Détection automatique d`infections urinaires dans le cadre du

DRG
Détection automatique d’infections urinaires
dans le cadre du codage APDRG et SwissDRG
Philippe Rossier, Gilles Cohen, Rodolphe Meyer
Hôpitaux Universitaires de Genève, Direction de l’Analyse Médico-Economique
Summary
Geneva University Hospital uses the diagnosis related
group (DRG) as the cornerstone of its billing system. Conventional international use of DRG calculation is based on
a list of diagnoses and interventions quoted in the patient’s
hospital discharge documents. In Switzerland we code the
information using a German instantiation of the international classification of diseases (ICD10) with a dictionary of
acts and interventions called CHOP2011. The codes are
chosen manually by professional coders from all the documents accessible in our electronic health record (HER). Patients who are more seriously ill tend to require more hospital resources than those who are less seriously ill, even
though they may be hospitalised for the same reason.
Recognising this, the diagnosis-related group (DRG) manual splits certain DRGs based on the presence of secondary
diagnoses for specific complications or comorbidities (CC).
Comorbidities are of major importance when it is necessary
to compute the DRG of a particular hospital stay. Comorbidities carry considerable weight in determining the reasonable length of hospitalisation and its cost. Some comorbidities are frequently forgotten on the hospital discharge
summaries, being so common and easy to manage that doctors often neglect to mention them. However, it is possible
to recreate them from the hospital information system data
warehouse. In this paper we show that an alert can be created regarding urinary infections using automated diagnosis from the EHR via a computer-aided decision support
system (DSS). Based on very strict biological results and
prescribing criteria, in 2009 we were able to identify 606
real urinary infections which should have figured in our discharge summaries but did not. After being included into the
coding process, 97 of these urinary infections influenced
the final outcome of the DRG, resulting in additional income
in 2009. This could mean an annual benefit of more than
CHF 160K per year using this type of alert system for this
pathology alone. On this basis we intend to extend this study
to other comorbidities such as dyskalaemias, haemorrhages or malnutrition.
Key words: DRG; comorbidités; cost-weight; infections urinaires; codage; détection automatisée
ACM: H.2.8 Database Applications, data mining.
Introduction
Aux Hôpitaux Universitaires de Genève (HUG), l’introduction d’une facturation par groupes homogènes de diagnos-
tic (diagnosis related groups ou DRG) a eu et a encore d’importantes répercussions sur les circuits d’information [1].
Le calcul du DRG se fait sur la base d’une liste de diagnostics
et d’interventions présents dans les documents de sortie du
patient, codés grâce à l’emploi de dictionnaires (CIM10GM, CHOP11). Les codes sont choisis par des codeurs professionnels, après analyse des documents de sorties nécessaires: les résumés standard de sortie (RSS). Ces documents
procèdent initialement de l’échange d’informations médicales et sont incidemment utilisés pour faire de la facturation.
Ce système, à l’origine de la tarification à l’activité depuis
2004 en France, a été employé en Amérique du Nord, depuis 1983, pour déterminer combien l’assurance-maladie
paye aux établissements de santé. L’objectif original des
DRG était de développer un système de classification des
patients séparant les patients avec leur traitement en
groupes définis cliniquement (regrouper les patients en
groupes homogènes sur le plan médical) et les coûts de traitement comparables (consommation de ressources de
chaque hospitalisation).
Les DRGs ne sont pas, dans la majorité des cas, utilisés à
des fins financières, mais servent avant tout à rendre l’activité lisible, et transparente. L’amélioration de la qualité
des soins et le benchmarking ont également incité les hospitaliers européens à introduire les DRGs.
La facturation par DRG ne concerne que les hospitalisations
en zones de soins aigus et somatiques [2, 3]. Un séjour en
zone de soins aigus est qualifié sur la base du parcours
clinique du patient durant son épisode de soins (EDS). Les
différents mouvements sont gérés dans le dossier administratif du patient (DPA). L’ensemble du processus de documentation clinique est, quant à lui, centralisée dans le dossier patient informatisé (DPI). Ainsi pour les patients sortis,
une fois la documentation réalisée dans tous les services du
séjour, le cas est aléatoirement attribué à un codeur. La règle veut que le codeur ne puise l’information que dans les
lettres de sortie ou des comptes rendus opératoires, en tous
cas dans une source émanant d’une autorité médicale et
ayant signé numériquement le document.
