Détection automatique d`infections urinaires dans le cadre du

DRG
23
Summary
Geneva University Hospital uses the diagnosisrelated
group (DRG) as the cornerstone of its billing system. Con-
ventional international use of DRGcalculation is based on
alist of diagnoses andinterventions quoted in the patient’s
hospital discharge documents. In Switzerland we codethe
information using aGerman instantiation of the interna-
tional classification of diseases (ICD10) with adictionary of
actsand interventions called CHOP2011. The codes are
chosen manually by professional coders from all the docu-
ments accessible in our electronic health record (HER). Pa-
tients who are more seriously ill tend to require more hos-
pital resources than those who are less seriously ill, even
thoughthey may be hospitalised for the same reason.
Recognising this, the diagnosis-related group (DRG) man-
ual splits certain DRGs based on the presence of secondary
diagnoses for specific complications or comorbidities (CC).
Comorbidities are of major importancewhen it is necessary
to compute the DRGofaparticular hospital stay.Comor-
bidities carry considerable weight in determining the rea-
sonable length of hospitalisation and its cost. Some comor-
bidities are frequently forgotten on the hospital discharge
summaries, being so common and easy to manage that doc-
tors often neglecttomention them. However,itispossible
to recreate them from the hospital information system data
warehouse. In this paper we show that an alert can be cre-
ated regarding urinaryinfections using automated diagno-
sis from the EHRvia acomputer-aided decision support
system (DSS). Based on very strict biological results and
prescribing criteria, in 2009 we wereable to identify 606
realurinaryinfectionswhichshouldhave figured in our dis-
charge summaries butdid not. After beingincluded into the
coding process, 97 of these urinaryinfections influenced
the final outcome of the DRG, resulting in additional income
in 2009. Thiscould mean an annual benefit of more than
CHF160K per year using this type of alert system for this
pathologyalone. On this basisweintend to extend this study
to other comorbidities suchasdyskalaemias, haemor-
rhages or malnutrition.
Key words:DRG; comorbidités; cost-weight; infectionsuri-
naires; codage; détection automatisée
ACM: H.2.8 Database Applications, datamining.
Introduction
Aux Hôpitaux Universitaires de Genève (HUG), l’introduc-
tiond’une facturation par groupeshomogènes de diagnos-
tic (diagnosis related groups ou DRG) aeuetaencored’im-
portantesrépercussions sur les circuits d’information [1].
Le calcul du DRGsefait sur la base d’une liste de diagnostics
et d’interventions présents dans les documents de sortiedu
patient, codésgrâce àl’emploidedictionnaires(CIM10-
GM, CHOP11). Les codessont choisis par des codeurspro-
fessionnels, aprèsanalyse des documents de sorties néces-
saires: les résumés standarddesortie(RSS). Ces documents
procèdentinitialement de l’échange d’informations médi-
cales et sont incidemment utilisés pourfairedelafactura-
tion.
Ce système, àl’originedelatarification àl’activitédepuis
2004 en France, aété employé en AmériqueduNord,de-
puis 1983, pourdéterminer combien l’assurance-maladie
paye aux établissements de santé. L’objectif original des
DRGétait de développer un système de classification des
patients séparant les patients avec leur traitement en
groupes définiscliniquement (regrouper les patients en
groupes homogènes sur le plan médical) et les coûts de trai-
tement 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 àrendrel’ac-
tivité lisible,ettransparente.L’améliorationdelaqualité
des soins et le benchmarking ontégalementincité les hos-
pitalierseuropéensàintroduire les DRGs.
La facturation par DRGneconcerne queles 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 adminis-
tratifdupatient (DPA). L’ensemble du processusdedocu-
mentation clinique est, quant àlui, centralisée dansledos-
sier patient informatisé (DPI). Ainsi pourles patients sortis,
une foisladocumentation réalisée dans tous les services du
séjour,lecas est aléatoirement attribuéàuncodeur. La rè-
gle veut que le codeur ne puise l’information que dansles
lettres de sortieoudes comptes rendus opératoires, en tous
cas dans une source émanant d’une autorité médicale et
ayant signé numériquement le document.
