait de 40 ans et les cinq tranches d'âge ~cennales ~taient repr&entées
de façon à peu près ~uivalente. La dur" de Kjour croissait progtcr.sivement avec l'âge et
atteignait une m~iane de 8 jours entre 55 ct 64 ans ; la proportion d'hommes ct de femmes
et leurs durées de Kjour étaient sensiblement ies mêmes; la proportion de mariés(~es) était de 58% avec une dur« m~iane de Kjour de 5 jours; les français ~taient largement
majoritaires avec des duœes de séjour ~gales à celles des étrangers ; la proportion
d'ouvriers et employés était plus importante que celle des cadres ; les patients n'exerçant
pas d'activit~ professionnelle (pré-retraités, chÔmeurs, femmes au foyer), avaient des
durées de ~jour plus longues; quant au lieu de résidence, il s'agissait le plus souvent de la
Proche et Grande Couronne.
Les caradfrlstlques de l'hôpital et les Bllères de soins (tableau 5) : les provenances par
transfert d'un autre ~tablissement ou par urgences repr~ntaient presque la moitié des
hospitalisations étudi~, avec une durée médiane de ~jour de 3 jours; les transports par ambulance concernaient un quart des patients ct 50% d'entre eux ne restaient que 3 jours ;
,;
"
1
, 1: ! , l .'
40
les hÔpitaux de l'Assistance Publique de Paris et les hôpitaux publics généraux
accueillaient la même proportion de patients, mais les établissements privés (lucratifs pour
la plupart) présentaient les durées de séjour les plus longues; la plupart des patients
retournaient au domicile, seulement 7% des patients étaient transférés vers un autre hôpital.
Le lieu de ~sidcncc du patient ct l'hôpi~ .. \l se trouvaient dans le même secteur sanitaire dans
plus de la moitie! des cas ; le fait d'habiter un secteur sanitaire différent de celui de l'hôpital
n'allongait pas la durée de séjour.
Les eanct'rlstlqua mMlcales (tableau 6) : par ordre décroissant, le diagnostic le plus
tœquent correspondait aux intoxications par produits pharmaceutiques (23,9%) avec une
durée médiane de séjour trés courte : 2 jours. Suivait le diabète sucré (18,3%) avec une
durée de séjour de 6 jours, les traumatismes crâniens (18,2%), avec une durée de séjour de
3 jours. Les varices des membres inférieurs représentaient 14,1% de la population avec une
durée médiane ~uivalente à celle du diabète. Venaient ensuite les calculs des voies
urinaires (10,9%) avec une durée médiane de séjour de 4 jours. Les lithiases hiliaires
(7,8%) et l'infarctus du myocarde (6,8%) e!taient les moins fréquents mais pré&entaient les
durées médianes de séjour les plus longues: 10 ct Il jours respectivement. Les services de
médécine représentaient la moitié de la population e!tudiée avec une durée médiane de
sc!jour de 4 jours ; lorsqu'il y avait eu intervention chirurgicale, la durc!e médiane de séjour
e!tait de 4 jours; en cas de présence. de un ou plusieurs diagnostics associés la durée de
sc!jour e!tait sensiblement la même 'lue lorsqu'il n'y avait pas eu.
b) la Intoxications par produits pharmaceutiques
Elles rcp~sentaient 336 hospitalisations qui concernaient davantage les tranches d'âge plus
jeunes, avec des durées mc!dianes de sc!jour très courtes; pour la plupart c'étaient des
femmes, moins souvent mariées, ct de nationalité française surtout ; les catégories
ouvriers-cmployc!s et inactifs étaient les plus concernées et c'était surtout dans la Grande
Couronne qu'ils habitaient (tableau 7). Ces patients étaient accueillis principalement par les
hôpitaux les plus proches (hôpital général) et dans trois quarts des cas le lieu de résidence
et l'hÔpital sc trouvaient dans le même secteur sanitaire; les entrées sc faisaient surtout par
les urgences et la plupart retournaient au domicile à la sortie de l'hôpital (tableau 8).
.'
-
41
La plupart des patients eStaient hospitaliscSs en mcSdccine et dans plus d'un tiers des cas il y
avait un diagnostic associeS ou plusieurs (tableau 9). La distribution de la durcSe d~ scSjour
eStait asymeStrique et peu eStendue ; la plupart des patients restaient moins de 3 jours (fig. 2).
e) le diabète suen
Cette affection concernait 260 hospitalisations dont plus de la moitieS chez des patients 19c5s de 4S à 64 ans avec des durcSe mcSdianes de scSjour de 7 jours et une eStendue de 46 jours. Les
hommes ~taient plus nombreux, les patients maricSs ct les français aussi; ces hospitalis"
eStaient surtout inactifs, suivis des ouvriers ct des employés, puis des cadres; la Proche
Couronne ~tait le lieu d'habitation le plus tœquent (tableau 10). L'Assistance Publique
accueillait JRS des trois quarts des hospitalisations pour dia~te avcc une durcSe mcSdiane de
scSjour de 7 jours et une eStendue de 46 jours; la plupart des patients venaient à l'hÔpital par
leurs propres moyens ct retournaient au domicile à la sortie ; plus de la moitieS d'entre eux
ne ~sidait pas dans le même secteur sanitaire que l'h6pital mais leur durcSe moyenne de
scSjour eStait de S jours (tableau 11). Les services de mcSdecine accueillaient presque tous ces
patients avec une durcSe mcSdiane de scSjour de S,5 jours et une eStendue de 46 jours ; dans
6O,*, des cas il y avait un ou plusieurs diagnostics associcSs et dans plus du tiers des cas survenait une complication (tableau 12). La distribution de la dur" de scSjour 6tait très
6tendue asym6trique et h6teSrog~ne ct les fr~uences les plus 6lev= 6taient obscrv6cs pour
une dur6e de 4 jours (lig. 3).
d) les tnumatlsmes crâniens
Ils concernaient 258 patients ; il s'agissait surtout d'hommes et non maricSs. Un quart 6tait
de nationaliteS étrang~re ; la durcSe mcSdiane de séjour eStait de 3 jours mais 1'6tendue 6tait de
55 jours ; les ouvriers ct employcSs et les inactifs eStaient les cateSgories socio
professionnelles les plus repr~ntcSes ; la Proche et Grande Courone étaient les lieux de
rcSsidence les plus fRquents (tableau 13). Les hôpitaux g6néraux accueillaient plus de la
moitié de ces patients; dans la plupart des cas ils provenaient des urgences ou d'un autre
eStablissement, ils reSsidaient dans le même secteur sanitaire que l'hÔpital et ils retournaient
,
~ ~ 1 t l
1 1 1
1 42
au domicile à la sortie de l'hÔpital (tableau 14). Les patients se trouvaient g~n~ralement
dans un service de chirurgie mais les interventions chirurgicales n'étaient pas fréquentes;
les traumatismes crâniens étaient compliqués dans 4% des cas, la durée m~diane de séjour
étant alors de 14 jours (tab!eau 15). La distribution de la durée de séjour était peu étendue
et asym~trique, une grande partie des patients restant moins de 4 jours (fig. 4).
e) lei yarices des membres Inlérleun
Elles concernaient 200 des 1417 patients ~tudiés : près d'une tiers chez des patients entre
35 ct 44 ans avec une durée médiane de ~jour de 5 jours ct une ~tendue de 13 jours; trois
fois sur quatre les patients étaient des femmes, ils étaient mariés, ct pour la plupart de
nationalité française ; les ouvriers-employés venaient en premier; le lieu de résidence le
plus fréquent était la Proche Couronne (tableau 16). Les établissements privés prenaient cn
charge la plus grande partie des patients et la moitié d'entre eux restaient 5,5 jours; plus de
la moiti~ des patients ne résidait pas dans le même secteur sanitaire que celui de l'hÔpital
mais la durée de ~jour n'était pas rallongée (tableau 17). Les varices des membres
inf~rieurs ~taient opérées dans 95% des cas, le diagnostic était compliqué seulement pour
2,5% d'entre eux avec un rallongement évident de la durée de ~jour (14 jours) ; il y avait
un ou plusieurs diagnostics associés dans 5% des cas, avec une durée médiane de séjour de
8 jours et une étendue entre 6 et 14 jours (tableau 18). La distribution de la durée de séjour
était ~troite : la plupart des ~jours se concentraient entre 1 et 9 jours d'hospitalisation
(fig. S).
1) les calculs des yoles urinaires
Cent cinquante cinq patients présentaient cette affection, dont presque 30% entre 35 ct 44
ans; deux tiers étaient des hommes; la majorité était mariée et de nationalité française
avc.c une durée médiane de ~jour de 4 jours; les ouvriers-employés venaient de nouveau
en premier, les cadres ct les inactifs suivaient; les lieux de résidence principaux se
trouvaient en Proche et Grande Couronne (tableau 19). L'Assistance Publique accueillait la
proportion de patients la plus importante ; les durées médianes étaient équivalentes mais
•
r .
-
43
l'étendue était moins importante dans le secteur privé; un tiers des entrées se faisait par
urgences ou en provenance d'un autre établissement; le lieu de résidence et l'hÔpital sc trouvaient dans le même secteur sanitaire dans la moitié des cas, l'étendue de la durée de
séjour était plus importante quand ils étaient dans différents secteurs (tableau 20). Près de
90% des patients étaient hospitalisés en chirurgie mais seulement la moitié avaient subi une
intervention chirurgicale ; dans 15,5% des cas, il y avait un ou plusieurs diagnostics
associés avec une durée médiane de séjour de 4 jours et une étendue de 20 jours
(tableau 21). La distribution de la durée de séjour était peu étendue et asymétrique: une
partie importante des séjours étaient plutôt courts (fig. 6).
al la Iltblases biliaires
Les lithiases biliaires touchaient 111 patients entre 15 et 64 ans, surtout entre 35 et 44 ans
et 45 et 54 ans ; il s'agissait le plus souvent de femmes avec une durée médiane de séjour
de 10 jours et une étendue de 38 jours; il s'agissait aussi le plus souvent de patients mariés
et de nationalité française; quant à l'activité professionnelle, la catégorie "inactifs" venait en premier, de même que les habitants de la Grande Couronne (tableau 22). I.cs patients
étaient hospitalisés dans le secteur privé dans la moitié des cas ; l'arrivée en provenance
d'un autre hÔpital ou par les urgences représentait 14,4% des hospitalisations, mais la
plupart des patients rentraient à la maison à la sortie de l'hÔpital ; plus des deux tiers des
patients résidaient dans le même secteur sanitaire que l'hÔpital (tableau 23). Cette
pathologie était presque toujours opérée avec une durée de séjour deux fois plus importante
que lorsqu'il n'y avait pas eu intervention chirurgicale; les diagnostics associés étaient
présents dans 22,5% des cas avec une durée médiane de séjour de 12 jours. La lithiase
biliaire était compliquée pour 15,3% des patients mais sans rallongement de la durée de
séjour (tableau 24). La distribution de la durée de séjour était nonnale, étendue et
relativement symétrique autour de 10 jours (fig. 7).
1 44
b) l'Infarctus du myocarde
Il concernait 97 patients dont près de la moitié avaient entre 55 et 64 ans, avec des durées
médianes de séjour de Il jouIS et une étendue de 49 jours; pour la plupart c'étaient des
hommes, mariés et de nationalité françai~ ; dans 37% des cas ils étaient ouvriers
employés, mais dans 33% des cas ils étaient cadres ct dans 30% inactifs; ils habitaient
surtout dans la Grande Couronne (tableau 25). Les patients étaient admis par les urgences
dans plus de la moitié des cas ; l'Assistance Publique et les hôpitaux généraux accueillaient
la majorité des patients; les transferts vers un autre hôpital représentaient un tiers des
sorties ; plus de la moitié de ces patients habitaient dans le même secteur sanitaire que
l'hôpital (tableau 26). Les services de médecine accueillaient tous les patients ct les
diagnostics associés étaient présents dans plus du tiers des cas (tableau 27). La distribution
de la durée de séjour était très étendue, asymétrique et hétérogène ; les fréquences les plus
élevées étaient observées pour une durée de 1 jour, puis de 10 jours, 22 jours (fig. 8).
•
45
Figurel : Distribution des durées de séjour dans l'échantillon global
e"eetlll ua uo 210
170
160
210
uo ua ua 110
100
.. A
110
ua 160
110
.. a ua ua 110
100
tG
10
70
60
10
ta
10
10
10
a 1 • • 1 la 1. .1 u 1. 10 1. 1. .. sa
f'
Jours . "
, 46
~ l
Tableau 4 : Caractéristiques des ,.tients dans l'khantiUon global : variables socio-démographiques
Du"de.~our
.. .... .. , "eDdue y ........ (N-t .. 17) O_n) Ooun)
pou,. d"le
15-24l1li 19.2 2.0 1- 51 2S-341115 19.1 3.0 1-35 35-44l1li 21.5 4.0 1- 55 45-S41115 19.5 5.0 1-49 55-64ans 20.7 8.0 1- 53 ,
~ .xe
1 hommes 49.2 4.0 1-53 femmes 50.8 4.0 1-55
~ ""
1l1u.1I ... famlUale
t ~e) 57.9 5.0 1- 55 f
~ autre 42.1 3.0 1-53 t ~
.... oaaUtf ,
~ ftançais 82.1 4.0 1-55 autre 17.9 4.0 1-44
.di.lti pn'ealoDDeOe
ouvriel5-employ~ 42.1 4.0 1-49 cadres 20.3 4.0 1- 39 inactifs 37.6 5.0 1-55
Ueu de rfIIdeDCf
Paris 18.8 4.0 1- 53 Proche Couronne 36.2 4.0 1 - 51 Grande CouroMe 36.6 4.0 1-55 borsr6gion 8.4 4.0 1-42
47 l'
~
Tableau 5 : Caractéristiques des patients de J'"hantillon global : variables de l'h6pital et f"llières de soins
Dune de ~oar
111 ..... e ~Ildue •• ri .... (N-'41 '7) Ooun) Ooun)
p .... e .. aœ
urgences-transferts 46.3 3.0 1-55 autre 53.7 5.0 1-46
an ......
ambulanœ 24.8 3.0 1-55 .utre 75.2 5.0 1-49
type""'" Assislanc:e Publique 37.3 4.0 1-53 H6pi'IUI GéMraul( 37.5 3.0 1-55 Hôpitaux Privés 25.2 6.0 1-40
datJ .. do.
domicile 92.9 4.0 1- 51 transfert 7.1 4.5 1-55
secteur
m!me secteur 58.2 4.0 1-55 autre 41.8 4.0 1-53
• 48
1 Tablea .. 6 : Caractéristiques des patients de l'échantillon global : variables médicales
Dur& de sfJour
III ..... e 4teadue urie'" (N-1417) (Jeun) Oeun)
d .. ...,.tkI
dilb&te 18.3 6.0 1-46 infU'c:lUI 6.8 11.0 1- 49 varic:es membres inf6rieulS 14.1 6.0 1- 37 HtIIiue biliaire 7.8 10.0 1- 38 c:alcals voies urinaires 10.9 4.0 1- 39 trlumalismes c:rlniens 18.2 3.0 1- 55 ÏIlIOIic:alion par produit pIlannaceutique 23.9 2.0 1- 33
dlldpUaes
m6decine 51.1 4.0 1- 5S dlil1lraie 48.9 5.0 1- 53
lat,"mllOll chlru .... c:ale
o\li 28.8 4.0 1- 55 nml 71.2 3.0 1- 53
d .. poItJa .ssocii.
IUCun 64.3 4.0 1- S3 un ou plus 35.7 4.0 1- 55
49 ... î...
Tableau 7 : Caractéristiques socio-démographiques des patients hospitalisés pour intoxications par produits pharmaceutiques
Dune de lijour
~ .fdJaae fteadue •• ria'" (N-.336) Oaun) Oaun)
....... pa.'Aae
lS-24ans 39.0 2.0 1-23 25-34 ans 27.4 2.0 1-23 35-44 .... 17.8 2.0 1-16 45-54 .... 10.7 2.5 1-27 55-64 ans 5.1 4.0 1-33
lele
hommes 29.8 2.0 1-16 femmes 70.2 2.0 1-33
.iluallo. fa.OIale
mari6(e) 40.5 2.0 1-33 aulre 59.5 2.0 1-27
.atlO8a"l'
français 88.4 2.0 1- 33 autre 11.6 2.0 1-23
.CÜ.ilf pl'GreaioaneUe
ouvriers-employ61 47.0 2.0 1-27 cadres 11.3 1.5 1-10 inactifs 41.7 2.0 1-33
lieu de r&ldeace
P.,i. 12.2 1.0 1-10 Procbe Couronne 37.8 2.0 1-27 Grande CouroMe 46.7 2.0 1-33 horsrigion 3.3 2.0 1-23
r
-
• 50
l Tableau 8 : Caraclérisliques de J'hôpital et filières de soins des patients hospitalisés pour inloxications par produits phannaceuliques
D"Re de s~our
.. .HUlne 4teadue •• rt .... (N-3l6) (Joun) (Joun)
prona.ace
urgences-Iransferts 80.4 2.0 1 -33 aulre 19.6 2.0 1 -27
lnasport ambulance 40.2 2.0 1 - 32 aulre 59.8 2.0 1 -33
a,pe I16pltal
AssisllJlœ Publique 25.3 1.0 1 - 23 Hôpitaux Gfnéraux 72.6 2.0 1 - 33 H6pitaux Privés 2.1 2.0 1 - 6
dest1aadoa
domicile 92.6 2.0 1- 33 transfert 7.4 1.0 1 -14
lecteur
memesedeur 75.3 2.0 1- 33 aulre 24.7 2.0 1 -27
51 ".