Correspondance:
Rodolphe Meyer, MD, PhD
Hôpitaux Universitaires de Genève – D.A.M.E. – DTSD
Rue Gabrielle-Perret-Gentil 4
CH-1211 Genève 14
[email protected]
Swiss Medical Informatics 2011; no 71
23
DRG
Quand le codeur estime que toutes les informations pertinentes ont étés saisies pour tous les services médicaux du
séjour, il déclare le codage terminé. Une synthèse électronique est transmise à un programme nommé groupeur qui
calcule le DRG. Ensuite le dossier est transmis au système
OPALE qui adresse les factures aux débiteurs des HUG.
Problématique
Le groupage en DRG fait appel à un calcul combinant diagnostics et actes codés lorsqu’ils existent [4]. Le problème
auquel les HUG doivent faire face réside dans la qualité des
RSS. En effet ce sont des résumés. Il est donc implicite qu’ils
ne contiendront pas toute l’activité réalisée pour un patient
durant son EDS mais les problématiques marquantes ou
qui font du sens pour le clinicien rédacteur. Ce sens étant
souvent celui de sa spécialité. Un cardiologue ne mentionnera pas toujours une petite hypokaliémie durant un EDS
d’infarctus massif. De même un neurochirurgien ne focalisera pas son compte rendu sur l’infection urinaire de sa patiente venue pour une embarrure avec coma stade 2.
C’est naturel, mais pénalisant car la construction des DRG
se fait aussi sur la base des comorbidités actives durant le
séjour. Certains séjours voient leur catégorie de DRG changer selon la prise en compte de certaines comorbidités d’apparence banale, et passent du DRG simple au DRG avec
complication. Dans le cadre d’un remboursement par DRG,
le report de ces informations devient important et légitime.
Elles reflètent la complexité du cas souvent bien différente
dans le contexte de la prise en charge en urgence versus celui des soins électifs [5, 6].
Tableau 1
Codes CIM10 des infections urinaires.
CDCIM10
Libellé
A56.0
Infection à Chlamydia de la partie inférieure de
l’appareil génito-urinaire
A56.1
Infection à Chlamydia, pelvi-péritonéale et des autres
organes génito-urinaires
A56.2
Infection à Chlamydia de l’appareil génito-urinaire,
sans précision
A60.0
Infection des organes génitaux et de l’appareil
génito-urinaire parle virus de l’herpès
N30.0
Cystite aiguë
N30.1
Cystite interstitielle (chronique)
N30.2
Autres cystites chroniques
N30.8
Autres cystites
N30.9
Cystite, sans précision
N39.0
Infection des voies urinaires, siège non précisé
023.3
Infections d’autres parties de l’appareil urinaire au
cours de la grossesse
023.9
Infection de l’appareil génito-urinaire au cours de la
grossesse, autres et sans précision
086.2
Infection des voies urinaires, après accouchement
086.3
Autres infections des voies génito-urinaires, après
accouchement
P39.3
Infection néonatale des voies urinaires
Hypothèses de travail
Certaines de ces comorbités sont décelables à partir de données objectives présentes dans le dossier patient informatisé (DPI) du système d’information des HUG [7]. Nous nous
proposons donc d’améliorer les RSS à partir de données de
laboratoire, de prescription de médicaments, etc. contenues dans les bases d’archivage.
Il s’agit d’analyser toutes les données recueillies pour un
patient au cours de son séjour et d’y tester les indices de la
présence de quelques complications. Pour chaque type de
comorbité à mettre en évidence, nous cherchons un critère
plausible d’alerte aux codeurs en cas de suspicion de cette
comorbité. Ce critère doit être simple pour que les acteurs
puissent en connaître la raison. Suffisamment large pour
ne pas rater des cas évidents et assez fin pour ne pas inonder le codeur de messages inutiles.
