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

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

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

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