~
Table.u 9 : Caractéristiques médicales des patients hospitalisés pour intoxicalions par produits phumlc:eutiques
Dune de .fJour
.. .idIa. ~adue yarl.Wu (N-D) Ooun) Ooun)
dÛIClpU ..
m~ 97.0 2.0 1-33 c:hirurlÏe 3.0 1.0 1-11
...... _ chlru .... ale
oui 0.6 7.S 1-14 IIOD 99.4 2.0 1-33
dlapolCJa a.odf.
aucun 62.2 2.0 1-16 unoü plus 37.8 2.0 1-33
r ..
l
t t:-
! f
! ~ ~ f , . !
~
<Gi'
Figure 2 : Distribution des dulies de "jour pour les intoxications par produits pharmaceutiques
S2
.--------------------------------.---------~-~-~~
eUecUI. 110
140
130
tao
J JO
100
tG
10
70
60
10
40
ao
20
10
0
2 4 6 • 12 16 20 U U U
Jour.
,
1 l
53
"'" ~ ... Tableau 10 : Caractéristiques socio-démographiques des patients hospitalisâi pour diabète sua~
Dune de sijour
.. _feUIl_ ~e.due
yaria'" (N-la) Oaun) (Jauni)
croupes d'Ale
15-24 ans 4.6 5.0 1-30 25-34 ans 16.5 5.0 1-35 35-44 ans 17.7 5.0 1-32 45-S4ans 23.8 7.0 1-43 55-64 ans 37.4 8.0 1-46
• ~ .xe ij
hommes 60.4 7.0 1-46 ~ _. femmes 39.6 5.0 1-43 1
Illultlo. fa ... Uille
marif(e) 65.4 6.0 1-39 autre 34.6 6.0 1-46
.IUoaalltf
français 75.8 5.0 1-46 , i
lutre 24.2 9.0 1-44
.ctl.i~ profeaJoaaeUe
ouvriel'S~mployés 34.6 6.0 1-37 cadres 25.0 5.0 1-32 inactifs 40.4 8.0 1-46
lieu de rUideDce
Paris 24.6 S.5 1-38 Proche Couronne 36.9 8.5 1-46 Grode Couronne 26.2 5.0 1-31 hon~gion 12.3 5.0 1-40
2
54
t
Tableau Il : Caradéristiques de l'hôpital et falières de soins des patients hospitalisés pour diabète sucré
Dune de I~our
, _HIll. ~e"'ue .. ria'" (N-261) OOlln) Ooun)
pronDallCe
urgences-transferts 15.8 13.0 1-44 autre 84.2 5.0 1-46
tnalJlOlt ambulance 4.6 10.0 1-43 lutre 95.4 5.5 1-46
type l16p1lal
AssÏlllllce Publique 73.1 7.0 1-46 H~itau ~nâallX 18.8 6.0 1-31 H~itau Priv6s 8.1 5.0 1-23
dest1aatioa
cbnicile 92.7 6.0 1-46 transfert 7.3 8.0 1-44
secteur
memesedeur 42.7 8.0 1-44 autre 57.3 5.0 1-46
55 .('
t..
Table •• 12 : Caractéristiques médicales des patients hospitalisés pour diabète sucré
Dune de IfJour
~ mfdbl_ ~adue y.rIa ... (N-W) O_n) Ooun)
dlldp ...
_dedie 95.4 S.S 1-46 c:hirurp 4.6 9.0 1-31
lateneltloa chlru .... ple
oui 5.4 12.S 1-46 lIOII 94.6 S.O 1-43
"lapGllJa ... 1&
.UCUIl 40.4 S.O 1-39
.... plus 59.6 6.0 1-46
cO .. pUcatioDl
oui 34.2 8.0 1-44 noa 65.8 S.O 1-46
ft
T f l' f 1 l-
l 56 '-< 1 Il . ~ . ,
Figure 3 : Distribution des durées de séjour pour le diabète sucré
~ i i t i, 1 ~
f ~
eUectlf1 .0 ~--------------------------------------------------------~
t e ~ I:!
t, ~ t
[ f t ~
~-~ t 30 t
20
la
a :1 4 • 1 10 14 .1 u 30 4.
Joura
57
" "-
Tableau 13: Caractéristiques socio-démographiques des patients hospitalisés pour traumatismes alniens
Dur& de I~our
.. .~ae ~eDdue
•• n.bIet (N-258) Qoun) Qoun)
If'OIIpeI d'lae
15-24l1li 38.0 2.5 1- 51 25-341D1 22.9 3.0 1-15 35-44l1li 14.7 2.0 1-55 45-54l1li 13.9 4.5 1-23 55-64l1li 10.5 S.O 1-53
.1Ie
hommes 69.4 3.0 1- 53 femme. 30.6 3.0 1-55
Iituatio. ramUiale
mari'(e) 36.4 3.0 1-55 lutre 63.6 3.0 1-53
•• tlo.allt' français 74.8 3.0 1-55 aulre 25.2 3.0 1- 9
,CÜ.11i proraioDDeUe
ouvriers-employés 48.1 3.0 1-23 cadres 12.0 2.0 1-10 Înltaif. 39.9 3.0 1-55
lieu de r&ldeDce
Paris 21.7 3.0 1-53 Proche Couronne 36.0 3.0 1-51 Grande Couronne 34.9 3.0 1-55 hors I1!gion 7.4 3.0 1-12
• 58
l Tableau 14: Caractéristiques de l'hôpital et filières de soins des patients hospitalisés pour tr811matismes crâniens
Durh de liiJour
.. mHiane ~endue • ariables (Nam) (jeun) (joun)
proveaance
urgences-transferts 84.5 3.0 1- 55 autre 15.5 3.0 1 -16
tn.sport ambulance 57.0 3.0 1- 55 autre 43.0 3.0 1-28
type .'pita.
Assistance Publique 39.1 3.0 1-53 HOpl1au GénéraWl: 53.9 3.0 1- 55 HOpitaWl: Privés 7.0 3.0 1 - 17
destinatlo.
domicile 92.6 3.0 1 - 31 transfert 7.4 7.0 1- 55
leCteur
même secteur 61.6 3.0 1- 55 autre 38.4 3.0 1 - 53
59 .,.
" Tableau 15 : Caractéristiques médicales des patients hospitalisés pour traumatismes crâniens
Dum de sfJour
'II mfdlaDe fleDdue "aria'" (N-15I) Ooun) Ooun)
dllc:lpU ..
m~ne 10.1 1.0 1-55 chirurgie 89.9 3.0 1-53
IDteneDtloD chiralllcaie
oui 7.8 7.0 1-55 non 92.2 3.0 1-53
dialDOlticlaaocifl
aucun 50.0 3.0 1-53 un Ga plus 50.0 3.0 1-55
cODlpUcatioDi
oui 3.9 14.0 1-55 non 96.1 3.0 1-53
.,.
-
1
60
J i
1
10
! 40
r 1
l 10 , f 1
!
20
10
o
Figure 4 : Distribution des dur~es de s~jour pour les traumatismes crâniens
.".CUI.
2 4 • • 12 16 20 21
Joun
40 U 41
,
60
12 115
61
.. Tableau 16: Caractéristiques socio-démograplliques des patients hospitalisés pour varices des membres inf~rieurs
Dune de IfJour
" .fdJaae ~e.due yariables (N-lOl) (Joun) (Joun)
IfOUpei d'I.e
IS-24_ 3.0 S.O 1 - 8 25-34l1li 16.5 6.0 1-12 3S-44_ 32.5 S.O 1-13 45-54l1li 23.5 6.0 1-37 SS-MIRS 24.5 7.0 1-33
lexe
hommes 24.0 7.0 1-37 femmes 76.0 S.O 1-23
Iituado. IamDla1e
mam(e) 73.5 6.0 1-23 autre 26.5 6.0 2-37
.atioaalitf
franç.tis 89.5 6.0 1-37 autre 10.5 6.0 2-16
actiyitf prorasionneUe
ouvriers-employés 42.5 6.0 1-16 cadres 22.0 5.0 1-33 inactif. 35.5 6.0 1-37
Un de râidence
Paris 18.5 6.0 1-17 Proche Couronne 46.0 5.0 1-37 Grande Couronne 30.5 7.0 4-23 hors Rgion 5.0 7.0 1 - 9
-
• 62
1 Tableau 17: Caractéristiques de l'hôpital et fI1ières de soin.'i des patients hospitalisés pour varices des membres inférieurs
Dur& de séjour
.. .fdiaae 4teadue ,arlables (N.200) (Jours) (joun)
pronaaace
urgeaces-vansfe~ 1.0 I1.S 8- 15 auve 99.0 6.0 1 - 37
tnalport
ambulance 0.5 Auve 99.5 6.0 1- 37
type Il6pital
AssiltaDc:c Publique 6.0 6.0 5 - 37 H6pitaul( ~néraul( 6.0 8.0 5 - 15 H6pitaul( Privés 88.0 5.5 1- 33
datiaadoa
domicile 100.0 6.0 1 - 37 transfert
secteur
m~me secteur 46.0 7.0 1 - 33 IUve 54.0 5.0 1 -37
63
~
Tableau 18: Caractérisliques cliniques des palients hospilalisés pour varices des membres inf6rieun
DunedeHJour
~ mfdia_ fteadue •• ri .... (N-ZM) Ooun) Ooun)
dllclpU ..
lMdec:ine 1.0 11.S 6-17 dlirurp 99.0 6.0 1- 37
'aterYeatioa chlrulJicale
oui 9S.0 6.0 1- 37 non S.O 8.0 1-17
d .. poIIIa .aocl&
lucun 9S.0 6.0 1- 37 ua ou plus S.O 8.0 6 -14
cO.pUcatioDi
oui 2.5 14.0 7 - 37 non 97.5 6.0 1- 33
-
Q
1 64
Figure 5 : Distribution des durées de séjour pour les varices des membres inférieurs
r--------------------------------
e"eetlll co -r----------------------------------------------------.----~
30
30
10
:1 C • 1 10 14 II 30
Jourl
65
. . Tableau 19 : Caractéristiques socio-démographiques des patients hospitalisés pour cakuJs des voies urinaires
Dur. de I~our
.. .Hlaae ~adlH' •• ri .... (N-I55) Ooun) Ooun)
II'OIIpa d'Iae
15-24l1li 13.5 3.0 1-14 25-34l1li 18.7 3.0 1-14 35-44l1li 29.7 4.0 1-39 45-54l1li 18.7 4.0 1-20 55-64l1li 19.4 4.0 2-20
_le
hommes 65.8 3.0 1-20 femmes 34.2 4.0 1-39
aituado. r.mUlale
mari«:e) 71.0 4.0 1-39 lutre 29.0 3.0 1-14
....... 1&,
français 80.6 3.0 1-20 lutre 19.4 4.0 1-39
.ctJ.l~ prorealoDDeUe
ouvriers-employés 42.0 4.0 1-16 cadres 33.5 4.0 1-39 inactifs 24.5 3.0 1-20
Ueuderâldenœ
Paris 18.1 3.5 1 -14 Proche Couronne 31.6 3.0 1-16 Grande CoUJOMe 31.6 4.0 1-20 bonœgion 18.7 4.0 1-39
-
~ ,
t 66 t
,
1 Tableau 20 : Caractéristiques de l'hôpital et falières de soins des patients hospitalisés pour calculs r1es voies urinaires
Du" de IfJour
r .. _Hia • ~fadue '-~ •• rIa ... (N.I55) ijoun) (Joun) t
~ t ,ro ... ace
urgences-transferts 33.5 3.0 1- 20
t autre 66.5 4.0 1- 39
traDsport
~ ambullllœ 7.7 S.O 1- 16
t autre 92.3 4.0 1- 39
~ ~'
r. type I16pital
t AssiStance Publique 45.2 4.0 1 - 39 ~
t Hôpitaux ~néraux 15.5 3.0 1 - 20 • Hôpitaux Privés 39.3 4.0 1 - 16 ~ 1
" . destl .. Uoa
domicile 97.4 4.0 1 -39 transfert 2.6 3.5 1 - 4
IeCleur
mfmesedeur 52.9 3.0 1 - 20 autre 47.1 4.0 1 - 39
r
Tableau 21 : Caractéristiques médicales des patients hospitalisés pour calculs des voies urinaires
•• ria .....
dllclpll ..
lMdecinc chirurgie
l.terY_dOll chlrualeale
oui DOD
dlapolda IIIOCI&
IUaua URoû plus
11.0 89.0
49.0 51.0
84.S 15.S
3.0 4.0
4.0 2.0
3.0 4.0
Du"del~our
4teadue Qaun)
1-14 1 - 39
1-39 1- 20
1-39 1-20
67
•
1 68
Figure 6 : Distribution des durées de séjour pour les calculs des voies urinaires r--------------------------------------- -
eUeclll. 40 -r------------------------------------------------------------~
20
10
o 1 4 6 • 12 16 20 :II sa S6
,oun
69
~
Tableau 22 : Caractéristiques socio-démographiques des patients hospitaJisés pour Jithiases biliaires
DunedesQour
.. _Hia_ 4teadue ......... (N-U1) Ooun) Ooun)
....... ,..".e
15-2411U1 1.8 10.5 8-13 25-3411U1 12.6 10.0 1-18 35-4411U1 30.6 9.5 3-38 45-5411U1 29.8 10.0 3-23 55-6411U1 25.2 12.0 3-31
.xe
hommes 20.7 11.0 3-31 fenunes 79.3 10.0 1-38
sltualJo. '.mUllle
mui6(e) 77.5 10.0 4-20 luire 22.5 10.0 1-38
•• do .. U"
français 82.9 10.0 1-25 luire 17.1 11.0 1-38
.cli.11f prorasloDneUe
ouvriel5-eDiployés 35.1 11.0 1-38 cadres 22.5 9.0 3-25 inaclifs 42.4 10.0 1-23
lieu de r&idence
Paris 15.3 11.0 5 -25 Proche Couronne 30.6 10.0 1-23 Grande Couronne 47.8 10.0 3 -38 horsRgion 6.3 9.0 3 -13
1
1ft.
-r
• 70
Tableau 23 : Caractéristiques de l'hôpital et ftlières de soins des patients hospitalisés pour lithiases biliaires
DUf& de S~OUf
.. .fdiane "eadue nlt.bIII (N-Ul) (Joan) (Joan)
proy_ace
1Ugcnces-transferts 14.4 8.S 1 - 31 autrc 85.6 10.0 1-38
tnasport
ambulance 2.7 8.0 1 - 9 autre 97.3 10.0 1-38
type.'pi'"
Aas.tance Publique 25.2 10.0 1 - 25 Hôpitaux Généraux 21.6 9.0 1- 31 Hôpitaux Privés 53.2 11.0 3-38
destlaaÜo.
domicile 99.1 10.0 1 - 38 transfert
lecteUf
même secteur 67.6 10.5 1 - 23 autre 32.4 10.0 1 - 38
71
.\.,
Tableau 24 : Caractéristiques cliniques des patients hospitalisés pour lithiases biliaires
Du" de IfJour
.. _UlaM fteadue ,.rt .... (N-UI) Oaun) (Joun)
dllclpli ..
mUecine 8.1 4.0 1-23 chirurgie 91.9 10.0 1-38
IDteneatioD chlruraicale
oui 91.9 10.0 1-38 no. 8.1 5.0 1-23
d .. poItIa lIIIOCiâ
IUCUD 77.5 10.0 1-38 Wl ou plus 22.5 12.0 1-23
CODIpUcatiODI
oui 15.3 9.0 1-23 non 84.7 10.0 1-38
r
-
, 72
1 Figure 7 : Distribution des durées de séjour pour les lithiases bilian~s
t eUeetUI
30
c ~ r , r
1 ~ ~r 20 t' t t
[ t' ~ it
~ r. r ~ , ,
ID
o 2 4 • 1 .0 .4 .1 26 3D
Jouu
73
Tableau 25: Ouactéristiqucs socio-démographiques des patients hospitalisés pour infarctus du myocarde
Dumdes~our
" .. Hlaae fleadue .. ria'" (Na97) Ooun) (loun)
IJ'OUpa d'Ile
15-2A ans 2.0 13.5 1 ·26 25-34 ans 1.0 1 35-44 ans 16.0 10.5 1-34 45-54 ans 35.0 9.5 1-49 55-64 ans 46.0 11.0 1-46
lexe
hommes 90.7 17.0 1-49 femmes 9.3 10.0 1-28
sU_do. lamUlale
marié(e) 79.4 10.0 1-46 autre 20.6 14.0 1- 49
alUoaalitf
fiançais 83.5 10.0 1 -49 autre 16.5 12.0 1-36
IdM~ proleaionneUe
ouvriers-employés 37.1 10.0 1-49 cadres 33.0 10.5 1- 34 inactifs 29.9 12.0 1- 42
lieu de Rsidcnce
Paris 23.7 10.0 1- 36 Proche Couronne 23.7 14.0 1-49 Grande Couronne 41.3 10.0 1-46 hors région 11.3 11.0 1-42
"
-
• 74
1 Tableau 26 : Caractéristiques de l'hôpital et filières de soins des patients hospitalisés pour infarctus du myocarde
Dur& dr séjour
'" midiane itendue "ariables (N.t7) Ooun) Ooun)
pronn.ace
urgences-transferts 58.8 11.0 1 - 49 aulre 41.2 HW 1 - 42
tnDsport
ambulance 42.3 16.0 1 - 46 aulre 57.7 9.0 1 - 49
type h6pltal
Assistance Publique 44.3 11.0 1 - 36 Hôpitaux Généraux 40.2 10.0 1- 49 Hôpitaux Privés 15.5 28.() 1 - 40
datlnation
domicile 67.0 11.0 1 - 49 transfert 33.0 10.0 1 - 40
secleur
même secteur 53.6 10.0 1 -49 autre 46.4 12.0 1-42
.'