Méthodologie
Dans le cas présent nous avons choisi de rechercher les infections urinaires identifiables dans le DPI. Le système d’information ne contient pas la trace de l’intention du médecin
et nous ne connaissons pas la complexité de la situation clinique, ni le contexte. Nous ne savons pas si les éléments
identifiable furent réalisés dans un but de test à priori, de
bilan, de contrôle ou de surveillance thérapeutique. Le but
n’est donc pas de choisir automatiquement quel code
CIM10 est le plus relevant de la maladie mais d’avertir le
codeur qui a au moins lu la lettre de sortie, si à partir des
données du DPI il y a une possible infection urinaire. Cette
alerte ne surviendra ensuite qu’après le groupage du cas
par le codeur et seulement si l’ajout de l’infection urinaire
fait basculer le DRG de simple à compliqué. Si le DRG est
déjà compliqué, il n’y aura pas d’alerte. En cas d’alerte, le
codeur n’est pas autorisé à modifier lui-même le codage, il
devra demander que des précisions soient ajoutées par le
clinicien au RSS. Si le clinicien confirme bien que le patient
a eu une infection urinaire durant son séjour le RSS sera
modifié et recodé en conséquence. Ces différentes étapes
sont résumées dans l’algorithme décisionnel de la figure 1.
Critères infections urinaires
Comme critère d’infection urinaire probable [8], nous retenons les EDS avec:
– au moins un résultat de laboratoire de bactériologie comportant une bactériurie supérieure ou égale à 105 bactéries par millilitre avec les bactéries urinaires les plus classiques (Escherichia coli, Staphylococcus saprophyticus,
Proteus mirabilis, Klebsiella spp, Enterobacter spp, Proteus vulgaris, Morganella morganii, Serratia spp, Citrobacter spp, Providencia stuartii, Pseudomonas aeruginosa, Enterococcus spp et Staphylococcus aureus);
– et une prescription d’antibiotiques classiquement utilisés dans les infections urinaires (ATC: J01) concomitante
(avant, pendant ou suivant l’analyse de laboratoire mais
dans le même EDS).
Swiss Medical Informatics 2011; no 71
24
DRG
Critères d’alerte
Au cours de son codage si le codeur entre les codes CIM10GM du tableau 1, le cas sera considéré comme codé par le
système d’alerte n’entrainant pas la recherche de l’infection urinaire dans DPI. Dans le cas contraire il ira regarder
si les critères de bactériurie existent et si un antibiotique
du tableau 2 est utilisé dans l’EDS. En cas de double réponse
positive le système procédera à une analyse du DRG codé.
Si c’est un DRG simple (sans complication) il procède à une
simulation de groupage avec un code du tableau 1 et si le
DRG est changé il alertera le codeur pour qu’il demande
Figure 1
Algorithme décisionnel.
Tableau 2
Antibiotiques ATC-J01.
ATC
Libellé
J01CR02
amoxicilline + acide clavulanique
J01DA13
ceftriaxone
J01XD01
métronidazole
J01MA02
ciprofloxacine
J01EE01
co-trimoxazole
J01DH51
imipénem + cilastatine
J01DA06
céfuroxime
J01XA02
vancomycine
J01CA04
amoxicilline
J01FA09
clarithromycine
une précision au clinicien. Le codage définitif sera réalisé
en fonction de cette précision.
Résultats
Identification des infections urinaires
Le système est en cours d’implémentation aux HUG, nous
avons donc effectué une simulation de son utilisation sur
les données de l’année 2009 en considérant comme incontestables les comorbidités déjà inscrites par les codeurs des
HUG.
Sur ces 46 026 séjours 27409 ont eu un examen urinaire
(59,6%), dont 1789 avec un résultat au moins une fois positif (3,89% des séjours) selon nos critères.
Sur ces 1789 EDS possédant une bactériurie significative:
– 588 (32,87%) ont été codées comme des EDS avec infection urinaire;
– 1201 (67,13%) n’ont pas été codées comme des EDS avec
infection urinaire;
– 606 (33,87%) auraient dû être codés avec une infection
urinaire (labo + traitement);
– 90 (5,03%) ont été codés mais apparaissent comme faux
négatifs selon nos critères.