Swiss Medical Informatics 2011 ;n
o71
Détection automatique d’infections urinaires
dans le cadreducodageAPDRGetSwissDRG
Philippe Rossier,Gilles Cohen, Rodolphe Meyer
Hôpitaux Universitaires de Genève,Direction de l’Analyse Médico-Economique
Correspondance:
Rodolphe Meyer, MD,PhD
Hôpitaux Universitaires de Genève –D.A.M.E. –DTSD
RueGabrielle-Perret-Gentil 4
CH-1211Genève 14
rodolphe.meye[email protected]h

DRG
24
Quand le codeur estime quetoutes les informations perti-
nentes ont étés saisies pourtous les services médicauxdu
séjour,ildéclarelecodageterminé. Une synthèse électro-
nique est transmise àunprogrammenommé groupeur qui
calcule le DRG. Ensuite le dossier est transmisausystème
OPALE quiadresse lesfactures aux débiteurs des HUG.
Problématique
Le groupage en DRGfait appel àuncalculcombinant diag-
nosticsetactescodés lorsqu’ils existent [4].Leproblème
auquelles HUGdoivent faire facerésidedans la qualité des
RSS. En effet ce sont des résumés. Il est donc implicite qu’ils
ne contiendront pas toute l’activité réalisée pourunpatient
durant son EDSmais les problématiques marquantes ou
quifont du sens pourleclinicien rédacteur. Ce sens étant
souvent celui de sa spécialité.Uncardiologue ne mention-
nera pas toujours une petite hypokaliémie durant un EDS
d’infarctus massif.Demême un neurochirurgien ne focali-
sera pas son compte rendusur l’infection urinaire de sa pa-
tientevenue pourune embarrure avec coma stade 2.
C’est naturel, mais pénalisant car la construction des DRG
se faitaussisur la basedes comorbidités actives durant le
séjour.Certains séjoursvoient leur catégoriedeDRG chan-
gerselonlapriseen comptede certainescomorbiditésd’ap-
parence banale, et passent du DRG simple au DRG avec
complication. Danslecadred’un remboursementpar 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 urgenceversusce-
lui des soins électifs [5, 6].
Hypothèses de travail
Certaines de ces comorbités sont décelables àpartirdedon-
nées objectives présentes dans le dossier patient informa-
tisé (DPI)dusystème d’information des HUG[7]. Nous nous
proposons donc d’améliorer les RSSàpartirdedonnées de
laboratoire, de prescription de médicaments, etc. conte-
nues dans les bases d’archivage.
Il s’agit d’analyser toutes les données recueillies pourun
patientaucoursdeson séjour et d’ytester les indices de la
présence de quelques complications. Pourchaquetype de
comorbité àmettre en évidence, nous cherchons un critère
plausible d’alerte aux codeursencas de suspicion de cette
comorbité. Ce critèredoit être simple pourque lesacteurs
puissentenconnaîtrelaraison. Suffisamment largepour
ne pas rater des cas évidents et assez finpour ne pas inon-
der le codeur de messages inutiles.