=
Tableau 27 : Caractéristiques médiales des patients hospitalisés pour mfarctus du myocarde
...... bIa
dlllClpU ..
médecine chirurgie
ialene.doa chirur&icale
oui non
lucun un OQ plus
.. (Na97)
100.0
4.1 95.9
62.9 37.1
Dune de s~Jour
m~cliaDe (joun)
11.0
11.5 11.0
10.0 13.5
ftendue (joun)
1-46
1- 27 1- 49
1- 37 1-49
75
,
76
1 Figure 8 : Distribu~ion des durées de s~jour pour l'infarctus du myocarde
.uecurl 20 -r-----------------------------------------------------------~
10 -
1.-
i"'" 1""
~ r 1"" ~ pr ~ rr ~, ~ rm 1- n F ~ n n D r
0- 11111111 11111111111 11111111111 1 III Il ITTTI 1 1 Il 2 4 • • .0 .4 .1 u .0 42 46 49
Joura
J
ri'
77
IV.Z Analyses blvariées
a) le diabète sucré
L'analyse bivariée a testé la relation entre le logarithme naturel de la durée de séjour et les
variables prédictives retenues d'après la revue de littérature.
Tout d'abord, après avoir vérifier une relation linéaire entre l'âge catégorisé en quatre
groupes en fonction des quartiles, et le logarithme naturel de la durée moyenne de séjour,
l'âge a été retenu comme une variable continue (fig. 9).
L'analyse bivariée de la relation entre la durée de séjour et les variables prédictives a
montré que ni le sexe, ni la situation familiale, ni la présence de complications du
diagnostic principal étaient reliées signifiC(ttivement à la durée de séjour (p> 0.05) ; par
contre l'âge, la nationalité, l'activité professionnelle, le lieu de résidence, la provenance, et
l'intervention chirurgicale présentaient des relations significatives avec la durée de séjour;
ainsi, les plus âgés, les étrangers, les personnes n'exercant pas une profession, la résidence
en Petite Couronne, les provenances par urgences ou par transfert d'un autre hôpital, ct le
fait de subir une intervention chirurgicale, jouaient en faveur d'une plus longue durée de
séjour (tableau 28).
b) l'infarctus du myocarde
Après avoir véii .é que la relation entre l'âge catégorisé en quatre groupes en fonction des
quartiles, ct le logarithme naturel de la durée moyenne de séjour n'était pas linéaire, l'âge a
été retenu comme une variable catégorielle à deux classes (fig. 10).
Les variables retenues comme prédictives de la durée de séjour pour l'infarctus du
myocarde figurent dans le tableau 29 ; l'âge était significativement lié à la durée de séjour:
les patients plus âgés avaient des séjours plus longs; le type de transport (arrivée par
ambulance) traduisait une durée de sejour plus longue; le type d'hôpital présentait aussi
une relation significative avec la durée de séjour: les hospitalisations dans le secteur privé
étaient plus longues; ni la situation familiale, ni le nombre de diagnostics associés
montraient une relation significatives avec la durée de séjour (p> 0.05).
1
Figure 9 : Relation entre l'âge et la moyenne du logarithme de la durée de séjour pour le diabète sucré
moy.nn. logarlthm. dar'. d. l'jour 3.' ,----------------------------------------------------------------,
3 .•
3.3
3.a
a.1
1.9
1.1
1.7
1..
1.' ~----------~~----------~------ -----~----------~----------~ 11-36 aBl 17-10.4 ClU ~l.I-I7.4 aDI 17.1-64 aD.
group •• d'Gg.
•
78
.'
-
Tableau 28 : Variables prédictives de la durée de séjour pour le diabète : analyse bivariée.
y.rI.bles
'ae _do .. UU
français 75.8 aulre 24.2
.dl.IU proreaionneUe
ouvrier-employé 34.6 cadre 25.0 j,laclif 40.4
Ueu de râldenct
Puis 24.6 Pnx:he Couronne 36.9 Grande CouroMe 26.2 horsdgion 12.3
proyenlllte
urgences-transferl 15.8 aulre 84.2
Intervention m1ruralclle
oui 5.4 non 94.6
1 r&talt_ du test de CIOIJ61ation dca fanp de Spearman
2 Riultall du lest U de MIIIII el Whitney II deIJ6 de Ube~6 3 r6IuI .... du tell de KnI.tItIl-WaUill3 dep6t de libcrt6
DunedeHJour
moyeaae (Kart-type) ("Joun)
r=O.172
1.85 (0.8) 2.16 (0.9)
1.92 (0.8) 1.71 (0.7) 2.07 (0.8)
1.95 (0.7) 2.15 (0.9) 1.72(0.8) 1.65 (0.9)
2.39(0.9) 1.84 (0.8)
2.70(0.8) 1.88(0.8)
fteadue (Joun)
pc: 0.01 1
p<0.012
0.0-3.8 0.0-3.8
p<O.O]3
0.0-3.6 0.0-3.5 0.0-3.8
p< 0.0053
0.7 -3.6 0.0-3.8 0.0-3.4 0.0 - 3.7
p<O.OOOJ2
0.0-3.8 0.0 - 3.8
p<i).012
1.1 - 3.8 0.0-3.8
79
1
Figure 10 : Relation entre l'âge et la moyenne du logarithme de: la durée: de: séjour pour l'infarctus du myocarde:
80
,----------------------------------------------------------------------------
moy.nne logarithme dar'. de .6lour 1.' -r--------------------------------------------------------------,
1.4
2.2
:.1
1.'
1..
1.7
... 1.' ~----------~------------~-----------~----------~~--------~
20-47 ana u-u ••• 14-" .DI 19-64 au
groupe. d'Gge
•
..
-
Tableau 29 : Variables prédictives de la durée de séjour pour l'infarctus du myocarde: analyse bivari6e.
nriabla
lroupe. d'Ale
:!)-S3 ans 45.4 54-64 ans 54.6
Inalport
ambulance 42.3 autre 57.7
Iype I16pltal
AsamUice Publique 44.3 Hôpitaux ~néraux 40.2 Hôpitaux Privés 15.5
Dur. de I~our
moye •• (art-Iype) 001 Joun)
I.SS (1.2) 2.36(1.2)
2.73(0.8) 1.69(1.2)
2.20(0.9) 1.75 (1.4) 2.88(1.0)
fteadue (joun)
p< 0.011
0.0 - 3.7 0.0- 3.9
p<0.OOOI1
0.0-3.8 0.0 - 3.9
p< 0.012
0.0- 3.6 0.0- 3.9 0.0 - 3.7
1 rbllllIII du ICIt U de MIM et W1utney • 1 depE de liberté
2 réallllIII dIIlesl de Kruakal-Wallis. 3 de&r& de liberté
81
i 82
IV.3 Analyse multivariée
a) le diabète sucré
Réaression multiple linéaire
L'âge, la nationalité, la provenance et l'intervention chirurgicale expliquaient 12,8% de la
variance du logarithme naturel de la durée de séjour (tableau 34 et fig. Il).
L'arrivée par urgences ou en provenance d'un autre établissement, le fait de subir une
intervention chirurgicale et, à un moindre degré, l'âge, favorisaient une plus longue durée
de séjour; le fait d'être français favorisait une plus courte durée de séjour. La profession ct
le lieu de résidence n'ont pas été retenues dans le modèle (tableau 30).
Tableau 30 : Résultats de l'analyse par régression multiple linéaire pour le diabète sucré
vartable , kart-type p
Age 0.004 0.002 2.23 0.03
nationalité - 0.103 0.051 - 2.00 0.05
provenance 0.215 0.060 3.58 < 0.01
intervention chirurgicaJe 0.301 0.097 3.10 <0.01
interœpl 0.686
•
Colipéarité entre yariables indépendantes
Le test de tolérance pour le diabète était supérieur à 0.1 témoignant de l'absence de
colinéarité entre les variables indépendantes (tableau 31, annexe C).
vtrificatiop des copditions d'utilisation
L'analyse des résidus a montré que les conditions de normalité, linéarité et
homoscédasticité ne semblaient pas entièrement satisfaites même après transformation
logarithmique (Ug. 12, annexe Cl.
83
, ~ \ , r "
i'
t , ~
~ ~' ! '. [ f ~ r t \ r, 1 ,
! r ,-L
l' f
",
l
p R E D l C T E D
A N 0
0 B S E R V E D
84
Figure Il : Nuage de points des variables observées contre les variables prédites pour le diabète sucré (régression multiple)
.+ ..... + ..... + ..••• + ••.•• + ..... + ....• + ..... + .•... + ••.
00-00
00 1.5 + 00 +
P a pp -00
00 000 P
00 1.2 + 00 +
P P a p p P P P P P 0* ppp p-
p PPO P P P P P OPPP P pp P -
-P P P P P *PP P ppp .90 + P P P P P P * ppp P ppp P P P +
-p p P P P P 0 P P P P P -p P P P P * P P PPPPPPPPPP P P P -P P P P P P P PPPP P P P P -P P P P * P P P pp P P P P P
P P P P P .60 + 0 +
0
.30 + a +
0.0 +0 + .+ ..... + ..... + ..... + ..... + ..... + ..... + ..... + ....• + ...
.20 .60 1.0 1.4 0.0 .40 .80 1.2 1.6
logdur
'.
85
Réaression lo&istique
Les séjours longs ont été définis ici comme ceux pour lesquels les patients sont restés plus
de 10 jours à l'hôpital (142). Le modèle ne semblait pas s'ajuster très bien (maximum de
vraisemblance v= -150.512, X2 global = 149.676, p= 0.0102) (tableau 34).
Les intervalles de confiance à 95% pour les rapports de cotes (estimation des risques
relatifs), donnaient significatives l'âge, la nationalité, la provenance, l'intervention
chirurgicale. La profession et le lieu de résidence n'étaient plus significatifs (tableau 32).
Tableau 32 : Résultats de J'analyse par régression logistique pour le diabète sucré
RRI
nriable fi Kart-type exp(jl) I.C.à 95%Z
Age 0.031 0.012 1.03 1.008 - 1.055
nationalité -0.654 0.314 0.52 0.281 - 0.961
provenance 1.044 0.369 2.84 1.378 - 5.847
intervention chirurgiaJe 1.281 0.615 3.60 1.079 - 12.009
intereepl -1.986
1 RH. "'_110. tin ........ 1'1 .... 11 ll.C. ~ tS, ........ de ~1IaMe. '5'
Vérification des conditions d'utilisatioQ
Les conditions d'utilisation [le logit (P/(I-p» de l'événement mesuré soit une fonction
linéaire des variables prédictives], ne semblaient pas entièrement satisfaites (fig. 13,
annexe C).
1 Modèle de Cox
L'effet global du modèle était significatif : le maximum de vraisemblance,
V = - 1188.781, X2 global = 29.36, p< 0.0001 (tableau 33).
86
Les intervalles de confiance des risques relatifs donnaient l'âge, la provenance, ct
l'intervention chirurgicale comme variables défavorisant la probabilité de sortie de l'hôpital
donc prolongeant la durée de séjour; la nationalité n'était plus retenue, de même que la
profession et le lieu de résidence (tableau 34).
Tableau 33 : Résultats de l'analyse par modèle de Cox pour le diabète sucré
RRI
variable Il kart-type exp(J/) I.C.à95%2
âge - 0.012 0.005 0.99 0.978 -0.997
nationalité 0.275 0.147 1.32 0.986 - 1.756
provenance - 0.501 0.173 0.61 0.431 - 0.851
intervention chirurgiQJe - 0.890 0.303 0.41 0.227 - 0.743
1 RR .... _ ..... _1'1..- ft""" 2 I.e ... tende de aa.nuœ à '5'
L'analyse des graphiques présentant les profils extrêmes (fig. 14) montrait que le modèle
discrimine bien les patients correspondant à ces profils pour des durées de séjour entre 5 ct
40 jours; le profil le moins à risque correspondait au patient moins âgé, en provenance du
domicile, et ne subissant pas une intervention chirurgicale; inversement, le profil le plus à
risque correspondait au patient plus âgé, arrivant par les urgences ou en provenance d'un
autre hôpital, et subissant une intervention chirurgicale.
•
.------- -----, r
l
.'!Çl
10'
87
Vérification des conditions d'utilisation
La proportionalité des risques instantanés a été testée sur 4 profils choisis par tirage au sort
œnni 24 combinaisons possibles. Cette proportionnalité ne semblait pas strictement
respectée (fig. 15-18, annexe C).
Au total, les trois méthodes d'analyse concordent: la provenance et l'intervention
chirurgicale surtout, mais aussi l'âge et la nationalité (sauf dans le modèle de Cox) ont un
pouvoir prédictif pour le diabète sucré.
Tableau 34 : Principaux résultats de l'analyse multivariée pour le diabète sucré
yarlables explkadYes
Age
nationalité
provenance
intervention dairurgicale
interœpt
ripalioD multiple
100Ooun)
~ p
0.004 0.03
- 0.103 0.05
0.215 <0.01
0.301 <0.01
0.686
R·=O.l28
p<O.OOOl
1 V : Mal ••• cie VraJIe.llluce
mfthode d'analyse
"niable d~pend.nte
<-10jounl>10Joun
~ P
0.031 0.005
-0.654 0.038
-1.044 0.005
1.281 0.034
-1.986
VI=-I50.512 p<O.01
modèle de Cox
risque Instantan~ de sortie
~ p
- 0.012 0.012
0.275 0.057
- 0.501 0.002
- 0.890 <0.001
VI= -1188.781 p< 0.0001
•
88
Figure 14 : Profils extrêmes pour le diabète sucré (modèle de Cox)
E51IMATEll SURVIVAL FUNCTIOh .+ •.••. 1 ....• + •..•• + ••..• + ••••. +.
1.0 +--A + -é A - 8A - 8 A - 8 AA - B AA
8 AA .50 1- B A +
B AA B ~A?i
BE.i AAA B AAAA
BB AA BéB AA
0.0 + BBBBBBBBBBBBB8BBB" + .+ •.... + ..... + ••... + ..... + ••.•• +.
10 30 50 o. 20 40
dav
1
t
.---------------------------------------------------.. _,
b) l'infardus du myocarde
R' . 1 . 1 r ' . egresslOn mu tlp emeaJ[e
Les variables: âge (en deux classes) ct transport expliquaient 23,4% de la variance
du logarithme de la durée de séjour (tableau 39 ct fig. 19) ; les patients plus âgés et
ceux arrivant par ambulance avaient des durées de séjour plus longues; par contre la
variable type d'hôpital n'a pas été retenue (tableau 35).
L'analyse a été répété en excluant les femmes (en proportion très peu importante),
dans le but d'obtenir une population plus homogène : le pourcentage de variance
expliquée était à peine plus important (R2= 0.26).
Tableau 35 : Résultats de l'analyse pour J'infarctus du myocarde p~r la régression multiple linéaire
variable Il uart-type t p
âge 0.231 0.094 2.45 0.02
transport 0.456 0.095 4.81 <0.01
intercept 0.605
cr' ., . bl . d' d o 10eante entre yana es 10 epen antes
Le test de tolérance (>0.1) témoignait de l'absence de colinéarité entre les variables
indépendantes (tableau 36, annexe C).
Vérification des conditions d'utilisation
L'analyse des résidus a montré que les conditions de normalité, linéarité ct
homoscédasticité ne semblaient pas entièrement satisfaites même après transflJamation
logarithmique (fig. 20, annexe C).
"
90
Figure 19 : Nuage de points des variables observées contre les variables prédites pour !'infarctus du myocarde (régression multiple)
.+ ....... + ....... + ......• + ....•.. + .•.•... + •...••• + •••
0 0
0 00
1.5 + 0 + p 00 R 00 E 0 D -p P P ppp POOP PPPPP P l a c 1.2 + 00 + T 0 E 00 D -P P P p*p pp PPPP P P
0 A 0 N .90 + 0 + D -P P P P OPP pp pp pp P ppp P
0 a 8 0 S E .60 +P P P * P pp PPPP pp + R V 0 E D
.30 + 0 +
0.0 +0 + .+ ....... + ....... + ....... + ....... + ....... + ....... + .. .
. 30 .90 1.5 0.0 .60 1.2 1.8
logdur
l 91
Réilcssion lolistiQue
Les séjours longs ont été définis ici comme ceux pour lesquels les patients sont restés plus
de 14 jours (154). Le modèle semblait s'ajuster correctement: maximum de vraisemblance
v= -53.782, X2 global= 1.145, p= 0.285 (tableau 39).
Les intervalles de confiance à 95% pour les rapports de cotes, une estimation des risques
relatifs, montraient que la seule variable jouant en faveur d'un allongement de la durée de
séjour était la modalité de transport (ambulance) ; l'âge n'a pas été retenu (tableau 37).
Tableau 37 : Résultats de l'analyse pour l'infarctus du myocarde par la régression logistique
RR·
vartable /1 feart-type exp(/l) I.C.à 95%1
Ige 0.897 0.487 2.45 0.957 - 6.282
transport 1.845 0.479 6.33 2.519 -15.898
in'ereept -1.966
1 KR ....... 60. de. ri ..... relatir.
11.C. à '5-'. mien" cie CGllDance à '5'"
Vérification des conditions d'utilisation
La linéarité du logil (p/(I-p» de l'événemenc mesuré sur les variables prédictives) semblait
dav:.mlage respectée pour l'infarctus (fig. 21, annexe Cl.
Modèle; de Cox
L'effef global du modèle étaient significatif: maximum de vraisemblance V=-34:.275,
X2 global= 18.27, p= 0.0001 (tableau 39).
92
Les intervalles de confiance à 95% des risques relatifs, montraiont que l'âge (les plus âgés)
et le type de transport (ambulance), jouaient en faveur d'une plus longue durée de séjour
(tableau 38).
Tableau 38 : RésuJlats de l'analyse pour l'infarctus du myocarde par le modèJe de Cox
RRI
nrtable kart-type exp(Jl) I.C~9S~2
Age - 0.655 0.218 0.52 0.339 - 0.797
transport - 0.751 0.217 0.47 0.309 - 0.721
1 KR ............ ~ nia". 2 I.e .... lin .. lie_liure
L'analyse des graphiq1les présentant les profils extrêmes (fig. 22) montrait que le modèle
discrimine bien les patients correspondant aux deux populations et ceci quelle que soit la
durée de séjour, jusqu'à 45 jours; le profil le moins à risque correspondait au patient jeune
et arrivant par ses propres moyens; le profil le plus à risque correspondait au patient plus
âgé et arrivant par ambulance.
l
"
93
Vérification des conditions d'utilisation
La propo' ,ionalité des risques instantanés a été testée sur les 4 profils correspondant aux 2 l
combinaisons possibles. D'après les résultats, la proportionalité semblait plutôt respectée
(fig. 23-26, annexe C).