Les 9201 cas, non codés, sans laboratoire positif, mais avec
au moins un médicament s’expliquent par le large emploi
de cette classe de médicaments pour d’autres types d’infections. 595 cas ont eu un examen d’urine positif mais aucun
des traitements retenus n’a été identifié.
Génération des alertes
Si le critère avait été appliqué lors du codage de cette cohorte, 606 messages d’alerte auraient déclenché une analyse du DRG par l’algorithme et dans 96 cas le DRG aurait
été modifié par l’ajout de la comorbidité infection urinaire
(N30.9: Cystite, sans précision) soit 0,21% du total des EDS
de 2009. 79 EDs ont vu leur CW augmenter et 17 EDS ont
un CW diminuée. À condition que les cliniciens aient répondus positivement à la totalité des demandes de précision
dans les RSS, cela aurait représenté une augmentation minimum de 13,91 points cost-weight (corrigé en fonction de
la durée de séjour) soit CHF 166 908.– théorique de facturation supplémentaire.
Discussion et perspectives
Dans ce travail nous voyons qu’une des limites consiste en
l’identification de la comorbidité infection urinaire après la
rédaction du RSS. L’objectif de l’étude se positionne du
point de vue médico-économique et non pas clinique. Il serait souhaitable que l’alerte provienne directement du DPI
et au mieux avant la rédaction des documents de sortie.
Cette fonctionnalité d’aide à la rédaction des RSS n’étant
pas encore implémentée aux HUG nous avons par contre
pu facilement la mettre en œuvre à postériori dans le système information du codage utilisé par seulement 15 personnes.
Par ailleurs nous voyons que près de la moitié des infections
biologiques ne donnent pas lieu à la prescription dans le
DPI des antibiotiques que nous avons sélectionnés. Les pre-
Swiss Medical Informatics 2011; no 71
25
DRG
Tableau 3
Résultats des infections urinaires.
Codé Ul
LABO
MEDIC
NB total
%
0
0
0
35036
76,12
% Labo1
Femmes
%
Hommes
%
19627
78,83
15409
73,25
0
0
1
9201
19,99
4105
16,49
5006
23,80
0
1
0
595
1,29
33,26
425
1,71
170
0,81
1,16
0
1
1
606
1,32
33,87
363
1,46
243
1
1
0
90
0,20
5,03
70
0,28
20
0,10
1
1
1
498
1,08
27,84
309
1,24
189
0,90
588
1789
10305
46026
24899
21037
0 = résultat négatif ou pas d’examen, 1 = résultat positif
mières explications fournies par l’étude des EDS sont assez
simples. Il s’agit de patient pour lesquels le logiciel de prescription n’a pas été utilisé soit du fait que son déploiement
n’était pas encore complet en 2009, soit du fait que les séjours étant courts le traitement a été prescrit sur des ordonnances de sorties rédigées manuellement. Certaines infections n’ont pas données lieu à des traitements antibiotiques
et d’autres étaient des contaminations des prélèvements.
Toutefois cela n’explique pas 100% de ces cas non alertés
qui nécessiteront un affinage des règles d’identifications
des traitements. Les 90 cas codés pour lesquels nous ne retrouvons pas de traitement selon nos critères seront à analyser même si ils ne représentent que 5% de nos cas de labos
positifs. L’étude des données 2010 devrait nous donner plus
de précisions notamment sur la part de ce qui est lié au déploiement et à l’utilisation du logiciel de prescription institutionnel. On constate par ailleurs qu’aucun cas d’infection
urinaire n’a été codé avec des labos négatifs ce qui tend à
montrer que nos critère d’identification biologiques ne ramènent pas de faux négatifs.
