Difficultés collecte et analyse RPU

3
ème
rencontre inter ORU
8 octobre 2013
Les difficultés de collecte et d’analyse
des données ORU
Dr B Maire*, J-L Fuchs**, A Di Fabio***, B Bonfils**
ORULOR
* Réseau Lorraine Urgences, **ARS Lorraine, ***GCS Télésanté Lorraine
Les difficultés d’analyse des données ORU
Périmètre de la réflexion
• Tout d’abord, il faut noter que les données collectées et
•
•
•
•
•
analysées sont variables en fonction des ORU avec un socle
minimum actuel représenté par le RPU
Exemple d’autres données: TOP, GEMSA, données SAMUSMUR et UHTCD…
Intérêt probable de définir un socle commun élargi de
données inter ORU
Compte tenu des éléments sus cités, la réflexion portera
essentiellement sur les champs « actuels » du RPU
Les difficultés portent autant sur les données que sur les
bornes et les axes d’analyse
A propos des données, il faut distinguer 4 notions différentes
à savoir la conformité, l’exhaustivité, la qualité et la cohérence
Les difficultés liées aux données
Conformité d’un RPU et règles de gestion
• Nécessité de définir la conformité d’un RPU, les règles d’acceptation d’un RPU
• En d’autres termes, quels sont les RPU à rejeter? Quel est le contenu minimal
•
•
•
•
•
attendu?
En premier lieu, il s’agit du contenant à savoir de la conformité structurelle du RPU
(format XML avec balises ad hoc)
En second lieu, il s’agit du contenu. Par exemple, faut- il rejeter un RPU en cas de
codes CIM 10 non conformes, (en sachant que les thésaurus sont, à ce jour, non
homogènes) en cas de champs vides (heure de sortie par exemple), de durées de
passage négatives ou supérieures à 72h ou encore d’incohérences entre champs ?
Dans l’hypothèse du rejet d’un RPU, quel est son devenir ? Stockage et information
du producteur ou règles d’auto complétude (utilisation de l’heure médiane pour
compléter l’absence d’une heure de sortie…) ou plus simplement d’auto correction
(correction d’un diagnostic CIM…). Concernant ces éventuelles règles de correction,
elles doivent idéalement être activées en amont de la réception c’est-à-dire lors de la
saisie initiale
Toujours dans l’hypothèse d’un rejet de RPU, les RPU en erreur « historisés »
doivent-ils entrer en compte dans l'analyse des données et si oui, dans quelles
conditions ?
Enfin, se pose également la définition des critères d’unicité d’un RPU, le couple RPU /
FINESS géographique ne semblant pas toujours suffisant (exemple classique du
défaut d’ « étanchéité SU-UHTCD »
Les difficultés liées aux données
Exhaustivité des données
• L’exhaustivité concerne à la fois les données mais aussi les passages devant
•
•
•
•
•
générer des RPU
Par exemple, certains passages pédiatriques médicaux ne sont actuellement
pas pris en compte (problème des admissions bi sites sur un même
établissement)
Autre question, que faire des passages pour urgences gynéco - obstétricales
? (si intégration, probablement à définir)
En ce qui concerne l’exhaustivité des données, nécessité de déterminer des
champs bloquants communs mais également de définir les seuils autorisant
l’analyse
De plus un champ peut être complété mais d’une façon non exhaustive
(diagnostics associés, actes CCAM…)
Par ailleurs, intérêt de l’analyse mais aussi du suivi des courbes
d’exhaustivité. En effet, une analyse régionale permet de discuter la
pertinence de certains champs du RPU et le suivi par établissement
participe à la motivation des établissements
Les difficultés liées aux données
Exhaustivité des données
exemple d’un radar d’exhaustivité Orulor
Les difficultés liées aux données
Qualité des données
• Les défauts de qualité peuvent relever de problèmes techniques ou de
problèmes de codage
• Exemples d’origine technique:
- zone de saisie en texte libre,
- absence de « détrompage » ou de règle sur la saisie des codes communes
(code pays étrangers…)
- durée de passage avec clôture de dossier retardée ou absence d’étanchéité
SU-UHTCD (quelles sont les bornes utilisées par le progiciel?)