En somme, pour l'infarr.tus du my<x:arde, les variables: type de transport surtout, mais
aussi l'âge (sauf dans la régression logistique) semblaient pouvoir prédire une certaine
durée de séjour.
Tableau 39 : Principaux résultats de l'analyse multivariée pour l'infarctus du myocarde
variabla explicativa
âge
transport
inlereept
ncrellion multiple
loa(Joun)
p p
0.231 0.02
0.456 <0.01
0.605
RJ=0.234
p< 0.001
1 V : MulnlIIIII de VnIIe ....... œ
mfthode.
rigrellioa loptique
variable. dépendante.
<.l~ounl>l~ou ...
Il p
0.897 0.056
1.845 <0.001
-1.966
VI=-53.782 p= 0.285
modèle de Cox
risque instantanné de .orUe
Il p
- 0.655 0.002
- 0.751 0.003
VI= -345.275 p< 0.0001
,
94
Figure 22 : Profils extrêmes pour l'infarctus du myocarde (modèle de Cox)
ESTIMATED SURVIVAL FUMCTION .+ ..••. + ...•. + ..... + ..... + ..... +.
1.0 +* + -*AA -B AAA -B A -BB A
B AA B8 AAA
.50 + B AA + B AA B AA BB AAAA
BB A BB AAAA
BBBSB AAA 0.0 + BBBBBBBBBBBBBBB +
.+ ..... + ..... + ..... + ..... + ..... +. 10 .30 50
o. 20 40
dav
"l
, l
c) résultats de l'analyse par régression multiple pour Ip.s cinq autres
diagnostics
Un résumé des résuItats de l'analyse par régression multiple pour les cinq autres
diagnostics figure dans les tableaux 40 à 44. Les modèles retenus comme prédictifs
de la durée de séjour différent selon le diagnostic.
Pour les intoxications par produits phannaceutiques, l'âge, le type d'hôpital, le 1 ieu
de résidence et la présence de diagnostics associés étaient significatifs. Ainsi les
trois types de variables (socio-démographiques, caractéristiques de l'hôpital, et
clini<t'les) étaient représentées dans le modèle.
Pour les traumatismes crâniens, seules des variables cliniques étaient
significatÏ\'es : complications du diagnostic principal et intervention chirurgicale.
Pour les varices des membres inférieurs, l'âge, la situation familiale et le lieu de
résidence, le type d'hôpital et le secteur, et les complications du diagnostic principal
étaient retenues dans le modèle.
Pour les calculs des voies urinaires, des variables socio-démographiques (la
nationalité) et cliniques (intervention chirurgicale et diagnostics associés) étaient
siginificatives.
Finalement, pour les lithiases biliaires, seules la modalité de transport ct
l'intervention chirurgicale étaient retenues.
• 95
J'
96
Tableau 40 : Résumé des résultais de l'analyse par régression multiple pour les intoxications par produits pharmaceutiques
Nombre de p.Uenua 336
DMS1= 3.5 jours
F= 10.90
aod~1e
intereept
âge
hôpitaux privés hôpitaux généraux
Proche Couronne Grande CouroMe hors région
diagnostics associés
1 DMS. Dw'ée .,ye .. *._
kart-type= 4.7 jours2 ~teDdue= 1-33 jours
Rl= 0.135 p< 0.001
1
-0.198
0.013
0.232 0.386
0.319 0.051 0.618
0.327
p
0.001
0.029 0.017
0.007 0.016 0.023
0.001
Z La Il.'' Ile ..... r a .. bIt .. tnD'fonulioll roprtt ...... powl'ualylle ..... rélftlllo. IDultipie.
97
1 Tableau 41 : Résumé des résull1ts de l'analyse par régression multiple pour les traumatismes crâmens
Nombre de patients: 258
DMS1= 4.6 jours écart-type= 6.6 jours2 étendue= 1-55 jours
F= 15.84 RI: 0.136 p< 0 001
mod~1e p p
interee". 0.985
complication 0.8SR 0.001
intervention chirurgicale 0.936 <0.001
1 DMS- Dwrie __ l'" *1iJow l La d."'. ~ a 1111"" lIIlC traadonutiota Ioprltlandque PO" l'....,.. par RIftSlioa Mult'pIe.
98
Tableau 42 : Résumé des résuJtats de l'anaJyse par régression multiple pour varices des membres inférieurs
Nombre de patients- 200
DMS)= 6 5 jours
F= 8.20
modèle
intercepl
Age
situation familiale
hôpitaux privés hôpitaux généraux
Proche Couronne Grande Couronne hors région
secteur
complication
1 DMS- o.ne lDOye_ de ..,0111"
icart-type= 4.4 jours2
p
1.691
-0.734
0.137
-0.336 0.085
-0.127 0.198
-0.023
0.196
0.859
itendue= 1-37 jours
p<O.OOI
p
0.022
0.003
0.011 0.047
0.013 0.017 0.038
0.028
0.001
ZIA 41 ... de eiJour a lubit une tl1lDdormaüo. Ioprithmique PU'" l' .... yse pM" Rlrellioa multiple.
• 99
1 Tableau 43 : Résumé des résultats de l'analyse par régression multiple pour les calculs des voies urinaires
Nombrt dt patients- 155
DMSl: 4.8 jours écart-typt::: 4.7 jours2 étend Ut::: 1-39 jours
F= 13.68 p< 0.000
modèle fJ p
interœpl 1.281
nationalité -0.501 0.001
intervention chirurgicale 0.646 <0.001
diagnostics associés 0.314 0.046
1 DMS. Durée lIIOyeue de féjour
l La d ... de I(Jour a ft"" IUle trall.b-maüa Joprltbnaique p»ur l' ..... ylle par ftlrel.lo. mwtlple.
100
Tableau 44 : Résumé des résultats de l'analyse par régression multiple pour la lithiase biliaire
Nombre de p.lieall- 111
DMS1= 11 jours art-type= 5.6 jours2 'tendue: 1-38 jours
F=6.83 R'=0.131 p< 0.001
modtle p
mtercepc 1.775
transport -0.734 0.022
intervention chirurgicale 0.543 0.005
t DMS-.,.. ..,eue ...... ... Z La ......... r 8 nblt ............. IopriOI ..... ,.,..1'....,.. ,.ft ..... MllltJpIe.
i 101
V. Discussion et conclusion
V.I. Principaux résultats
Les modèles retenus comme prédictifs de la durée de séjour font ressortir différentes
variables selon le diagnostic: 1) Intoxications par produits pharmaceutiques: l'âge, le type
d'hôpital, le lieu de résidence et la présence de diagnostics associés étaient significatifs ~
ainsi les trois types de variables (caractéristiques socio-démographiques, de l'hôpital, ct
cliniques) étaient représentées dans le modèle. 2) Diabète sucré: l'âge et la nationalité
(variables socio-démographiques), la provenance (variable faisant ~éférence aux filières de
soins) et l'intervention chirurgicale (variable clinique) étaient significatifs; la profession ct
le lieu de résidence, qui étaient significatifs dans l'analyse bivariée ne l'étaient plus après
ajustement par l'analyse multivariée; l'effet des complications du diagnostic principal,
reflet de la gravité, n'a pas été retenu dans le modèle. 3} Tra'imatismes crâniens: seules des
variables cliniques étaient significatives: complications du dl1gnostic principal et
intervention chirurgicale. 4) Varices des membres inférieurs: l'âge, la situation familiale ct
le lieu de résidence, le type d'hôpital et le secteur, et les complications du diagnostic
prinCipal étaient retenus dans le modèle. De nouveau, les trois types de variables
(caractéristiques socio-démographiques, de l'hôpital, et cliniques) étaient significatives.
5) Calculs des voies urinaires: des variables socio-démographiques (la nationalité) ct
cliniques (intervention chirurgicale et diagnostics associés) étaient significatives.
6) Lithiases biliaires: seules la modalité de transport et l'intervention chirurgicale étaient
retenues. 7) Infarctus du myocarde: seuls l'âge et le type de transport étaient significatifs;
le type d'établissement, après ajustement par l'analyse multivariée, n'était plus retenu; la
notion de gravité, traduite ici par la présence de diagnostic(s) associé(s), n'était pas
significative.
Tous les modèles avaient la particularité d'être simples, mais leur pouvoir de prédiction
restait faible : pour les varices des membres inférieurs, les calculs des voies urinaires ct
l'infarctus du myocarde, le poulcentage de variance expliquée ne dépassait pas 26%. Pour
les intoxications par produits pharmaceutiques, le diabète sucré, les traumatismes crâniens,
et la lithiase biliaire, le pourcentage de variance expliquée ne dépassait pas 14%.
A l'évidence, par rapport aux résultats obtenus dans certains articles (cf tableau 3) où les
•
. '
102
pourcentages de variance expliquée peuvent atteindre ~rl'ois 65%, les variables
disponibles dans l'enquête de morbidité hospitalière la;ssent sans explication un pourcentage important de la variance de la durée de séjour. Par rapport aux van:ibles
suggérées par la revue de littérature, l'essentiel des variables socio-démographiques et celles définissant les caractéristiques de l'hôpital et les filières de soins se retrouvent dans
l'enquête de morbidité hospitalière. La qualité de ces infonnations a été vérifiée et validée. Cependant aucune infonnation n'a été sollicité en ce qui concerne les caractéristiques du
médecin traitant ; les différentes études montrent combien l'attitude du médecin influence la durée de séjour (9,10,19,66,68,128,141,160).
En dépit d'un contrôle rigoureux de la qualité des renseignements fournis, c'est parmi les variabltf cliniques que surgissent les 1&..'"Unes les plus importantes. Seules, en effet, sont
disponib.es les infonnations concernant le diagnostic principal et les diagnostics associés,
la présence ou l'absence de complications (selon le diagnostic), la présence ou l'absence d'intervention chirurgicale sans précisions sur la nature de l'inte~ention. D'autres variables
sugg6rées par la revue de littérature sont absentes: l'intensité des soins, les examens
complémentaires et leurs délais d'attente, le traitement reçu par le patient et sa réponse au
traitement. Ceci fait que la gravité, à partir des données de cette enquête, n'a pu être appréciée qu'indirectement.
D'un point de vue qualitatif, les résultats sont néanmoins intéressants. Les types de variables retenus varient d'un diagnostic à l'autre et, sauf pour l'infarctus du myocarde, la
durée de séjour comporte aussi bien une infonnation sur le plan de la gestion qu'une infonnation sur le plan clinico-épidémiologique, reflet indirect de la gravité de la maladie.
Pour la prédiction de la durée de séjour de l'infarctus du myocarde, des informations plus
précises sur le plan clinique ct biologique sont nécessaires. La littérature montre qu'un
certain nombre de variables (niveaux d'enzymes cardiaques, localisation de l'infarctus,
extension -- mesurée par des changements électrocardiographiques --, histoire antérieure
d'infarctus, présence d'insuffisance cardiaque, oedème pulmonaire et altérations du rythme
cardiaque) sont nécessaires pour calculer le risque instantané individuel de sortie d'un patient diagnostiqué d'infarctus (154). Les niveaux d'enzymes cardiaques, surtout, sont
rapportés comme les meilleurs prédicteurs de l'utilisation des ressources hospitalières aussi
bien en tennes de durées de séjour que de dépenses proprement dites (184).
Malheureusement, des infonnations aussi précises n'étaient pas disponibles dans cette enquête de morbidité hospitalière .
l Se pose ainsi le problème plus général de l'utilisation d'informations existantes dans les
enquêtes descriptives ou les systèmes d'infonnation hospitaliers versus les enquêtes
spécifiques.
103
Vol. Limites et biais potentieis de l'utilisation de l'enquête de morbidité hospitalière et
des bases de données administntives
Les variables recueillies dans l'enquête de morbidité hospitalière sont des variables
disponibles en routine; elles n'ont pas été recueillies spécifiquement pour l'analyse des
durées de séjour et la notion de gravité recherchée apparaît plus ou moins clairement.
Des enquêtes, telles que l'enquête de morbidité hospitalière et les bases de données
hospitalières, sont conçues pour: a) décrire l'utilisation qui est faite de l'hôpital,
b) comparer les durks de séjour entre hôpitaux, c) calculer des taux d'hospitalisation,
d) évaluer les effets des changements de politique sanitaire (185). Le rôle principal de ces
sources de données est donc l'aide à la planification, à partir de l'identification des besoins,
le choix des priorités et la gestion des allocations de ressources. Cependant, Iezonni (186)
signale la possibilité d'utiliser les diagnostics administratifs pour mesurer aussi la qualité
des soins hospitaliers. DesHamais (187) a développé des techniques d'ajustement des
mesures de la performance de l'hôpital à partir des résumés de sonie standardisés.
Le principal intérêt de ces enquêtes et bases de données est leur accès facile et leur coût de
fonctionnement relativement faible (188). L'absence de contact avec la personne enquêtée
élimine le biais de participation, celui de la subjectivité des chercheurs, et celui de la
recherche des individus à enquêter. Le problème de la taille de l'échantillon ne se pose pas
et la représentativité est importante (189). Quant à la qualité des diagnostics fournis,
l'hôpital est l'endroit où l'activité diagnostique s'assure du maximum de fondements
scientifiques. Des moyens techniques sont mis en oeuvre pour obtenir la plus grande
précision (14).
Certaines bases de données ont été validées et fournissent des renseignements fiables (190-
192) ; les limites de ce type de source de données ne sont, cependant, pas négligeables.
r l
104
Dans les enquêtes ou bases de données où l'individu n'a pas un numéro d'identification
unique, on n'observe que des cas prévalents, ct le raccord,:"ment de fichiers ne peut pas se
faire : la documentation des antécédents et le suivi à court et long tenne du patient ne sont
pas possibles (193). Ces bases de données peuvent être sujettes aux biais de recrutement
puisqu,- c'est le patient qui déclenche le contact avec le système. Les limites d'interprétation
des différences significatives dans de grands échantillons sont soulevées par Pineault (188).
A ce sujet, Flood (194), dans un esprit d'aide à la décision, fait remarquer qu'il faut
rechercher des différences statistiquement significatives qui le soient aussi sur le plan
social et politique. Un des plus grands inconvénients de cette source de données concerne
les données elles-mêmes, soit parce que l'information n'est pas disponible, soit parce
qu'elle n'est pas tle bonne qualité (195). Les données non médicales sont plus fiables que
les données médicales et plus le diagnostic est précis moins il est fiable (195,196). Le
problème du codage des polypathologies à partir de la CIM-9 St; pose aussi, puisque c'est
le médecin qui décide quel diagnostic sera le diagnostic principal (186). Temple (197) et
Dubois (198,199), contrairement à lezzoni (186) et DesHarnais (187), trouvent des
difficultés à mesurer l'efficience de l'établissement à partir des grandes bases de données.
Dubois (198) soulève l'incapacité de pouvoir ajuster sur le degré de gravité.
Malgré ces réserves, les auteurs semblent d'accord sur l'intérêt d'utiliser ces sources
d'infonnations aussi bien pour les pratiques de gestion que pour la surveillance
épidémiologique et la recherche, à conditions que les précautions nécessaires soient prises.
V.3. Les méthodes d'analyses statistiques
Le modèle de Cox, rappelons-le, a été utilisé ici juste à titre d'exercice méthodologique.
Son intérêt dans cette étude est négligeable en l'absence de cas censurés.
La régression multiple linéaire en tant que méthode à visée explicative est très répandue
comme méthode d'analyse de la durée de séjour. Cest une méthode d'analyse paramétrique
et le respect des conditions d'utilisation est important. Cest une méthode très sensible à la
forme de la loi de d~stribution de la variable dépendante, dans notre cas aux valeurs
extrêmes de la distribution de la durée de séjour. Pour contourner ~ problème, différentes
, J
105
approches peuvent être abordées: a) les valeurs extrêmes peuvent être exclues de
l'analyse; b) des méthodes de transformation (logarithmique notamment) de la variable
dépendante peuvent la rendre plus proche de formes de lois de distributions connues. Dans
ces conditions "théoriques" les résultats peuvent être fiables. Mais en pratique, pour un
planificateur, l'intérêt est plutôt de pouvoir prédire la durée de séjour de l'ensemble de ses
patients, sans en exclure précisén~cnt ceux qui posent problèmes (les séjours longs).
La régression logistique semble plus indiquée pour l'analyse de distributions de durées de
séjour bimodales. Le planificateur peut être attiré par cette méthode, l'intérêt étant de
pouvoir prédire les séjours longs. Cette méthode d'analyse n'est pas sensible aux valeurs
extrêmes de la distribution de la variable dépendante. Elle est très utile quand la condition
de nonnalité n'est pas vérifiée ct que le modèle logistique est justifié. Néanmoins un
problème important survient : les critères de choix du seuil qui discrimine le mieux les
séjours longs, des séjours courts. Ce choix peut correspondre aussi bien à des critères
cliniques ou de gestion, qu'à des critères statistiques. Mais la combinaison de plusieurs
critères n'est pas toujours possible et il faut souvent privilégier le critère statistique pour
avoir des effectifs suffisants dans les deux groupes.
L'intérêt principal du modèle de Cox est qu'il permet de prendre er.. compte des données
censurées. Ainsi, Birk Madsen (154) peut calculer le risque instantané de sortie d'un patient
hospitalisé pour infarctus du myocarde en prenant en compte les décès, les chocs
cardiogéniques ct les arrêts cardiaques que peuvent présenter ces patients au cours de leurs
séjours. C'est une méthode d'analyse semi-paramétrique et, de même que la régression
logistique, elle n'est pas sensible à l'influence des valeurs extrêmes de la variable
dépendante. Cependant, l'hypothèse de proportionalité doit se vérifier; les méthodes
graphiques de validation utilisées ici présentent l'avantage d'être simples, mais sont peu
puissantes et ne peuvent être qu'illustratives. Des tests plus précis peuvent être utilisés. Ces
tests sont fondés soit sur les résidus partiels, soit sur l'utilisation de pondérations de la
statistique du logrank, soit sur le découpage du temps en intervalles (181).