Concernant le volet de l’identification, l’ajout de critères
confirmant les infections (leucocyturie, nitrites, CRP, VS,
procalcitonine, etc.) pourrait permettre de retenir plus de
cas notamment dans le groupe des patients ayant des examens de laboratoire négatifs mais ayant reçu des antibiotiques. Cela serait intéressant dans une perspective d’assistance au diagnostic mais ce n’est pas notre objectif qui
reste médico-économique. Dans ce cadre-là, ces patients
ont déjà des DRG avec complication et ne représentent pas
une cible d’amélioration de la facturation par mise en évidence de la complexité du cas.
Par ailleurs nous ne prenons en compte dans les alertes que
la concentration de bactéries la plus strictement significative (≥105 ufc/ml) alors que lors de la conférence de consensus sur les infections nosocomiales de Paris en novembre
2002, il a été établi qu’une bactériurie est à prendre en
considération si elle est ≥103 ufc/ml sous respect strict des
conditions de prélèvement, de transport et d’analyse des
urines [9].
Compte tenu des résultats plutôt encourageants de cette
première phase concernant les infections urinaires, nous
prévoyons d’étendre les alertes sur d’autres comorbidités
en réalisant des algorithmes dédiés concernant les dyskaliémies par exemple ou l’identification des dénutritions
souvent oubliées lors de la rédaction des RSS.
Conclusions
La démarche consistant à prévenir les codeurs d’une comorbité oubliée dans un RSS comme l’infection urinaire à
partir de résultats biologiques issus du système d’information clinique peut paraître simpliste. Cependant regardée
dans l’ensemble des circuits d’informations hospitalières,
elle permet d’augmenter la fiabilité du codage, d’améliorer
la facturation, de favoriser le dialogue entre codeur et cliniciens et au final d’affiner la précision des RSS. Elle rend
attentif ces derniers à rapporter toutes les comorbidités
d’un séjour sans à priori sur leur importance pour un codage plus honnête – car certains séjours ont vu une diminution de leur CW.
Basée sur des données objectives, elle questionne la complexité de l’hôpital. Toutes alertes ne débouchent pas forcément sur un codage. La simplicité du critère permet aux
acteurs de comprendre le pourquoi et le comment de son
déclenchement.
Il ne s’agit pas d’un prélude à la détermination automatique
des codes diagnostics à partir des données, mais d’une démarche vers une détection plus systématique des comorbidités actives et une prise de conscience des enjeux de la documentation sur la facturation des actes réalisés dans les
centres hospitaliers universitaires qui reçoivent des patients
souvent plus délicats à prendre en charge [5, 6] et dont la
complexité doit apparaitre au moment de la facturation.
Références
1 Ch Lovis & al. Codification des diagnostics et procédures: évaluation et implémentation d’une solution globale. Informatique et Santé: Springer-Verlag France, Paris, 1996;(8):99–110.
2 Fetter RB, Freeman JL. Diagnosis Related Groups: Product Line Management within Hospitals. The Academy of Management Review 1986;
11(1):41–54.
3 Wennbero JE, McPherson K, Caper P. Will Payment Based on DiagnosisRelated Groups Control Hospital Costs? N Engl J Med. 1984;311:295–300.
4 Huber ZS. In: Système de santé suisse: formation et maîtrise des coûts. Peter Lang SA ed. Éditions Scientifiques Européennes. Berne 2005:127–64.
5 Valderas JM, et al. Defining Comorbidity: Implications for Understanding
Health and Health Services. Ann Fam Med. 2009;7:357–63.
6 Hensen P, et al. Introduction of diagnosis-related groups in Germany: evaluation of impact on in-patient care in a dermatological setting. Eur J Public
Health. 2008;18(1):85–91.
7 Trolliard P, et al. Risques, Technologies de l’Information pour les Pratiques
Médicales, Informatique et Santé. 2009;17(1):15–22.
8 Kasper DL, et al. In: Harrison’s Manual of Medicine. McGraw-Hill Medical
Publishing Division. New-York 2005:724–8.
9 Bruyère F, et al. Généralités sur les infections bactériennes urinaires de
l’adulte. Progrès en Urologie 2008;18(Suppl. 1):S4–S8.
Swiss Medical Informatics 2011; no 71
26