- absence de transcodage (traitement et codification CCAM, orientation et
caractérisation en MCO, SSR…) ou transcodage non pertinent
- absence de champs bloquants
• Exemples de problèmes de codage:
- CCMU (cotation de la consultation d’urgence en consultation spécialisée
transformant une CCMU1 en 2, séparation 3/4/5 subjective)
- codage du diagnostic principal trop imprécis (asthénie-AEG, malaisesyncope-lipothymie, autres recours….). Possibilité d’intégrer une fonction de
diagnostic lié
- absence de cotation ou cotation partielle des diagnostics associés, des
actes CCAM
Les difficultés liées aux données
Cohérences des données
• Nécessité de définir des règles de cohérence entre les différents
•
•
•
-
champs
Exemples
Provenance - mode d’entée
CCMU et orientation (CCMU 5 et RAD)
Sexe et /ou âge et diagnostic
Mode de sortie et mode d’orientation (retour à domicile et
hospitalisation en UHTCD sur les progiciels non étanches)
Ce contrôle de cohérence devrait idéalement s’effectuer lors de la
saisie initiale sur le progiciel dédié car le post traitement est difficile
et aléatoire
Attention également aux faux « non renseigné » en particulier pour
les calculs d’exhaustivité
Les difficultés liées aux bornes
et aux définitions
• Nécessité d’utiliser les mêmes bornes et les mêmes définitions:
- Pour les âges et les classes d’âge
- Pour les jours (0h01 à 23h59 ou 08h-08h..), les semaines, les WE ,
les périodes PDSES et PDSA
• Comment traiter les groupes 4?
• Définition du TOP, du taux de recours aux urgences
• Modalités de prise en compte des « sorties atypiques » (fugue,
contre avis médical, parti sans attendre) et des réorientations
• Prise en compte ou non du parcours de soins intra SU du patient
(temps d’attente de prise en charge, temps de prise en charge
médicale (avec localisation), temps d’attente de sortie)
Difficultés liées aux axes d’analyse
• Il s’agit essentiellement de difficultés d’interprétation
• Exemple de la durée moyenne de passage (DMP): comment
•
•
comparer la DMS (ou la médiane) de deux SU. La
comparaison brute n’a pas de sens de même que les objectifs
non pondérés de type : 80% des passages de moins de 4h.
Cette DMP est impactée par de multiples paramètres souvent
totalement indépendants de la « pertinence » du SU
- un SU ne recevant qu’une patientèle adulte ou pire qu’une
patientèle adulte médicale ne pourra jamais atteindre l’objectif
de 80% des passages de moins de 4h (en Lorraine, la DMP
d’un enfant est de 2h versus 5 h pour un patient de plus de
75ans)
- autre facteur à fort impact, les % des différentes CCMU ( la
réalisation d’un examen complémentaire majore de 1h la
DMP)
- enfin, quid des groupes 4 ?
Pour ce paramètre a priori simple, une comparaison d’activité
suppose l’utilisation de « coefficients de pondération »
Difficultés liées aux axes d’analyse
• Après la DMP, autre exemple, à savoir l’analyse de l’activité par
•
•
•
•
diagnostic
Tout d’abord, il s’agit de diagnostics de présomption souvent soit
exagérément précis ou plus habituellement trop vagues (malaise syncope- lipothymie, AEG …)
Par ailleurs, dans un même champ, peut figurer un diagnostic, un
motif de recours ou une circonstance
Enfin, il existe une grande dispersion des diagnostics rendant
l’analyse difficile
Intérêt d’une CIM 10 « très » réduite (nouvelle version SFMU) mais
aussi d’une règle unique de regroupement des diagnostics
(forcément partiale compte tenu de la faible exhaustivité des
diagnostics associés et de l’absence habituelle de fonction de
diagnostic lié)
Difficultés liées aux axes d’analyse
• Dernier exemple, celui de l’interprétation des sorties dites
•
•
« atypiques » regroupant les fugues, les sorties contre avis
médical et les « partis sans attendre »
Il est tentant de considérer ce paramètre comme un
indicateur de qualité mais:
- certains progiciels n’intègrent pas les PSA
- il peut parfois s’agir d’un biais permettant de clôturer un
dossier non exhaustif (champ de saisie détourné de son usage
attendu)
C’est ainsi qu’un % important de patients partis sans attendre
peut simplement être lié à une anomalie de saisie, reflétant
un défaut de rigueur de saisie en non pas un défaut de prise
en charge de patients
Conclusion
Propositions d’action
•
•
•
•
•
•
•
•
•
•
Améliorer la production, la qualité et l’exhaustivité des données
Harmoniser les modalités de collecte
Définir les règles d’acceptation d’un RPU
Déterminer un socle minimum commun de données
Préciser les définitions des termes usités
Retenir des bornes communes
Définir un socle minimum commun d’axe d’analyse
Ces axes doivent permettre la description de l’activité, la comparaison inter SU mais
aussi interrégionale, la définition d’une activité normale et anormale (en terme de
volumétrie avec son corollaire HET mais aussi en terme de services attendus)
Préciser les règles d’interprétation mais surtout les biais potentiels
Proposer des évolutions ( champs du RPU, RPU SMUR, regroupement de
pathologies, RPU et HET…)
Au total, intérêt de mettre en place une « charte qualité inter ORU »
Les difficultés de collecte et d’analyse
des données ORU
Dr B Maire*, J-L Fuchs**, A Di Fabio***, B Bonfils**
ORULOR
Réseau Lorraine Urgences*, **ARS Lorraine, ***GCS Télésanté Lorraine
Merci pour votre attention