Dans l'ensemble, les trois méthodes d'analyses utilisées donnent des résultats qui vont dans
le même sens, ce qui traduit une certaine validité interne. Mais quelle méthode
privilégier '1 la régression multiple linéaire a un sens comme méthode à visée explicative,
,
106
la variable dépendante est étudiée en continu, mais c'est une méthode paramétrique et les
résultats, exprimés en termes de pourcentages de variance expliquée, sont, peut-être, plus
abstraits pour les décideurs ; de plus, en termes de capacités prédictives, les résultats sont
plutôt décevants.
La régression logistique, comporte une perte d'information du point de vue explicatif (la
variable dépendante étant dichotomique), mais dans une optique de planification, c'est une
méthode opérationnelle, facile à mettre en oeuvre et donnant des résultats en termes de
risques relatifs pour les séjours longs, plus concrets pour le gestionnaire.
Le modèle de Cox ne présente un intérêt particulier que si l'échantillon comporte des cas
censurés.
Cela dit, l'utilisation d'une méthode d'analyse n'exclut pas la possibilité d'utilisation d'une
autre méthode considérée aussi pertinente. L'imbrication de deux méthodes peut enrichir
considérablement les résultats, par exemple envisager une régression logistique au départ et
à l'intérieur de chaque sous-groupe, réaliser une régression multiple linéaire. Ainsi il n'y a
pas de bonne ou de mauvaise méthode, chacune a des avantages et des inconvénients et le
choix dépend du type de données disponibles et de l'objectif fixé.
V. 4. Perspectives
Les variables retenues dans les diférents modèles changent d'un diagnostic à l'autre. Ces
modèles sont simples mais les pouvoirs prédictifs restent faibles. Une autre démarche
donnerait de meilleurs résultats: le recueil prospectif de données cliniques et biologiques
plus fines au niveau des établissements, en correspondance exacte avec les objectifs de
recherche fixés au préalable dans le protocole spédfique de l'étude. Mais cette démarche
n'est pas toujours possible. En général, le coût et les moyens matériels et humains mis en
oeuvre ne sont pas négligeables. L'hôpital d'aujourd'hl!i est sollicité simultanément par une
multitude d'enquêtes sans qu'une organisation centrale en assure, en France,
systématiquement la coordination ; les départements d'informatique médicale prévus dans
le cadre du Projet de Médicalisation des Systèmes d'Information ne sont pas encore tout à
fait opérationnels. Ainsi, toutes les enquêtes avec des objectifs spécifiques (activité
.~
, " , ,
, 1
hospitalière, sida, infections nosocomiales, dialyse, morbidité générale, ... ) viennent se
r,reffer au niveau des services où la charge de travail quotidien est déjà importante.
107
~ , Cest pourquoi, si les données sont recueillies avec une précision acceptable et les bases de
données sont correctement organisées a priori, il faut essayer, avec les méthodes d'analyse
les plus adaptées, de tirer le maximum d'informations de ce type de sources de données.
Comme le souligne Roos (189), elles constituent une promesse pour la recherche et, avant
d'entreprendre une nouvelle enquête, les chercheurs devraient considérer sérieusement leur
utilisation.
Conclusion
A la suite de ce travail, on est tenté de conclure que pour prédire la durée de séjour à
l'hôpital, des informations fines sont nécessaires et que les bases de données
administratives ou les enqu.êtes descriptives comme celle utilisée ici, ne peuvent pas fournir
la précision souhaitée quant aux variables prédictives d'une certaine durée de séjour. Ceci
rejoint le point de vue de Berki (77) et Sloan (54) qui montlent l'intérêt d'analyser les
durées de séjour de façon très localisée, en rajoutant des variables très spécifiques aux
établissements par rapport à l'analyse de données peu détaillées dans un grand nombre
d'établissements. Mais les résultats obtenus pour les varices des membres inférieurs et pour
les intoxications par produits pharmaceutiques montrent bien que, comme le suggérait
Eastaugh (12), les sources de variations inter-hôpitaux sont importantes dans la prédiction
de la durée de séjour, d'où l'intérêt des études "multiccntriques".
En somme, les différents modèles retenus pour chacun des diagnostics étudiés, quoique peu
puissants, permettent de conclure que, dans une première approche, la durée de séjour
comporte aussi bien une information sur le plan managérial que sur le plan clinico
épidémiologique, mais des investigations plus fines sont nécessaires pour corroborer cette
information.
J 108
Quant au deuxième objectif de cette étude, quelle est la méthode d'analyse la plus
adapatée? L'utilisation du modèle de Cox nc semble pas adaptée ici, en l'absence de
données censurées. Avec les données disponibles et dans une optique d'aide à la décision,
l'analyse par régression logistique semble répondre de façon opérationnelle au
planificateur. Mais une combinaison d'analyse par régression logistique, suivie à un
deuxième niveau d'une analyse par régression multiple linéaire doit pouvoir apporter des
résultats encore plus enrichissants, si les effectifs le permettent.
Ceci soulève une réflexion plus générale quant à la façon d'utiliser les statistiques dans les
études épidémiologiques. De ce )point de vue, l'avertissement plus général que Fisher
exprimait déjà en 1949, mérite toujours d'être médité:
"... 171,,, i.r 110 ,.,iII, 01' ",,'II,I,_tttI lor ptOpk ,.,10 ,.,ilI.!"" "",,,otIs 01 prool Ùf st' tIt«1t'J III III, Il.''' ofbrtpnwill,-'''~c.1 It.tistia . .""" i.r. will, ""NIl •• ""'11'1,...,,4 for -"'lIIHIIidM.r "'''0 ,,1fi,r.rItIlfi III., "rallc" 01 ",.,It,,,,.. bowll lU
tAftWfllc.l.ÛJti.rlia,1JIII "'''0 ." c.,.61, -'so of "toflfi.rùt, riIrMdoIf.r ÛI,It, rHl worl4
ID ,.,lùtlt .r"de _,It_des i.r eppIk.bl," (1()()).
Ainsi, il apparaît nécessaire, encore aujourd'hui, de prôner une utilisation souple des
statistiques, adoptant, à chaque étape: de l'analyse, la méthode ou l'outille plus approprié à
l'objectif cherché et aux données disponibles.
f 109
REFERENCES
..
110
1. Fetter R., Mills R.E., Riedel D.C., Thompson J .D. The application of diagnotic specifie cost profiles to cost and reimbursement control in hospitals. J Med Systems 1977;1:137-49
2. Fetter R., Shin Y., Freeman J.L., Averill R.F., Thompson J.D. Case-mix definition by Diagnosis Related Groups. Med Care 1980;18:52
3. Mills R., Fetter R.B., Riedel D.C. Averill R.F. AUTOGRP: an interactive computer system for the analysis of health care data. Med Care 1976;13:603-15
4. Circulaire n° 303 du 24 juillet 1989 relative à la généralisation du Programme dt: Médicalisation du Système d"aformation (P.M.S.I) et à l'organisation de l'information médicale dans les hôpitaux publics. Ministère des Affaires Sociales et de la Solidarité Nationale 1989
5. Circulaire n0119 du 4 octobre 1985 relative à la mise en place dans les établissements hospitaliers des Résumés de Sortie Standardisés (RSS). Bulletin Officiel n085-24 bis. Ministère des Affaires Sociales et de la Solidarité Nationale 1985
6. Circulaire nOI60 du 5 août 1986 relative à la diffusion de la classification des Groupes homogènes de Malades (GHM). Bulletin Officiel n086-3O bis. Ministère des Affaires Sociales et de la Solidarité Nationale 1986
7. Ciruculaire n0178 du Il mars 1987 relative à la collecte et à l'exploitation des Résumés de Sortie Standardisés (RSS). Direction des Hôpitaux, Ministère des Affaires Sociales et de la Solidarité Nationale 1986
8. Classification Internationale des Maladies: 9ème révision, 1975. Organisation Mondiale de la Santé: Genève, 1977
9. Gordis L. Challenges to epidemiology in the next decade. Am J EpidemioI1988;128:1-9
10. Medina S., Ledesert B. La morbidité hospitalière en lIe-de-France: Synthèse régionale. Paris; O.R.S.I.F. 1991
Il. Friedman E. Hospital uncompensaled care: cnsis ? JAMA 1989;262:2575-77
12. Eastaugh S.R. Organizational determinants of surgicallengths of stay.lnquiry 1980;17:85-96
13. List N.D., Fronczac N.E., Gottlieb S.H., Baker R.E. A Cross-National study of differences in length of stay of patients with cardiac diagnoses. Med Care 1983;21:519-30
14. Devouassoux J., Morel B. Le diagnostic: entre la pratique médicale et la collecte statistique. Sciences Sociales et Santé 1986;4:61-74
15. Cable E.P., Mayers S.P,Jr. Discharge planning effect on length of hospital stay.Arch Phys Med RehabilI983;64:57-60
16. Pineault R., Daveluy C. La planifi~tion de la santé: concepts, méthodes, stratégies: pp. 191-204. Montréal, Agence d'Arc Inc., 1986
r
1
'i
17. Pouvourville (de) G. La régulation financière de l'hôpital par les DRG. Sciences Sociales et Santé 1990;8:33-65
III
18. Dubois B. L'hôpital à l'heure du marketing ou la religion de l'usager. Solidarité Santé 1988;5:55-60
19. MacMahon I.F., Newbold R. Variation in resource use within Diagnosis-relatcd Groups: the effect of seve rit y of iIIness and physician practice. Med Care 1986;24:388-97
20. Howard J.C., Wolff P.H., Perry J., New Z.,Stelton S.D. Cost-relatcd variables: a pilot study. Clin Nurse Specialist 1989;3:37-40
21. Patel M., Mottaz A., Blanc T., Schenker L. Study of oost by type of diagnosis in Switzerland. Hea/th Po/icy 1988;9: 167-75
22. Studnicki J. Differences in length of hospital stay for Medicaid and Blue Cross patients and the effect of intensity of services. Public Rea/th Rep 1979;94:438-45
23. Tartter P.J. Determinants of postoperative stay in patients with colorectal cancer: implications for Diagnostic-Related Groups. Dis C%n Rectum 1988;31:694-98
24. Weingarten M.S., Wainwright S.T., Sacchetti A.D. Trauma and aging effects on hospital rosts and length of stay. Ann Emerg Med 1988; 17: 10-14
25. Freund D., Shachtman R.H., Ruffin M., Quade D. Analysis of length of stay differences between investor-owned and voluntary hospitals. Inquiry 1985;22:33-44
26. Robinson J.C., Luft H.S., McPee SJ., Hunt S.S. Hospital competition and surgical length of stay. lAMA 1988;259:696-700
27. Cobum A.F. Fortinsky R.H. McGuire C.A. The impact of Medicaid reimburscmcnt poliey on subaeute care in hospitals. Med Care 1989;27:25-33
28. Garnroth L. Long-tenn care resource requirernents before and after the Propcctivc Payment System. J Nurs Scholarship 1988;20:7-11
29. Helbing C., Keene R. Use and cost of short-stay hospital inpaticnt services undcr Medicare, 1986. Realth Care Finan Rev 1989; 10:93-107
29bis. Ministère de la Santé, Service des Statistiques des Etudes et des Systèmes d'Information, Bureau ST2: données de l'enquête H80 sur les établissements d'hospitalisation publics.
30. Lewin D., Magnin P. Durée de séjour en maternité: incidences médicales et économiques.} Gyn Obst Bio/ Repr 1976;5:199-223
31. Mordelet P. La maîtrise des dépenses de santé aux Etats-Unis et ses conséquences sur l'organisation eé le fonctionnement du système hospitalier. Informations Hospitalières 1989;22-23:20-47
•
112
32. Roos N.P., Flowerdew G., Wajda A., Tate R.B. Variations in physicians'hospitalization practices: a population-based study in Manitoba, Canada. Am J Public Health 1986;76:45-51
33. Rosevcar G.C., Gary N.E. Changes in admissions, length of stay, and discharge diagnoses at a major University-affiliated teaching hospital: implications for medical education. Acad Med 1989;64:253-58
34. Shaughncssy P.W., Kramer AM. The increascd needs of patients in nursing homes and patients receiving home health care. N Engl J Med 1990;322:21-27
35. __ . Length of hospital stay: reality versus naivety. N Z Nurs Forum 1988;16:5
36. Munley P.H., Dcvone N., Einhom C.M., et al. Demographic and clinical characteristics as prcdictors of lcngth of hospitalisation and readmission. J Clin Psycholl977; 37:1093-99
37. Garg M.L., Mulligan J.L., McNamara M.J. et al. Teaching students the relationship betwecn quality and cost of medical care. J Med Educ 1975;50:1085
38. Fitzgerald G.A, Drury M.I. One hundred days in general medicaVspecialist unit: sources of referral and length of hospital stay. J Ir Med Assac 1979;72 :344-47
39. Munoz E., Chalfin D., Bimbaun E. et al. Hospital costs, use of resources, and dynamics of death associated with diabetes mcllitus. S Med J 1989;82:300-04
40. Munoz E., Friedman R., Schroder W., et al. Age, resource consumption and outcome for surgical patients at an academic medical center. Surgery 1988;103:335-44
41. Munoz E., Laughlin A, Regan D.M., et al. The financial effect of emergency room admissions undcr prospective payment systems. JAMA 1985:254:1763-71
42. Munoz E., Zahtz G., Lamantia 1., Chalfin D., Lackner R., Wise L. Hospital resource consumption and outcome : route of admission and age effect for otolaryngology patients. Arch Otolaryngol Head Neck Surg 1989;115:87-91
43. Rock R.C. Assuring quality of care under DRG-based Prospective Payment. Med Decis Making 1985;5:31-34
44. Vladeck V.c. Hospital Prospective Payment and the quality of carCo N Engl J Med 1988;319:1411-13
45. Eagle K.A., Mulley A.G., Skates S.J., Reder V.A., Nicholson B.W., Sexton 1.0., Bamett G.O., Thibault G.E. Length of stay in the intensive care unit: effects of practice guidelines and feedback. JAMA 1990;264:992-97
46. Mozes B., Halkin H., Katz A., Schiff E., Modan B. Reduction of redundant hospital stay through controlled intervention. Lancet 1987;ii:968-69
1 47. Finkler SA., Brooten D., Brown L. Utilization of inpatient services under shortcned lenghts of stay : a neonatal care exarnple. /ft1uiry 1988;25:271-80
113
48. Hobler K., Howlett P.A. Excessive length of stay reduction without adverse effect on quality. Q Rev Bull 1985;ii:239-41
49. Glass R.I., Weiner M.S. Seeking a social disposition for the rnedical patient: CAAST, a simple and objective clinical index. Med Care 1976;13:637-41
50. Simpson I.E.P. Lengtb of stay. Lancet 1977;ii:531-33
51. Kahn K.L., Keeler E.B., Sherwood Ml., Rogers W.H., Draper D., Bcntow S.S., Reiniscb EJ., Rubenstein L.V. Comparing outcomes of care before and after implementation of DRG-based prospective payment system. JAMA 1990;264: 1984-88
52. Rubenstein L.V., Kahn K.L., Reinisch El., Sherwood M l, Rogers W.H. et al. Changes in quality of care for five diseases measured by implicit review, 1981 to 1986. JAMA 1990;264:1974-79
53. Newhouse J.P., Byre D.J. Did Medicare's Prospective Payment System cause length of stay to faU. J Health Econ 1988;7:413-16
54. Sioan F.A., Valvona J. Why has hospitallength of stay cieclined ? An evaluation of alternative tbeories. Soc Sci Med 1986;22:63-73
55. Blais R. Maîtriser les dépenses de santé en offrant des services plus appropriés: quelques propositions.J Econ Méd 1990;8:251-59
56. Borchardt P.J. Non acute profiles: evaluation of physicians'nonacute utilization of hospital ressources. Q Rev Bull 1981;7:21-26
57. Duff R.S., Cook C.D., Wanerka G.R., Rowe O.S., Dolan T.F.Jr. Use of utilization review to assess the quality of pediatrie inpatient care. Pediatries 1971.;49:169-76
58. Evans H.E., Bergeson P.S., Anderson A.S., et al. Medical necessity for the hospitalization of the abused and neglected chHd. Pediatries 1987;79:300
59. Gertman P.M., Restuccia J.O. The Appropriateness Evaluation Protocol : a technique for assessing unnecessary days of hospital care. Med Care 1981; 19:855-71
60. Lovejoy F.H.Jr., Carper J.M., Janeway c.A., Kosa 1. Unnecessary and preventable hospitalizations : repôrt on an internai audit. J Pediatr 1971;79:868-72
61. North A. F.Jr. When should a child be in the hospital ? Pediatries 1972;57:540-43
62. Restuccia J.O., Kreger B.E., Payne SMC, et al. Factors affccting appropriatencss of hospital use in Massachussetts. Health Care Financ Rev 1986;8:47-54
63. Siu A.L, Sonnenberg F.A., Manning W.G., et al. Inappropiate use of hospitals in a randomized trial of health insu rance plans. N Engl J Med 1986;315:1259-66
1
T
64. Welch W.P., Dubay LC. The impact of administratively neccssary days on hospital costs. Med Care 1989;27:1117-32
65. Ryan M. Rcducing the length of stay in hospital. Br Med J 1986;292:1005-06
66. Mushlin A.I., Appel FA. Extramcdical factors in the dccision to hospitalizc medical patients. Am J Public Bealth 1976;66: 170-72
67. Anhoury P. Fina1it~ du PMSI : l'expérience américaine. Actes du Congrès Les Finalitâ du PMSI, Montpellier 1990
68. Kemper KJ. Medically inappropiate bospital use in a pediatric population. N Engl J Med 1988;318:1033-37
69. Starfield B., Hankin J., Steinwachs D., ct al. Utilization and morbidity : random or tandem? PedÜltrics 1985;75:241-47
114
70. Garg M.L., Skipper J.K., McNamara M.J. ct al. Primary care physicians and profiles of thcir bospitalizcd patients. Am J Public Bealth 1976;66:390
71. Connell FA., Blide L.A., Hanken MA. Cinical correlates ofsmall arca variations in population-bascd admission ratcs for diabctes. Med Care 1984;22:939-49