Méthodologie
Dans le cas présent nous avons choisi de rechercher les in-
fections urinaires identifiables dans le DPI. Le système d’in-
formation ne contient pas la tracedel’intentiondumédecin
et nous ne connaissons pas la complexité de la situation cli-
nique, ni le contexte. Nous ne savons pas si les éléments
identifiable furent réalisés dans un butdetest àpriori, de
bilan, de contrôle ou de surveillance thérapeutique. Le but
n’est doncpas de choisir automatiquement quel code
CIM10 est le plusrelevant de la maladiemais d’avertirle
codeur qui aaumoins lu la lettre de sortie, si àpartirdes
données du DPIilyaune possible infection urinaire. Cette
alerte ne surviendra ensuite qu’après le groupage du cas
par le codeur et seulement si l’ajoutdel’infectionurinaire
fait basculerleDRG de simple àcompliqué. Si le DRGest
déjà compliqué, il n’y aurapas d’alerte. En cas d’alerte, le
codeur n’est pas autorisé àmodifier lui-même le codage, il
devrademander quedes précisions soient ajoutées par le
clinicien au RSS. Si le clinicien confirme bien quelepatient
aeuune infection urinaire durant son séjour le RSSsera
modifiéetrecodéenconséquence. Ces différentes étapes
sont résumées dans l’algorithme décisionnel de la figure 1.
Critères infections urinaires
Comme critère d’infectionurinaire probable [8], nous rete-
nons lesEDS avec:
–aumoins un résultat de laboratoiredebactériologie com-
portant une bactériurie supérieureouégaleà10
5bacté-
ries par millilitre avec lesbactéries urinaires les plusclas-
siques (Escherichia coli,Staphylococcus saprophyticus,
Proteus mirabilis, Klebsiella spp,Enterobacter spp,Pro-
teus vulgaris,Morganella morganii,Serratia spp,Citro-
bacter spp, Providencia stuartii, Pseudomonas aerugi-
nosa,Enterococcus spp et Staphylococcusaureus);
–et une prescriptiond’antibiotiquesclassiquement utili-
sés dans les infections urinaires (ATC:J01) concomitante
(avant, pendant ou suivant l’analyse de laboratoiremais
dans le même EDS).
Swiss Medical Informatics 2011 ;n
o71
Ta bleau 1
Codes CIM10des infections urinaires.
CDCIM10Libellé
A56.0 Infection àChlamydia de la partie inférieure de
l’appareil génito-urinaire
A56.1 Infection àChlamydia, pelvi-péritonéale et des autres
organes génito-urinaires
A56.2 Infection àChlamydia 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

DRG
25
Critères d’alerte
Au cours de son codage si le codeur entre les codes CIM10-
GM du tableau 1, le cas sera considérécomme codépar le
système d’alerte n’entrainant pas la recherche de l’infec-
tion urinaire dans DPI. Dans le cas contraireilira regarder
si lescritères de bactériurie existent et si un antibiotique
du tableau 2est utilisé dans l’EDS.Encas de double réponse
positive le système procédera àune analyse du DRGcodé.
Si c’est un DRGsimple(sans complication) il procèdeàune
simulation de groupage avec un codedutableau 1etsile
DRG estchangé il alerteralecodeurpour qu’ildemande
une précision au clinicien. Le codage définitif sera réalisé
en fonction de cette précision.
Résultats
Identificationdes infections urinaires
Le systèmeest en cours d’implémentation aux HUG, nous
avons donc effectuéune simulation de son utilisation sur
les données de l’année 2009 en considérant comme incon-
testables les comorbidités déjà inscrites par les codeursdes
HUG.
Surces 46026 séjours27409 ont eu un examen urinaire
(59,6%), dont 1789 avec un résultat au moins une foispo-
sitif(3,89% des séjours) selon nos critères.
Surces 1789 EDSpossédant une bactériurie significative:
–588 (32,87%) ont été codées comme des EDSavec infec-
tion urinaire;
–1201 (67,13%) n’ont pas été codées comme des EDSavec
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 laboratoirepositif, mais avec
au moins un médicament s’expliquent par le largeemploi
de cette classe de médicaments pourd’autres types d’infec-
tions.595 cas ont eu un examen d’urine positif mais aucun
des traitements retenusn’a étéidentifié.
