S'abonner

VigiCare, l'intelligence artificielle au service du pilotage de la qualité des soins chirurgicaux - 12/03/24

Doi : 10.1016/j.jeph.2024.202296 
A. Kane a, , F-X. Ladant b, A. Retbi a, J. Hedou c, Y. Parc d, F. Verdonk e
a Département d'informatique médicale, AP-HP.Sorbonne Université, Paris, France 
b Department of Economics, Harvard University, Etats-Unis 
c Department of Anesthesiology and Perioperative Medicine, Stanford University, Etats-Unis 
d Department of Abdominal Surgery, Hopital Saint-Antoine Assistance publique-Hôpitaux de Paris, paris, France 
e Department of Anaesthesiology and Intensive Care, Hôpital Saint-Antoine & Tenon, Assistance publique-Hôpitaux de Paris et Sorbonne Université, GRC 29, DMU DREAM, Paris, France 

Auteur correspondant

Résumé

Introduction

Les chirurgies majeures se compliquent dans près de 30 % des cas. Ces complications multiplient par 2 à 3 la durée du séjour, réduisent la survie globale et augmentent l'incidence des réhospitalisations tout en générant des dépenses supplémentaires. Une étude multicentrique française récente (155 000 patients de chirurgie digestive) met en évidence une réduction >7,5 % des complications majeures (décès, séjour en soins intensifs, réintervention et complications sévères) par la mise en place d'un outil de monitoring des complications pour l'amélioration de la qualité des soins.

Objectif

Identifier les procédures impliquées dans l'apparition de ces complications majeures afin d'actionner la mise en place de mesures correctrices permettant d'améliorer la qualité des soins.

Méthodes

Prédiction - A l'aide de méthodes de « machine learning » interprétables supervisées et non supervisées. Pour certaines étapes de sélection de variables (« feature engineering »), des étapes de clustering non supervisées sont menées afin de prédire des outcomes d'intérêt (complications, mortalité intra hospitalière, à six mois, un an) sur la base des actes effectués. Ces clusters permettent de dégager des groupes d'actes et/ou de diagnostics principaux corrélés dans l'espace des paramètres considérés.

Impact - Afin de déterminer l'effet de VigiCare sur un/des outcomes d'intérêt, des méthodes d'inférence causale seront utilisées (panel data, différence-en-différences, variable instrumentale).

Résultats

Le concept a été validé avec le service de chirurgie digestive de Saint−Antoine et un « dashboard » y est mis en place depuis septembre. Les analyses de prédiction sur les données à M6 2023 mettent en évidence un taux de complication <6 % par rapport au taux prédit à M7 à case-mix de patients normalisé. Cette baisse est notamment due à une meilleure performance sur les actes de chirurgie sus-mésocoliques (taux de complication <68 % par rapport à la prédiction). Ce « dashboard » va être diffusé au service d'urologie de la Pitié-Salpétrière puis sur le GHU Sorbonne Université. Les résultats seront présentés à la conférence. Une mesure d'impact sera faite en décembre 2024.

Conclusion

Les données PMSI pourraient permettre l'analyse des complications et ainsi aider à améliorer la qualité des soins en chirurgie, en adéquation avec les nouveaux décrets de chirurgie (n° 2022-1766).

Le texte complet de cet article est disponible en PDF.

Mots-clés : Dashboard, PMSI, Chirurgie, Complications, Prévention



© 2024  Publié par Elsevier Masson SAS.
Ajouter à ma bibliothèque Retirer de ma bibliothèque Imprimer
Export

    Export citations

  • Fichier

  • Contenu

Vol 72 - N° S1

Article 202296- mars 2024 Retour au numéro
Article précédent Article précédent
  • Oculus, méthode d'analyse des accès aux dossiers patients informatisés
  • F. Boudis, H. Boone, F. Delaby, A. Bruandet, D. Theis
| Article suivant Article suivant
  • Incidence et devenir à long terme de la méningo-encéphalite herpétique en France
  • A. Sauvage

Bienvenue sur EM-consulte, la référence des professionnels de santé.
L’accès au texte intégral de cet article nécessite un abonnement.

Déjà abonné à cette revue ?

Mon compte


Plateformes Elsevier Masson

Déclaration CNIL

EM-CONSULTE.COM est déclaré à la CNIL, déclaration n° 1286925.

En application de la loi nº78-17 du 6 janvier 1978 relative à l'informatique, aux fichiers et aux libertés, vous disposez des droits d'opposition (art.26 de la loi), d'accès (art.34 à 38 de la loi), et de rectification (art.36 de la loi) des données vous concernant. Ainsi, vous pouvez exiger que soient rectifiées, complétées, clarifiées, mises à jour ou effacées les informations vous concernant qui sont inexactes, incomplètes, équivoques, périmées ou dont la collecte ou l'utilisation ou la conservation est interdite.
Les informations personnelles concernant les visiteurs de notre site, y compris leur identité, sont confidentielles.
Le responsable du site s'engage sur l'honneur à respecter les conditions légales de confidentialité applicables en France et à ne pas divulguer ces informations à des tiers.


Tout le contenu de ce site: Copyright © 2025 Elsevier, ses concédants de licence et ses contributeurs. Tout les droits sont réservés, y compris ceux relatifs à l'exploration de textes et de données, a la formation en IA et aux technologies similaires. Pour tout contenu en libre accès, les conditions de licence Creative Commons s'appliquent.