72. Borges J .L. Otras Inquisicioncs : cl idioma analytico de John Wilkins pp 102-106. Madrid: Alianza Editorial 1989
73. Calorc KA., Iczonni L Discase staging and PMCs. Can tbey improve DROs ? Med Care 1987;25:724-37
74. Shacbtman R.H., Snapinn S.M., Ouade D., Freund DA., Kronhaus A.K. A method for constructing case-mix indexes, with application to bospitallength of stay. Bealth Serv Res 1986;20:737-62
75. lezzoni L.T. ct al. Clinical assesment of Mcdisgroups. lAMA 1988;260:3159-63
76. Mullin R.L. Oiagnosis-Related Groups and scverity: ICD-9-CM. The real problem. lAMA 1985;254:1208-10
77. Bcrki S.E., Ashcmfft M.L.F., Newbrander W.C. I..ength of stay variations within ICDA-8 Diagnosis-Related Groups. Med Care 1984;22:126-42
78. Thompson J.O., Fetter R.B. ct al. Case-mix and rcsourcc use./nquiry 1975;12:300-12
79. Joncs K.R. Predicting bospital charge and stay variation. Med Care 1985;23:220-35
80. poynard T., Poitrine A., Navcau S., Gaudineau M.D., Trébuchet L., Chaput J.C. Analyse des facteurs liés à la durée d'hospitalisation dans un service de gastro-entérologie. Gastroenterol Clin Biol 1983;7:975-80
r l
81. May J J. Impact of Diagnosis Related Groups on medical practice. Am J Cardiol 1985;56:16C-26C
82. Omenn G.S., Conrad D.A. Implications of DRGs for clinicians. N Engl J Med 1984;331:1314-17
83. Williams S.V. The impact of DRG-bascd Prospective Payment on clinical decision making. Med Decis Makirag 1985;5:23-29
115
84. Cboca J.P., Peterson CA., Richards H., Mangoubi E. Problems in using statistical models to prcdict psychiatrie length of stay : an illustration. Hosp Community Psychiatry 1988;39:195-97
85. Iglehart J.K. Early experience with Prospective Payment of hospitals. N Engl J Med 1986;314: 1460-64
86. Russel L.B. The effeet of Prospective Payment on medical expenditures. N Engl J Med 1988;319:1197-1202
87. Sandier S. Ouelques aspects du financement des soins aux Etats-Unis. SocioEconomie de la Santé 1989;2:45-64
88. Simborg D.W. DRO Crcep: a new hospital-acquired disease. N Engl J Med 1981;204:1902-04
89. Manciaux M. La mauvaise santé du système américain. Le Monde 3 octobre 1990;21
90. . AmericaD health care : paying more and getting less. The Economist 25 Nov 1989;21
91. Naiditch M. Au-delà des DRG : les méthodes de classification des malades: objectifs, méthodes ct résultats. Sciences Sociales et Santé 1990;8:67-114
92. Barrault Y. I.e P.M.S.I : outil de gestion interne des hôpitaux. Informations hospitalières 1986;numéro spécial: Programme de Médicalisation du Système d'Information:111-12
93. Bremond M. La nécessité de l'information médicale dans la gestion des établissements hospitaliers. Informations hospitalières 1988; 16:39-42
94. Fessier J.M., Frutiger P. L'utilisation des Groupes Homogènes de Malades par le gestionnaire hospitalier. Journée du 16 juin 1987 à la Direction des Hôpitaux du Ministère des Affaires Sociales ct de la Solidarité Nationale, Paris 1987
95. Frutiger P. u Programme de Médicalisation du Système d'Infonnation (P.M.S.I) : 1 annœ et demie d'expériences de misc en place. L 'hôpital à Paris 1985;89:36-46
96. Salamon R. P.M.S.I et épidémiologie hospitalière. Informations hospitalières 1986;numéro spécial: Programme de Médicalisation du Système d'lnformation:40-44
•
,. l
97. Botz C.K. Weighting case-mix groups: the fatal flow in resource intensity weights. Forum 1989;ii:8-11
116
98. De Kelety A. El case-mix : como y para qué en Espana. Gestion Sanitoria 1987;2:1-2
99. Huertas-Portocarrero D., Perz Ruiz P., Sema Marmol J.P. Concurrent clinical review: using microcomputer-based DRG-software. Bealth Policy 1988;9:211-17
100. Jenkins L DRGs : evaluating the expcrience. Bea,(th Policy 1988;9:205-10
101. Maarse J.A.M. Hospital budgeting in Holland: aspects, trends and cffects. Bealtla Poliey 1989;9:257-76
102. Roger F.U. DRG and documentation: the infonnation problem. Bealth Poliey 1988;9:193-204
103. Willems J.L., Meurissc A., Renkens S., Vleugels A.,Peers J. Use of Diagnosis Related Groups for hospital management. Bealtla Policy 1989;3:121-33
104. Wiley M.M. DRGs as a basis of prospective payment. Bealtla Policy 1988;9:157-65)
105. Hom S., Bulkley G., Sharkey P.D., Chambers A.F., Hom RA., Schramm C.J. Interl10spital differences in severity of illness : problems for Prospective Payment based on Diagnosls-Relatcd-Groups ( DRGs). N Engl J Med 1985;313:20-24
106. "Young W.W.ICI-9-CM code and coding practicc changes for case-mix measurement. J AMRA 1986;57:29-33
107. Goldman E.S., Easterling M.J., Sheiner L.B. Improving the homogeneity of DRGs b) using clinicallaboratory, demographic and discharge data. Am J Public Bealth 1989;79:441-44
108. Stein R.E., Gortmaker S.L., Perrin E.C., Perrin J.M., Pless J.B., Walker O.K., Weitzman M. Severity of illness : concepts and measurements. Lancet 1987iii:1506-09
109. Croog S.H., Levine S., Testa M.A. et al. The effects of antahypertensive therapy on quality of life. N Engl J Med 1986;314:1657-64
110. Loirat Ph. Utilisation des indices de gravité: comment, dans quel but. Réan Soins Intens Med Urgence 1987;3:219-21
111. Vincy L.L., Westbrook M.T. Coping with chronic illness : the medicating IOle of biographie and iIIness-related factors. J Psyclaosom Res 1982;26:595-605
112. Vincy L.L., Westbrook M.T. Psychological reactions to chronic illness. Related disabling as a function of severity and type. J psyclaosom Res 1981 ;25:513-23
113. Knauss W.D., Draper EA., Wagner D.P., Zimmennan J.E., APACHE IIi A severity of discase classification system. Crit Care Med 1985;13:818-29
1 117
114. Escarcc JJ., Kelley MA. Admission source to the medical intensive care unit predicts hospital death independent of APACHE Il score. JAMA. 1990;264:2389-94
115. Berper M., Bobbit R.A., Gilson B.S. The Sickness Impact Profile. Dcve10pmcnt and final revis ion of a health status measure. Med Care 1981 ;19:787-805
116. Carter W.B., Bobbit R.A.) Bergner M;, Gilson B.S. Validation of an interval scaling: the Sickness Impact Profile. Health Ser Res 1976;11:516-28
117. Katz S., Ford A.B., Moskowitz R. W., et al. Studies of illness in the aged : the index of ADL : a standardized measure of biological and psychosocial functioning. JAMA 1963;185:914-19
118. Pollack M.M., Ruttiman U.E., Getson P.R., et al. Accurate prediction of outcomc of pediatrie intensive care : a new quantitative method. N Engl J Med 1981;316:134-39
119. Horwitz S.M., Morgenstern H., Berkman L.F. The use of paediatric mcdical care : a critica1 review. J Chron Dis 1985;38:935-45
120. Bergman M.B., Stamm SJ. The morbidity of cardiac non-disease in school childrcn. NEnglJ Med 1967;276:1008-13
120. Cassileth B.R., Lusk EJ., Strausse T.B., et al. Psychosocial situations in chronic illness. A comparative study of six diagnostic groups. N Engl J Med 1984;311 :506-11
122. Hunt S.M. Cross-cultural issues in the use of socio-medical indicators. Health Policy 1986;6:149-58
123. Gonnella J.S., Goran M.G. Ouality of patient care. A measurement of change: thc Staging concept. Med Care 1975;13:467-13
124. Hom S.D., Roveti G.C., Kreitzer S.L. Length of stay variation: a foctlsed revicw. Quai Rev Bull 1980;ii:6-10
125. MacMahon L.FJr., Creighton F.A., Bernard A.M., Pittinger W.B., Kelley W.N. The Integrated Inpatient Management Model, a new approach to clinical practice. Ann Intern Med 1989;111:318-26
126. Yale University. DRG refinement with diagnostic specific comorbidities and complications: a synthesis of current approaches to patient classification. Final report 1989, Hea1th Systems Managemant Group, Yale University, School of Medecine, Newhaven
127. Riedel D.C., Fitzpatrick T.B. Patterns of patient care. AnD Arbor, Mich. : The University of Michigan Press 1964, chapters 2 and 3.
128. Lave J.R., Leinhardt S. The cost and length of a hospital stay./nquiry 1976;13:327-43
, j
118
129. Hombrook M.C. Hospital case mix : its defjnition, measurement, and use: part J. The conceptuaJ framework. Med Care Rev 1982;39:1-43
130. Hombrook M.C. Hospital case mix : its definition, measurement, and use : part II. Review of alternative mcasures. Med Care Rev 1982;39:73
131. Tursz A., Crost M., Guyot M.M. L'bospitalisation des enfants étrangers dans la région parisienne. Arc" Fr PeditJtr 1983;40:61-67
132. Laessle R.G., Yassouridis A., Pfister H. Sociodemographic cbaracterisitics and lengtb of psycbiatrie hospital stay : application of a propOl-donal bazards model. Acta psychiatr Scand 1988;77:349-S1
133. Barbcrger-Gatcau P., Dabis F., Moise A., Gimbert M., Galley P., Salamon R. Facteurs li& à la durée d'hospitalisation des personnes âgées en court séjour. Rev Epidémiol Santé Publique 1987;35:463-73
134. Campion E.W., Bang A., May M.I. Wby acute-care hospitals must undertake longterm care. N Erlgl J Med 1983;308:71-7S
135. Herman J.M., Culpepper L., Franks P. Patterns of utilisation, disposition and length of stay among stroke patients in a community bospital setting. J Am Geriatr Soc 1984;32:421-26
136. Maguire PA., Taylor I.e., Stout R.W. Elderly patients in acute medical wards : factors prcdicting length of stay in hospital. Br Med J 1986;292: 1251-S3
137. Rich M.W., Frecland K.E. Effect of DRGs on three-month readmission rate of geriatric patients witb congestive beart failure. Am J Public Heal'" 1988;78:680-82
138. Wolinsky F.O., Cac R.M., Mosely Il R.R. Length of stay in the VA : long-term in sbort-term bospitals. Med Care 1987;25:250-53
139. Alagille D., Hemery P., Douillet P., Odievrc M. Durée de: séjour hospitalier et qualité des soins en pédiatrie: résultats d'ur.e étude prospective. Arch Fr Pediatr 1981;38:151-54
140. Kelly J.V., Bail J.K., Turner B.J. Duration and costs of AlOS hospitalizations in New York. Variations by patient severity of illness and hospital type. Med Care 1989;27:1085-98
141. Garg M.L., Louis D.Z., Gliehe MA. ct al. Evaluating inpatient costs : the staging mechanism. Med Care 1978;16:191-201
142. Weintraub W.S., lones E.L., Craver 1., Guyton R., Cohen C. Determinants of prolongcd lengtb of hospital stay alter coronary bypass surgery. Circulation 1989;80:276-84
143. Epstein A.M., Stem R.S., Tognetti J., Begg C.B., Hartley R.H. et al. The association of patients'socioeconomie characteristics witb the length of hospital stay and hospital charges witbin D!~gnosis-Relatcd Groups. N Erlgl J Med 1988;318:1S79-85
l
--------------------------...... -119
144. Hom S.D., Hom R.A., Sharkey P.O., Chambers A.F. Severity of ilIness within DRGs. Med Care 1986;24:225-35
145. Femow L.C., McColll., Mackic C. Firm, patient, and process variables associated with lcnth of stay in four diseases. Br Med J 1978;ii:556-59
146. Fuhs P.A., Martin J.B., Hancock W.M. The use of lellgth of stay distributions to predict hospital discharges. Med Care 17:355-68
147. Salkever O.S., Steinwachs M. Utilisation and case-mix impacts of per case payment in Maryland. Health Care FilUlnc Rev 1988;9:23-32
148. Hellman L.M. Barly hospital discharge in obstetrics. Lancet 1962;1:222-32
149. Posncr J.R., Lin H. W. Effects of age on length of stay in a low incorne population. Med Care 1975;13:855-75
150. Kicsler C.A., Simpkins C., Morton T. Predicting length of hospital stay for psychiatric inpatients. Rosp Community Psychiatry 1990;41:149-54
151. Williams B.T., Nicholl J.P., Thomas K-J., Knowelden J. Differences in durations of stay for surgery in the NUS and private sector in England and Wales. Br Med J 1985;290:978-90
152. -Lewis W.F. Averagc length of stay in short-stay hospitals : demographic, diagnostic, and surgical statistics. Vital Health Stat 1981;13:1-43
153. Wcitzman S., Heimcr O., Naggan L., Bar-ziv G., Glick S. Uncomplicated pneumonia : an cvaluation of determinants of length of hospitalization. Isr J Med Sei 1983;19:591-95
154. Dirk Madsen E., Hougaard P., Gilpin E. The length of hospitalization after acute myocardial infarction dctcrmined by risk calculation. Circulation 1983;68:9-16
155. Ro K.K. Patients characteristics, hospital characteristics and hospital use. Med Care 1969;7:295-312
156. Lewis W.F., Marital status and its relation to the use of short-term hospitals and nursing homes. Public Hea/th Reports 1984;99:415-24
157. Altman I. Some factors affecting hospitallength of stay. Hospitals 1965;39:68-73
158. McCorkle L.P. Utilization of facilities of a university hospital : length of inpatient stay in various hospital departments. Health Serv Res 1966;1:91-113
159. Morrill R.L., Earickson R.J. Hospital variation and patient travel distances.lnquiry 1968;5:26
T .' ..
.
160. Eckerlund 1., Hakansson S. Variation ~!1 :esource utilization : the role of medical practice and its cconomic impact. Soc Sci Med 1989;28:165-73
161. Flood A.B., Scott W.R., Ewy W. Does practice make perfeet ? Part 1 : the relation between hospital volume and outcomes for selected diagnosis categories. Med Care 1984;22:98-114
162. Flood A.B., Scott W.R., Ewy W. Does practice make perfcct ? Part Il: the relation between hospital volume and outcomes and other hospital characteristics. Med Care 1984;22:114-25
163. Gustafson D.H. Lenth of stay : prediction and explanation. Bealth Serv Res 1968;3: 12-33
164. lezzoni L.I., Shwartz M., Moskowitz M.A., Ash A.S., Sawitz E., BUOlside S. IIIness severity and costs of admissions at teaching and non teaching hospitals. JAMA 1990;264:1426-31
120
165. McCorkle L.P. Duration of hospital prior to surgery. Bea/th Serv Res 1970;5:114-31
166. Ouerido A. The efficiency of medical care : a critical discussion of m~suring procedures. Amsterdam 1963 : Leiden Stenfert Knoose.
167. Ouerido A. The efficiency of medical care : Analysis of length of stay . Amsterdam Leiden Stenfert Knoose, 1963.
168. Rafferty I.A. Patterns of hospital use : an analysis of sort ron variations. J Polit Econ 1971;79:154-65.
169. Goldfarb M.G. and Coffey R.M. Case-mix differences between teaching and nonteaching hœpitals./nquiry 1987;24:68-84
170. Yu S., Dac K.O., Kim Y.H. The determinants of length of stay in a university hospital. Yonset Med J 1983;24:38-45
171. Marchett.: L., Holloman F. Length of stay : significant variables. J Nurs Admin 1986;16:12-18
172. Noguès C. I..ea pathologies des enfants, adolescents et jeunes adultes dans les hôpitaux publics. Paris; O.R.S.I.F. 1989
173. Wilkinson, Leland, SYSTAT : the System for Statistics. Evanston, IL : SYSTAT Inc. 1988
174. BMDP-PC version 1989. Los Angeles (Califomia): BMDP Statistical Software Inc. 1989
175. Armitage P., Berry G. Statistical methods in medical research, second edition. London, 81ackwell Scientific Publications, 1987
1 176. Schwartz D. Méthodes statistiques à l'usage des médecins et des biologistes. Paris: Flammarion Médecine-Sciences, 1986
177. Kleinbaull D.G., Kupper L.L., Muller K.E. Applied regression analysis and other multivariate methods. Boston, Pws-Kent publishing company, 1988
121
178. Breslow N.E., Day N.E. Statistical methods in cancer rescarch. Volume 1 : the analysis of case-control studies. Lyon, International Agency for research on Cancer Scientific publications n032, 1980
179. Cox D.R. Regression models and Iife-tables. J Roy Stat Soc(B), 1972;34:187-220
180. Grcenland S. Modeling and variable selection in epidemiologic analysis. Am J Public Bealth 1989;79:340-49
181. Quantin C., Asselain B., Moreau T. Le modèle de Cox : limites et extensions. Re~' Epidémiol et Santé Publique 1990;38:341-56
182. Polissar L., Diehr P. Regression analysis in health services research : the use of dummy variables. Med Care 1982;20:959-66
183. Kalbfleish J.O., Prentice R.L. The statistical analysis of failure time data. John Wilcy, New York, 1980
184. Barbash G.I., Safran C., Ransil BJ., Pollack M. A., Pasternak R.C. Need for better scvetity indexes of acute myocardial infarction under Diagnosis Related Groups. Am J Cardif'l1987;59:1052-56
185. Cbambers M., Clarke A. Measuring readmission rates. Br Med J 1990;301: 1134-40
186. le7Z0ni L.I. Using administrative diagnostic data to assess the quality of care. Pitfalls and Potential of ICD-9-CM./nt J TechnolAssess Health Care 1990;6:272-281
187. DcsHamais S. Cunent uses of large data sets to assess the quality of providers. Construction of risk-adjusted indexes of hospital performance. Int J Teclanol Assess Health Cafe 1990;6:229-238
188. Pineault R., Champagne F., Fournier P. L'exploitation de grandes bases de données sur la morbidité pour l'évaluation des services de santé. Rev Epidémiol Santé Publique 1988;36:267-72
189. Roos L.L., Nicol J.P., Cageorge S. Using administrative data for longitudinal research : comparisons with primary data collection. J Chron Dis 1987;40:41-49.