Génération des alertes
Si le critère avait étéappliqué lors du codage de cette co-
horte,606 messages d’alerte auraient déclenché une ana-
lyse du DRGpar l’algorithme et dans 96 cas le DRGaurait
étémodifiépar l’ajoutdelacomorbidité infection urinaire
(N30.9: Cystite, sans précision) soit 0,21% du total des EDS
de 2009. 79 EDsont vu leur CW augmenter et 17 EDSont
un CW diminuée. Àcondition queles cliniciens aient répon-
duspositivement àlatotalité des demandes de précision
dans les RSS, cela aurait représenté une augmentation mi-
nimumde13,91 points cost-weight (corrigéenfonction de
la durée de séjour)soit CHF166 908.– théoriquedefactu-
ration supplémentaire.
Discussion et perspectives
Danscetravail nous voyons qu’une des limitesconsiste 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 se-
raitsouhaitable quel’alerteprovienne directementduDPI
et au mieux avantlarédaction des documents de sortie.
Cette fonctionnalité d’aideàlarédaction des RSSn’étant
pas encore implémentéeaux HUG nous avonspar contre
pu facilement la mettre en œuvre àpostériori dans le sys-
tème information du codage utilisé par seulement 15 per-
sonnes.
Par ailleurs nous voyons queprès de la moitié des infections
biologiquesnedonnent pas lieu àlaprescriptiondans le
DPIdes antibiotiques quenous avons sélectionnés. Les pre-
Swiss Medical Informatics 2011 ;n
o71
Ta bleau 2
Antibiotiques ATC-J01.
ATCLibellé
J01CR02 amoxicilline +acide clavulanique
J01DA13ceftriaxone
J01XD01métronidazole
J01MA02 ciprofloxacine
J01EE01co-trimoxazole
J01DH51 imipénem +cilastatine
J01DA06 céfuroxime
J01XA02 vancomycine
J01CA04 amoxicilline
J01FA09 clarithromycine
Figure1
Algorithme décisionnel.

DRG
26
mières explications fournies par l’étude des EDSsont assez
simples. Il s’agit de patient pourlesquels le logiciel de pres-
cription n’a pas été utilisé soit du faitque sondéploiement
n’étaitpas encorecomplet en 2009, soit du faitque lessé-
joursétant courts le traitement aété prescrit sur des ordon-
nances de sorties rédigées manuellement. Certaines infec-
tions n’ont pas données lieu àdes traitements antibiotiques
et d’autres étaient des contaminations des prélèvements.
Toutefois celan’explique pas 100% de ces cas nonalertés
quinécessiteront un affinagedes règles d’identifications
des traitements. Les 90 cas codés pourlesquels nous ne re-
trouvons pas de traitement selon nos critères seront àana-
lyser même si ils ne représentent que5%denos cas de labos
positifs. L’étudedes données 2010 devrait nous donner plus
de précisions notamment sur la partdecequi estlié au dé-
ploiementetàl’utilisationdulogiciel de prescription insti-
tutionnel. On constate par ailleurs qu’aucuncas d’infection
urinaire n’a été codéavec des labos négatifs ce quitend à
montrer quenos critèred’identificationbiologiquesnera-
mènent pas de fauxnégatifs.
Concernant le volet de l’identification, l’ajoutdecritères
confirmant lesinfections (leucocyturie, nitrites, CRP, VS,
procalcitonine, etc.)pourraitpermettrederetenir plusde
cas notammentdans le groupedes patients ayant des exa-
mens de laboratoirenégatifs mais ayant reçudes antibio-
tiques. Cela seraitintéressant dans une perspective d’as-
sistanceaudiagnostic mais ce n’est pas notre objectif qui
reste médico-économique.Dans ce cadre-là, ces patients
ont déjà des DRGavec complication et ne représentent pas
une cible d’amélioration de la facturation par mise en évi-
dencedelacomplexité du cas.
Par ailleurs nous ne prenons en compte dans les alertes que
la concentration de bactéries la plusstrictement significa-
tive (≥105ufc/ml) alors quelors de la conférencedeconsen-
sus sur les infections nosocomiales de Paris en novembre
2002, il aété établi qu’une bactériurie est àprendre en
considération si elle est ≥103ufc/mlsous respect strict des
conditions de prélèvement, de transport et d’analyse des
urines [9].