190. Martini C.I.M., Hughes A.O., Patton V.A. A study of the hospital activity analysis. Br Med J 1976;30:180-86
191. Gylling H., Simonen O. Use of hospital care and hospital case-fatality of myocardial infarction during three years'follow-up in Finland. Scand J Soc Med 1989;17:239-44
•
192. Bay K.S., Maber M., Lee S.J.K. Utilization of hospital services by cardi(Jvascular patients, Alberta Canada. Am J Public Health 1989;79:759-64
122
193. Roos L.L., Wajda A., Nicol J.P. The art and science of record linkage: methods that work with few identifiers. Comput Biol Med 1986;16:45-57
194. Flood A.B. Peaks and pits of using large data bases to measure quality of care./nt J Technol Assess Hea/th Care 1990;6:253-62
195. Roos L.L., Nicol J P., Johnson C.F., Roos N.P. Using administrative data banks for researcb and evaluation : a case study. EvallUltion Q 1979;3:236-55.
196. Demlo LK., Campbell P.M., Brown S.S. Reliability of information abstracted from patients' medical records. Med CaFe 1978;16:995-1005
197. Temple R. Problems in the use of large data sets to assess effcctivencss./nt J TechllOl ÂfSess Bea/th Care 1990;6:211-19
198. Dubois R.W.lnherent limitations of hospital death rates ta assess quality./nt J TechllOl Asse.u Hea/th Care 1990;6:220-28
199. Dubois R.W., Brook R.H., Rogers W.H. Adjusted hospital death rates: a potential screen for quality of medical care. Am J Public Health 1987;77:1162-67
200. Thompson EA. RA. Fisher's contributions ta genetical statistics. Biometries 1990;46:905-14
201. Glass R.I., MulvihiIJ M. N., Smith H., Peto R., Bucheister D., StoU B. The 4 Score: an index for predicting a patient's non--rnedical hospital days. Am J Public Healtla 1977;67:751-55
202. Brewster A.C., Karlin B.G., Hyde L.A., Jacobs C.M., Bradbury R.C., Chae Y.M. MEDISGRPS : a clinically based approach to c1assifying hospital patients at admission. Inquiry 1985;22:377-87
203. Schumacher D. Patient Severity Index and the Adverse Occurence Index: a reliability study. Med Care 1987;317
204. Backofen J., Ashworth M.A., Hom S.O. The Computerized Severity Index: a new sophisticated tool to measure hospit31 quality of care. Hea/the Care Forum 1987;30:36-37
205. Green J. The importance of severily of illness in assessing hospital mortality. JAMA 1990;251:637-44
206. Wap'er D.P., Draper E.A., Campos R.A., Nikki P., Le Gall J.R., Loirat Ph., Knauss W.A., Imtial international use of APACHE: an acute severity of disease measure. Med Decis Making 1984;4:297-313
123
1
ANNEXES
124
ANNEXE A
r $,
1 125
Quelques exemples de s)'stèmes de classification utilisant des indices de envité:
1. Disease Sta&io& (Gonnella 1984) est le plus ancien de ces systèmes. La sévérité est
définie comme la probabilité de décès ou d'une incapaci!é résiduelle suite à l'évolution
naturelle de la maladie. Une pathologie est définie par sa localisation, ses manifestations et
son étiologie. Et chaque entité pathologique peut être classée en quatre stades de gravité.
Aujourd'hui ce système est considéré difficile à utiliser de par sa complexité ct parce qu'il
s'est éloigné de ses objectifs initiaux (mieux expliquer la variabilité à l'intérieur d'un
Diagnosis Related Group). On a voulu en faire un outil de tarification (91, 123).
2. The 4-Score Index (Glass 1977) est r.'; du CMST (C.>ntinence, Ambulation, Age,
Social background, Thought processes) un indice capable de discriminer un groupe bas
CAAST (faible proportion de séjours sociaux) et un groupe haut CAAST (proportion
élevée de séjours sociaux). Du fait de son manque de puissance ct de son excessive
simplicité, les auteurs ont créé un nouvel indica(;'.t'" de risque de "séjour social" à partir des
réponses positives à quatre questions à l'arrivée du patient à l'hôpital. Il continue d'être
simple mais avec un pouvoir prédictif meilleur que le précédent. Il n'a pas été largement
répandu et restent à identifier les raisons de ce séjour social (201).
3. Appropriateness Evaluation ProtocoJ (GertmaOio et Restuccia 1981) est un système de
classification des séjours à t'hôpital en "appropriés" et "inappropriés" d'après 30 critères
catégorisés en trois groupes: services médicaux, services infirmiers-hôtellerie, et
caractéristiques des patients. Cet instrument fournit aussi quatre types de raisons pour
lesquelles un séjour est considéré inapproprié : des facteurs dépendants du praticien, des
facteurs dépendants de l'hôpital, des facteurs dépendants du patient et des facteurs
environnementaux. La validité interne et externe de cct instrument a été testée et
l'Appropriateness Evaluation Protocol a été utilisé pour évaluer l'impact dans quarante et
un hôpitaux du Massachusetts, des Professional Standard Review Organisations ("audit
d'utilisation des ressources" mis en place par le gouvernement fédéral pour exercer le
contrôle médical sur les hospitalisations relevant du Medicare) (17,59,62).
126
4. Patient Mana&ement CateiOt)' (Vounl 8<i) est très différ~nte de la précédente, il ne s'agit
pas d'une classification servant à mesurer la sévérité des pathologies mais à classer des
procédures de soins à partir d'un profil moyen de prise en charge qui correspond aux
ressources pour un motif de recours et un diagnostic de sortie donné. Au départ, les
auteurs ont défini a priori par consensus des classes de séjour cliniquement pertinentes et
utilisables dans une perspective d'analyse de la qualité des soins. Dans une optique de
tarification, les auteurs ont développé par la suite une deuxième hiérarchie, censée
représenter le poids global du séjour grâce à l'analyse de l'ensemble des pathologies et de leur gravité. Ce système apparaît au premier abord idéal pour analyser et comparer les
profils de pratiques; mais il n'a pas eu de développement majeur en raison de sa logique de classification complexe et son utilisation à des fins tarifaires, en dehors de l'utilisation
qu'en fait Blue Cross dans l'Etat de Pennsylvanie, comme outil de tarification et de contrôle
de qualité (91,106).
5. Computerized Seyerit)' Index (Horn 1983.) est né du Patient Severity Index qui devait
permettre d'améliorer le pouvoir prédictif des DRG, grâce à la subdivision de chaque
groupe en sous-ensembles homogènes en termes de gravité, et d'analyser la qualité des
soins (105,124,144). Un score global variant de 0 à 4 était affecté à chaque séjour et
représentait la gravité globale de l'état du patient pendant le séjour. Ce système a été critiqué du point de vue de sa validité interne et externe (202,Z{}?') et un nouvel index
automatisé (204) a été créé, qui tient compte de ces critiques. Il semble assez performant
pour expliquer la variabilité intra-ORG et du fait qu'il est capable d'identifier une gravité
augmentant au cours du séjour. Il est très utile pour calculer des taux de mortalité ajustés
(205). Son utilisation peut se développer aussi bien en termes de planification des
ressources à la sortie du patient qu'en termes d'analyse des ressources utilisées (91).
6. The Intcpatcd Inpatient Maua&emcnt Model (MacMabon 1989) intègre deux systèmes
d'infonnation: un administratif et un médical. Le premier, créé à partir d'éléments-clés pré-définis par une équipe interdisciplinaire, permet de mesurer l'efficacité du processus de
soins (rapidité du retour des examens complémentaires par exemple). Le deuxième
comporte une compte-rendu rétrospectif qui identifie les différences de pratiques entre les
médecins et qui utilise les DRG comme niveau d'agrégation pour ajuster le "case-mix". Un
compte-rendu "concurrent" complète le précédent: il tient compte, par exemple, des
-tp------------- ----------------------------------------------------------------------~, 'f {. ,
1 127
modifications dans le degré de sévérité de la maladie, des complications iatrogènes
survenues au cours de l'hospitalisation, des problèmes de "séjours pour raisons sociales"
soulevés par certains patients ... Une série de critères de qualité des soins permet d'identifier
les patients présentants des valeurs abérrantes et leurs possibles causes . Ce système a le
mérite de responsabiliser et d'impliquer les cliniciens dans la gestion du processus de soins
à l'hôpital. Actuellement, il est en phase d'expérimentation dans les hôpitaux de l'Université
de Michigan; il est trop jeune pour avoir déjà été évalué (91,125).
7. Medisl[pS ; Mediçallllness Scverity Gmupin& System (Brewster 1985) est une récente
méthode de mesure de la sévérité Gans le "case-mix" (202). IJ fonde la notion de risque
sur la probabilité de défaillance d'un organe essentiel. Le logiciel cherche la présence de
signes cliniques, anatomo-pathologiques, radiologiques ou biologiques prédéterminés. Ce
sont les Key Clinical Findings validés par un groupe de chercheurs. En fonction des
valeurs de ces Key Clinical Findings, et après consensus des experts, un coefficient variant
de 0 à 3 est attribué mesurant la sévérité de l'atteinte du patient dans la dimension explorée
par ces Key Clinical Findings. Ce qui le différencie des systèmes précédents, c'est que cette
pondération est totalement indépendante du ou des diagnostics dr.clarés pour la constitution
des Diagnosis Related Groups. Conceptuellement, il est largement inspiré par le système
APACHEII (Acute Physiologyand Chronic Health Evaluation) qui sert à la classification
des malades de réanimation, 24 heures après l'admission (113,206), qui est apparu utile
aussi à la classification de certains patients âgés non hospitalisés en soins intensifs (75,164)
et qui a été très récemment remis en cause (114). Medisgrp établit un score une première
fois 48 heures après l'admission et, en llction de la nature médicale ou chirurgicale du
séjour, une deuxième collecte d'informat.ùn peut être nécessaire 5 jours plus tard. Cc
système permet de calculer des taux standardisés de mortalité et morbidité, ajustés sur les
différents niveaux de sévérité. En temps réel, une augmentation du score de gravité au
cours du séjour peut Ct llduire à identifier une prise en charge inappropriée. Dans ce cas la
classification sert d'outil de dépistage de la qualité des soins. Ce système a été validé sur le
plan de son acceptabilité clinique, de sa fiabilité et de sa maintennce (186). Il manque une
validation conceptuelle. S'agissant d'un système commercial, seuls les utilisateurs ont accès
partiellement à la logique de construction. Il est, de loin, le plus utilisé. Plus de 300
hôpitaux l'utilisent déjà aux Etats-Unis. Ce succès est dû à une logique du système qui
correspond à la logique de prise en charge des praticien~. Donc il est bien accepté. Les Key
128
CUnical Findings sont explicites et leurs systèmes de poids connus individuellement. Le
recours à une base de données commune, Mediqual, permet de se comparer aux autres
utilisateurs, de valider dynamiquement le système et de le mettre àjour. Les performances
de ce système ont conduit les autorités de Pennsylvanie à rendre obligatoire son utilisation
dans tous les hôpitaux de l'Etat à des fins d'~va1uation des pratiques de soins. Toutefois, le
niveau de remboursement n'cst pas pond~ré en fonction de l'indice de sév~rit~ (67,91).
8. I.a sixi~mc; version des D;twwsis &:Iated Groups ou Re.fined Ditlgnosis Related Groups
(Yale 1989.) di:!:re des versions prk&lcntcs par les points suivants. Les complications
"substantielles" sont KparéCS en complications associées naturellement au diagnostic
principal ct en celles résultant du traitement. A ne pas confondre avec les comorbidités,
autres pathologies n'ayant pas de liens avec le diagnostic principal ct panni lesquelles sont
retenues seulement celles pouvant avoir un effet dans la prisc en charge. Ainsi il existe
trois classes de complications en médecine et quatre en chirurgie correspondant à des effets
diff~rents sur le cotlts ct les dur~s de ~jour. Par ailleurs, une meilleure pRcision dans le
codage a permis de supprimer l'âge comme variable explicative, celui-ci n'~tant qu'un
marqueur indirect de la sév~rit~ des pathologies. Dans la nouvelle version cette sév~rit~ est
décrfte exclusivement par des combinaisons de diagnostics s~ifiques. Au total cette
sixième version des DiagllO.tis Related Groups comprend environ 1 200 classes et elle a
permis d'am~liorer de 50% le pouvoir explicatif de la durée de séjour ct des cotlts (91). Cc
nouveau système ne s'applique cependant qu'aux patients de Mcdicare ou Medicaid (126).
Un autre système de classification des hospitalisations pour sida été d~velop~ a New
York, le AlOS Seyerity Cassjfication (140). n est censé faciliter les comparaisons entre
hôpitaux aussi bien en termes de Kv~rité que de variations des cotlts. n n'a pas encore ét~
validé ailleurs.
129
ANNEXE B
-
,""
MINISTERE DES AFFAIRES SOCIALES ET DE L'EMPLOI Service des Statistiques, des Études et d,!s Systèmes d'Information
130
Enquête de morbidité dans les 'tablissements d'hospitalisation
NOM DE L'tTABLISSEMENT
ADAESSE
CODE MOUVEMENT: U , NUMtAO DE VAGUE: ~ 2
.. ~ "::'--".':".'"T.~ -. - - 1 NUMtRO FINESS: .. 3,' __ k.' '1 J
J Il (N ,,.,. ,,,.c",, ...". c .. c .... ,
SEMAINE DU. AU:
NUMtRO D'OADRE SÉQUENTIEL DE L'HOSPITALISATION (c.dr.r • drOite) : ,. NATIONALITE. 100 fr.nçals
900 elr.nger 999 Inconnu
SEXE. 1 m.sculln 2 lemmm
DATE DE NAISSANCE. Jour. mOIs .nnee
SITUATION FAMILIALE: 1 cellb.ta,re 2 m.ne(e) ou vlv.nl mantalement 3 veul (veuve) • dlvorce(e) ou sep.re(e) 9 Inconnu
1 1 ., u
U 2J
1 J,
U »
CODE POSTAL DE RtslDENCE . ~,-I --,-~~I "...J J3 JI
ACTIVITÉ DU MALADE: IIsle 1 document JOlnl
en cl."
C S.P. DU MALADE. (ne p.s coder)
indiquer ,. profess,on en cl.,r
ACTIVITÉ DE L'ASSURt . liste " document JOlnl
en cl.,r
C,S.P DE L'ASSUAt: (ne p.s coder)
Ind,quer 1. profesSIOn en cl'Ir
CODE BÉNtFICIAIRE ' 01 02 09
assure hll-mime conJoint vlv.nl mantal.menl
u •
u .,
LLJ .. .. 10 un .nf.nt d. l',,sur. QUlnd 1. S'curlt' locl.l. III donne
aucun. pr'Clllon sur la pnl' .n charge un .nfant d. 1'''lur., la v.l.ur du code '"nt donnée p.r Il Sicurit' IOCllle lur Il pnll .n charg.
11 •• 9
50
Sl.99
un lutre aylnl drOIt de l'I .. ure, aucun. pr'ClSlon n'ètlnt donn" par Il S.cuntè lociii. un .utr. Iylnt droit de l'I .. ure, 1. Vlleur du cod. èllnt donn'e par Il S.curlte 10cl.l. lur la p"" .n charg.
RtGIME DE StCUAITÉ SOCIALE. LJ 11111 2, docum.nt lo,nt •• 1
MODALITÉ DE TRANSPORT JUSQU'A L'ETABLISSEMENT,
1 Imbulance lourd. m.d,clilse. S MUR pompiers. lutu 2 Imbulance non mèdlc.llse. publique ou pnvee pompl'
police, autr .. • taal 5 moyens perlonn.ls ou transports en commun a lutre 9 Inconnu
MODE D'ENTAtE DANS L'~TABLISSEMENT :
1 admiSSion après conlult.tlon d'un m.decm d.ns l'.tabll~ m.nt
2 admlSlion apr's consultation d'un mèdecm • l'eateneur l'ètlbhs .. ment transf.rt an provenlnce d'un lutre etabllnement pnve pubhc
• admlsslon.n urgence lUite ~ un Iccldent sur 1. vOie publ .. 5 Idmlsslon.n urgence lUite a un acc,dent lur le lieu de lrl 7 autres admISSIons .n urgence a luIre mode d·entr .. 1 mode d'entr" Inconnu
S'" S'lglt d'un tranfen (cod~ 3) 1-----------1
nABLlSSEMENT PRIVt OU PUBLIC DE PROVENANCE
NOM
ADRESSE
CODE CATÊGORIE L.LJ 10
CIRCONSTANCE DE L'ACCIDENT: " .................. "_rJ
1 Iccld.nt du traviii au IInl dèfml par 1.5 dltferenls "glm.! Sècu,," SOCial.
2 aCCld.nt da sport 3 accident dom .. tiQua a au're (y comprIs 'entatlva de sUIcide) • Inconnu
MODE DE SORnE DE L'nABLlSSEMENT : U .. transf.rt VlrI un autre établissement prive ou publiC . d.m CIS III pli cod.r 1. mode de Ionie et mdlquer 1. norr I·adr .... d. I·'tabhlllm.nl d. d .. lInltlon NOM ADRESSE
03 re'our au domiCile aVlc p"" en charg. pif un. "ruCI d'hospitalisatIOn • domlclla ou de 10lns a domlcll. ou par 1
structura dllolns Imbulllolf'S (d.llyse Iterllive. chlmloth( PlI. rèèduclllon, cure thermale) ou d'hospltall .. tlon de 1 (dialyse It'ratnte, chimlOtherapII )
CM retour lU domICile 05 dèc .. (y comp". sort .. In .atr.mIS) '2 .art .. con're IVIS mèdlc.1 (y comprl' Sorti' pif fugu.) • lu're mode de sort .. Il mode de sort .. Inconnu
Not.: .n Cil dl lortle m •• trem.s .vec r.tour lU domiCile cod., Il lortle ln .atremlS '
1
NO'A ~lIIiNOM
No D'HOSPITALISATION
No D OADRE SEQUENTIEL DE l'HOSPITALISATION
131
1 PREMIER SÉJOUR
Un selour correspond a une prise en charge dans une DISC.IPLINE et une seule Pour une mëme hospltalosatlon Il peut y avoir plus .. urs se,ours contigus
DISCIPLINE en claor L J _-L...-.l 1 0 .. ~9 tll' hl 1,\ ln. "." 'lI, 1 t' "f , • fi' • ,._.
S~JOUR DANS LA DISCIPLINE OU LE SERVICE
DATE D'ENTRÉE' Jour mOIS, annee
Entree dorecte dans l'etabhssement MODE D'ENTRÉE, 1
2 Entree sUite Immedille d'un se,our dans une autre dlSClphne de court se,our (medec,"e, chirurgie obstetrique) du même etabllssement
3 Entree SUite Immediate d un se,our dans une diSCipline autre (moyen et/ou long selOll' psych',,",e hebergement) du meme etabhssement
DATE DE SORTIE, ,our, mOIS, annee
Sortie de l'etablls' ,ment MODE DE SORTIE: 1 2 Sortie pour prise en ch.,,,e Immediate dans une lutre dl,clplone de court selour
(medec,"e, chirurgie, obstetrique) du mime et.bllssement
Sortie pour prise en charge ,mmed,.te dans une diSCipline .utre (moyen el,ou 10l\g selour psychl""e hebergement) du même etabllssement
DIAGNOSTIC PRINCIPAL (ne pas coder)
en claor
DIAGNOSTICS ASSOCIÉS' (ne pas coder)
diagnostiC en clarr
diagnostiC en clair
diagnostic en clair
diagnostic en claor
CI M de 1'0 P. go 'evl'
1 1 ., ~.J
8J RI
L, ., 19
~_.L.J 1)1 Il
1 1 1 ... "
U---.LJ " 10'
y A-T-IL EU INTERVENTION CHIRURGICALE' SI OUI l'Indiquer en cl."
EN CAS D'ACCIDENT
CAUSE DE L'ACCIDENT en claor
CAUSE SIMPLIFIEE DE L'ACCIDENT. ln? pas coder)
CAUSE DETAILLÉE DE L'ACCIDENT (ne PIS coder) ''''
U 100
U '. III'
EN CAS D'ACCOUCHE~~",,_T
RÉSULTAT DE L'ACCOUCHEMENT l_.'L. _.J. V270 Ne •••• nel untel... enf.n1 vlvlnt 110
V'l7' N., ••• ne. un .... we .nf."' mon ne V27 2 Ne .... nel .. meUeu'. Jumelu_ ne" "'lv.nU
V'l7l Nell.enci ""*11". 'un dt' ,um"uI nt' \l'"'''' 1 luI'. "'IOt1 ,' .. V21. NI"'lnc ... melillfe Jume.u. mort n., \/21!1 Ay". nl,,,.nc. ",,,,'tlpll tous ,." enl.nll "f!\ """."1(. \127 fi A ... ". "attl.nc. multlpl. CI"''"'' .nf,nh "." ",.".'.Il V217 Ayt,. naltlanea muhtp,," lOuS 1., Int.n" mort ,.., '127' Sen. ,. .. ,._
VIII 87XOOSSo du Mln,,"e dei Aff'I'" 'OCI"" It de 1 EmplOI l' du Mlnl.,r. cl ... , M.n,."1 dt 1 Econom .. CIe.,~ et dl ,. "rtvl",.tlon (1 N S E f j \j',labl. pUu dO""I., '.cut'IIII'S du , .. I.n~ .. , 1.7 lu 3D ., .. n '. EnQuet. St",'tIQU' obllgl'Olrillot nu SI 711 d" 7 I",n ,., modlf .... ur lobItg'llon Il coordln.tlon et le Neret en fftIIIIeirl" Itllllt'Qwe) leI 'l"sltgn.ml"" ".n,m, 1I\I"lln, In luCU" e., tUI "tlhMS'.' tin. dl con.r6&e t,ICI' Ou de rept.tlOn Konom-o .. 'l''ca. U.., ..... ,.. .. 121 d\l " Ju,Ua, , .. el 1 aV11 du C N 1 S Ch 'u bulletin of'lc,.' du Mlnl",r. d" Econom .. dl" Fln,ne" et CIe " "r"'I""'lon n-. 2 preelMn, ... contIftlOltl ............. , ire. donn •• , ~"\I.n' • ..,tntu.II.rt •• ",
communIQu.eS'1 d,Hu •• e, Tout OtfIU. de reponll OY une '.pon .. ac:eemment IMaKt. peut Intrl'''''' ..... cet ........... ".ndlldmln'I.,.t",f li 101 n- 11 11 du f, ,_, 1918 relltlltl. Ilnform,tlQue .U. f.ch .. " et au. hben •• lepohQYe e". repon .. , fe"., • 1. pt ....... enewtt. rie .. ,.ntl' lu. en,r.p'en,u" 'nd,vld .... l' "n\, Qu PI'Sonn., pou' "IQ"ell., I",nformatlonl IOnt dem'ndMI un dro" d ec.Ç.' et de rect,f'Cltlon pou, ... ''''Off''''tOftI ... conc.rn.nt c. d,oll peu' t,r •••• ,e, 'uf"e, Echelon .. Il.tt,tlQue, â~ D,rechon, '.glon.", dl'I Affl,'e. """llr.,., .OCI .... " d\/I ServIC .... S"""ICI"" deI!tuôeI et de, Sy.tam.I d 1"fo,m8tlon du M'fll""'. Aff"r., ,ocl.11I " de t EmplOI
132
ANNEXE C
r ..
• 133
Tableau 31 : test de tolérance pour le diabète sucré
variable tolérance
âge 0.9776
nationalité 0.9790
provenance 0.9873
intervention chirurgicale 0.9856
r ,
U A
Figure 12 : Analyse des résidus pour le diabète sucré (régression multiple)
.. a. .... L .... 0I .. 1l1 TT PL01 D' .fSJOlMLS
· • l / .. < /.,
/ .. ,.
· 0 R 0 ... ~ .. / .. ..
/ .. v / .. .. -1 , ... u ( . ./ . /
-~ . // . // 1/'
1
• -•
",aLuts ON TM[
1 1
1 Il Il Il Il
1 1l2~ .0 Al 42 lU 1
J J 1 1 -12111111 Il
2 2 1 S2 112 Il li.. Il
- JI .il 111 o 0 • 112
U. .. 211 U!ll .Sl.U
) •• 3-022 US
1
Sil IS
2 22
12 1 211
II 1
1 1 121
2 1 Il
1 Il 2
Il 1 III
U~ 1
21
.•.. . .' " .•.... -.1 .1 -.. 0
"00 "DII"', D"'~IIUTIOM -..~O LU ",'NI I"OIC"nO l' '"' .... OL
2 1
Il 1 11
11 1 11
2 1
. ' ...
2
/
-
. '. • 0*" " •• " ." ." """ '0 90 1.1 1 a
. '0 1 0 1.2 1 •
""DIC,a
~ , 1 1 0 U
" L
· ./ -.. / ./
. .. o· .. •
.. """" ."" ..... , "oi."" •••• """ ••• "" •••• " •••• """ ••• ""
. eo •
•• 0 · 0.0 • ,
1 1 • • 1 1
• 1 - •• 0 · a • a 1
• 1 1
-1 -. -.10 ••
-1
Il •
U 1
21 1 1 1 12U Il
1 &1 1 alU.1I
1 Il 1 1 IH 1 121 2 IIIIZ &1 1
• III 1 Il 1 1 2. U 1 JI
2 2 2 1 nUI
• 2 1 1 1 U 1 • a 1
• 1 1
a 2 1 1 1 1 1
1 -1 -1-
•
&1 -
•
•
•
... " ....... " .............. o· .....•.....•.....•.....•.. " .20 • .0 1.0 1 ••
0.0 I.a 1.'
134
T 135
Figure 13: Linéarité des variables prédictives pour le diabète sucré (régression logistique)
EMPIRI~AL PROBABILITY PLOT - CELL FREQUENCIES ARE PLOTTED (A=10.B=11 •... ) o CELL5 ARE FORMED BY ALL COMBINATIONS OF VALUES OF ALL VARIABLES. e .+ ••••. + ••••• + •...• + ............ +. S E 1.0 + l 121231333342313 1 1 2 .. R \1 E
'D .3 3
P R .50 + 2 bCC 2 2 2 o p
o R 1 1
7 3 6 6336 .3
458 44 5 4 9
o 0.0 + 3FEEBA8343221 33 l 1 l + N .+ ..... + ••••• + .•••• + ••••• + ••••• +.
.20 .60 1.0 0.0 .40 .80
PREDICTED PROBABILITr
LOG-ODOS PLOT CELL fREQUENCIES ARE PLOTTED (A=lO.e=ll •... ) o CELLS ARE FORMED SV ALL COMBINATIONS OF VALUES OF ALL VARIABLES. B ••• + ..... + •...• + ..... + ••••. + •.••. 5 E 1. 0 .. 1 12123.34246313 1 1 2 + R V E. D
P R o P o R T 1 o N
.50
0.0
3 .3
+ 2 6CC 2 2 2 + 7
3 6 63633
4S 84 4 54 9
+ 23DA6F69B 53221411 1 1 + ... + ..... + ................... + .•••.
-1 l -2 o 2
PREDICTED LOG ODDS
•
; ...
136
DJABETE SUCRE
Figure 15: test de proportionaJité nOl iatc"CDliOD
o o
aatjonaHté o o
provenance 1 1 • 1
ESTIMATED SURVIVAL FUNCTION •. . • • • + •• •••• ., .. + ..... + •
1.0 +*8 - AB
AB AAB
A 8B A 8B
- AA SB .50. A 8
AA 88 A 8BB
A 888 AAA B888
A BB AAAAAAA Bb
t
t
0.0 • AAAAAAAA* t .+ ..••• + ••••• + ..... , •••••• + •• - ••••
10 30 50 o. 20 40
Clay
Figure 17: test de proportionaJité n03 intervention
j
1
g,liog,litf 1
• provenance
o o
cbjruqicaJe o o
ESTI"ATED SUAVIVAL 'UNCTION •••.•• •••..• • + •••••••••••••••••••
1.0 •• • -. - . -. -. - ·B - .
• !l0 .. • • • - AB
", .. ·.B
MB
"··'11 0.0 • M················. .•.... .•.... .•.. . . .•.....•. ... ...
10 30 50 o. 20 40
day
o o
Figure 16: test de proportionalité n02
Ullog,lit' 1
• provenance
1 1
intervention c;hiruraiçale
o o
ESlIMATEl> SURVIVAL FUNCTION
• 1
.t ....•• , .•.••.... ,t ..•..••..•• t.
1.0 ta -A* - 8
• 8~
• a 8S
50 AAf:! Abe
A f'
t
• AAAB
\) 0 t
AI!!:I~ AAAIl
A·"1I8b8b AAAAA......... t . ...... o· ..... + ••••• + ••••• + ••••• +.
10 30 50 o. 20 40
aay
Figure 18: test de proportionalité n04
aationaJjl6 1 l
pmyen.nGC
o o
intervention chiM8icaJe
o o
ES1I"A1ED SURVIVAL FUNCT.JN .t ..... t .......... t ............ .
1.0 •• .. -A· - .. . . - ..
• .50 • •
8 .. ••
•
•
• ·8 A··' 0.0 t ................... .
. •.•••••••••• + ••••• + ••• , .+ ••••• t • 10 30 50
o. 20 40
day
l Tableau 36 : test de tolétance pour l'infarctus du myocarde
variable
âge
transport
tolérance
0.9997
0.9997
137
138
Figure 20 : Analyse des résidus pour l'infarctus du myocarde (régression multiple)
· 1
· 1
~c · 2 ~
2 • [ o c · 1
• 1 2 c
A 1
• ~o ·
· •
'1 0
• 1 t 1 , 0
• 0
• "
v • v ,
'0
0
'1
-2
.10
1 1 1
• 1 1
•
_OIII11AL "."'lo". "LO' 0' .,S'OUAL. •
1
Il ., 1
. , 0/1
0'
. .. ,. .
.. , 0/1 .,
.0 .0 •• ,. .0
'00 , . , 0
II··· , .. /0 0 .... .. .. /.
o , ./1 o
. , 0/1 o
.+ o •• +, •••• +,.. + •••• + •••• ,+.. + •••••••• '.. '.10 .10 ." '1.1 .... 0.0 ...
• "'LUU '.000 _ML Dll'al'U"DII -'.0 .11 DII , .. , ... , IIfDICAIiD O' '.1 .... 0 .. -r .
•
,+ •••••••• , •• ,+ •••••• ,+ ••••••••••• '0' + •••••••••••
. .
.a 1 0
-'OICT"
• 1 2 1
. -2 • 1 •
1 -2 -1 •
1 •
1 • • •• + •••••
1 1 1.1 1 2
.10
'" , 00 1 1 0 U
'" • '.10
-1.0
1 J 1
1 1
• Il 1 1 1
1 1 1 Il 1 1 Il
1 Il d 2
1 1 Il Il 1 1 1 · Il
1 2 2
2 1 2
1 1
· • 1 -. ..
· '1
'1 ,., •••••••••••••••••••••••••••••••••• '0' ,+,. 'Oe •••••••
.10 •• 1.' 0.0 &.1 1.1
Figure 21 : Linéarité des variables prédictives pour l'infarctus du myocarde (régression logistique)
139
EMPIRICAL PROBABILITY PLOT - CELL FREQUENCIES ARE PLOTTEO (A:I0.B=11 •... ) o CELLS ARE FORMED BY ALL COMBINATIONS OF VALUES OF ALL VARIABLES. a .+ ...•• + ...•• + ..... + .•••• + ••••• +. S E 1.0 + + R V E
·D
P R o p
o R ,
M
.50 + J +
v
1 P o 0.0 + + N .+ ..... + ..... + •.... + •••.. + .•••• + .
. 20 .60 1.0 0.0 .40 .BO
PREDICTED PROBABILITV
LOG-ODOS PLOT CELL FREQUENCIES ARE PLOTTED (A=lO.B:ll •... ) o CELLS ARE FORMED SV ALL COMBINATIONS OF VALUES OF ALL VARIABLES. B •• + .... + .••. + •••. + .•.• + .... + •.••. S E 1.0 + + R V E D
P R o p
o R T l o N
.50
0.0
M -
+ J +
V
- P + + •• + .... + •.•. + •••• + .••• + ..•. + .•••.
-1.5 -.50 .50 -2.0 -l.0 0.0
PREDICTEO LOG ODOS
i
140
INFARCI1JS DU MYOCARDE
Figure 23: test de proportionaJité nO l
1 1
'nuport
• 1
ESTJ~ATEO SURVJVAL FUHCTION .+ ................. + ••••• + ...... + ....... +.
1.0 •• • -·aa -AA IIBB
A Il AA B
A 118 A .SS
.50. A BB • AA B8
AA BII AAA .S.8
AA Il AA 8888
AAAAA .118 -0.0 • AAAAAAAA +
.+ •••.• + •••..••..•. + ••••• + ••••• +. 10 30 50
o. 20 40
aay
Figure 25: test de proportionalité n03
• 1
transport 1 1
ESTI~ATEO SURVIVAL FUNCTION ••••••• + ..••• + ••••••••••• + •••••••
1.0 +. + -... -M .118 - """II
AlI III 1111
III •• 11 .50 + III .11 +
AA .11 AA ••
M •••• MA •
MA '11 •• ~ ... -
0.0 • M"AAAA • ••••••• + ••••••••••• + ••••• + ••••• +.
o. 10 30 50
20
Clay
40
Figure 24: test de proportionalité 8°2
o o
tnasport 1
• ESTI~TED SURVIVAL FUHCTION
.+ ••••• + ••••• + ••••• + ••••• + ••••• +.
1.0 +. + -. -." -II A"A -II A - • III
•• A .50 + • A + .M
Il M •• M •• AM
•• MA ••••• MM
0.0 + •••• 811I1S ••••••• + .+ ••••• + ••••• + ••••• + ••••• + ••••• +.
10 30 50 o. 20 ..0
Figure 26: tcst de proportionalité 8°4
1
• transport
o o
E5TIMATEO SURVIVAL FUNC1IOH .+ ••.•. + ••••••.•.•. + .•.•. + ••••. +.
1.0 •• -. ··A -S A -S8 AA - 8 A
SSA .50 + Il A
8AA 8 AA 118 AAA
liS AA 8S AA
88888 AAAAA
•
+
0.0 + 88SBB88········ + .+ ••••• + ••••• + ••••• + •.••• + ••••• +.
10 30 50 o. 20 40
aay