Compte tenu des résultats plutôt encourageants de cette
premièrephase concernant les infections urinaires, nous
prévoyons d’étendreles alertes sur d’autres comorbidités
en réalisant des algorithmes dédiés concernant les dyska-
liémies par exemple ou l’identification des dénutritions
souvent oubliées lors de la rédaction des RSS.
Conclusions
La démarche consistant àprévenir lescodeurs d’une co-
morbité oubliée dans un RSScomme l’infection urinaire à
partir de résultats biologiques issusdusystème d’informa-
tion clinique peutparaître 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 dialogueentre codeur et cli-
niciens et au final d’affiner la précision des RSS. Elle rend
attentif ces derniersàrapporter toutes les comorbidités
d’un séjour sans àpriori sur leur importance pour un co-
dage plus honnête–car certains séjoursont vu une dimi-
nution de leur CW.
Basée sur des données objectives, elle questionne la com-
plexité de l’hôpital. Toutesalertes ne débouchent pas for-
cément sur un codage. La simplicité du critèrepermet aux
acteurs de comprendre le pourquoi et le comment de son
déclenchement.
Il ne s’agit pas d’un préludeàladétermination automatique
des codes diagnostics àpartirdes données, mais d’une dé-
marche vers une détection plussystématique des comorbi-
dités actives et une prise de consciencedes enjeux de la do-
cumentation sur la facturation des actes réalisés dans les
centreshospitaliersuniversitaires quireçoivent des patients
souvent plusdélicats àprendre en charge [5, 6] et dontla
complexité doit apparaitre au moment de la facturation.
Références
1ChLovis &al. Codification des diagnostics et procédures: évaluation et im-
plémentation d’une solution globale. InformatiqueetSanté: Springer-Ver-
lag France, Paris, 1996;(8):99–110.
2Fetter RB,FreemanJL. Diagnosis Related Groups: Product Line Manage-
ment within Hospitals.The Academy of Management Review 1986;
11(1):41–54.
3WennberoJE, McPhersonK,Caper P. Will Payment Based on Diagnosis-
Related Groups Control Hospital Costs? NEngl JMed. 1984;311:295–300.
4Huber ZS. In: Système de santésuisse: formation et maîtrisedes coûts. Pe-
ter Lang SA ed. Éditions Scientifiques Européennes. Berne 2005:127–64.
5Valderas JM,etal. Defining Comorbidity: Implications for Understanding
Health and Health Services. Ann Fam Med.2009;7:357–63.
6Hensen P, et al. Introduction of diagnosis-related groupsinGermany: eva-
luation of impact on in-patient careinadermatological setting.Eur JPublic
Health. 2008;18(1):85–91.
7Trolliard P, et al. Risques, Technologiesdel’Informationpour les Pratiques
Médicales, InformatiqueetSanté. 2009;17(1):15–22.
8Kasper DL,etal. In: Harrison’sManual of Medicine. McGraw-Hill Medical
Publishing Division. New-York 2005:724–8.
9Bruyère F, et al. Généralités sur les infections bactériennes urinaires de
l’adulte. Progrès en Urologie2008;18(Suppl. 1):S4–S8.
Swiss Medical Informatics 2011 ;n
o71
Ta bleau 3
Résultats des infections urinaires.
Codé Ul LABO MEDIC NB total %%Labo1 Femmes %Hommes %
0003
5036 76,1219627 78,83 15409 73,25
001920119,99 4105 16,49 5006 23,80
0105
95 1,29 33,26 425 1,71 1700,81
0116
06 1,32 33,87 363 1,46 243 1,16
110900,20 5,03 70 0,28 20 0,10
1114
98 1,08 27,84 309 1,24 1890,90
588 1789 10305 46026 24899 21037
0=résultat négatif ou pas d’examen, 1=résultat positif