Méthodes de détection des infections du site - CClin Sud-Est
publicité
Méthodes de détection des infections du site opératoire par utilisation combinée des bases de données hospitalières Journée du réseau CCLIN Sud-Est ISO 05 avril 2012, Lyon Dr MH Metzger Unité d’hygiène et Epidémiologie Groupement Hospitalier Nord UHE GHN 05/04/2012 Contexte UHE GHN 05/04/2012 • Surveillance fondée essentiellement sur un recueil papier • Adaptée des protocoles du CDC avec de nombreux facteurs d’ajustement épidémiologiques, nécessitant un recueil chez TOUTES les personnes à risque de la population surveillée • Problèmes de faisabilité et de validité des données, notamment en secteur chirurgical • Certaines définitions reposent sur un jugement clinique subjectif induisant une variabilité inter-observateur • Estimation dans la littérature internationale, qu’un tiers des infections nosocomiales ne sont pas recueillies • ⇒ automatiser les procédures de recueil pour alléger le temps de recueil et améliorer la standardisation des paramètres recueillis Contexte : plan stratégique national 2009-2013 • UHE GHN 05/04/2012 Renforcement d’un dispositif de repérage et de suivi épidémiologique interne reposant sur l’exploitation de données existantes dans le système d’information hospitalier Traduction en objectif quantifié : programme national 2009-2013 • Objectif quantifié de moyens et processus – En 2012, 95% des établissements chirurgicaux intègrent le suivi des infections du site opératoire dans leur système d’information hospitalier – Introduction dans SURVISO 2 UHE GHN 05/04/2012 Objectifs • Evaluer les taux d’infections nosocomiales et suivre leurs évolutions temporelles • Détecter la survenue de cas groupés – En utilisant des alternatives méthodologiques s’appuyant sur le système d’information hospitalier • • • • • Base de données administrative Dossier patient informatisé Bases de données bactériologiques Bases de données microbiologiques Bases de données médicamenteuses (prescriptions antibiotiques) • Base de données médico-économique • Gestionnaire du bloc opératoire per-opératoire…. UHE GHN 05/04/2012 Description du dispositif de surveillance intégrée en chirurgie aux HCL Phase 2006 - 2010 UHE GHN 05/04/2012 Méthodologie UHE GHN 05/04/2012 • Spécialités concernés par l’expérimentation Chirurgie Obstétrique • Méthodologie de surveillance Protocole national en chirurgie (Réseau national d'Alerte, d'Investigation et de Surveillance des Infections Nosocomiales - RAISIN) Protocole CCLIN Sud Est en obstétrique • Calendrier Expérimentation dans 2 services pilote de chirurgie et 2 services d’obstétrique : fin 2006 – 2007 Déploiement en obstétrique : 2008 - 2009 Déploiement en chirurgie : 2009 – 2010 Données recueillies en chirurgie • • UHE GHN 05/04/2012 Numérateur : caractéristiques de l’infection – Date d’infection – Site d’infection – Microorganisme isolé – Reprise chirurgicale Dénominateur – Données administratives » Date de naissance, sexe » dates d’entrée dans l’établissement » Date de sortie du service » Statut vivant/décédé à la sortie du service » Date de dernier contact – Données médicales » Date et type d’intervention » Facteurs de risque liés au patient » Facteurs de risque liés à l’intervention Dossier médical Informatisé GULPER SIH administratif Gestionnaire bloc opératoire IPOP Systèmes source de production : IPOP (gestion bloc per-opératoire) – Facteurs de risque liés au patient » âge, sexe, » score ASA » classe de contamination UHE GHN 05/04/2012 – Facteurs de risque liés à l’intervention » type et durée d’intervention » Intervention en urgence » implant /prothèse Systèmes source de production : dossier informatisé patient GULPER Alimentation Automatisée IPOP Alimentation manuelle UHE GHN 05/04/2012 Circuit d’information UHE GHN 05/04/2012 Retour d’information dans les services rapports automatisés • Rapport mensuel surveillance numérateur Détection cas groupés Description clinique détaillée de chaque cas UHE GHN 05/04/2012 • Rapport semestriel taux d’infections nosocomiales Description des facteurs de risque Bilan : Intérêts et limites du dispositif Intérêts - Exhaustivité du recueil du dénominateur - Bonne qualité du recueil de facteurs de risque correspondant à des paramètres saisis en routine pour d’autres usages - Gain de temps de travail sur la saisie et la restitution des données pour la surveillance des infections nosocomiales Limites - Recueil numérateur continue à reposer sur la déclaration active des cliniciens • Suppose l’adhésion du personnel médical au dossier médical informatisé : difficile particulièrement en chirurgie - Facteurs de risque spécifiques à la surveillance UHE GHN 05/04/2012 - Accompagnement par l’équipe opérationnelle d’hygiène Perspectives diversification des sources de données UHE GHN 05/04/2012 • Couplage dispositif déclaration active + Repérage indirect des infections par croisement avec d’autres bases de données du SIH Bactériologie (STARE) : développement en cours Prescription antibiotique (OPIUM) : développement prévu Dossier informatisé de soins infirmiers (pics thermiques, pansements…) • Exploitation automatisée des documents textes stockés dans le dossier médical informatisé (« fouille de données ») Repérage de l’infection nosocomiale dans les documents textuels du dossier patient (comptes rendus opératoires, comptes hospitaliers, lettres de consultation…) : projet de recherche ALADIN financé par l’ANR Repérage des ISO par croisement de bases de données hospitalières structurées Source : Gerbier S, Bourjault M, Cêtre JC, Baulieux J, Metzger MH Evaluation study of different strategies for detecting Surgical Site Infections using the Hospital Information System at Lyon University hospital (France) Annals of Surgery 2012 UHE GHN 05/04/2012 Algorithmes de détection des ISO UHE GHN 05/04/2012 • Données – cohorte rétrospective de 446 patients opérés consécutivement durant le 1er semestre 2007 dans un service de chirurgie générale de 56 lits à l’hôpital de la CroixRousse. – les patients étaient suivis pendant 30 jours après l’intervention. • Sources de données – Notification des chirurgiens dans le cadre de la surveillance des ISO mis en place dans le service – Base de données bactériologique – Base de données de prescriptions antibiotiques – Base de données PMSI • Gold standard – Revue manuelle des 446 dossiers par un médecin hygiéniste Algorithme de détection reposant sur la base de données bactériologiques • Décision de prescrire un examen bactériologique reposait sur le jugement clinique du chirurgien et n’était pas dicté par un protocole. • L’algorithme de détection reposait sur 2 étapes – sélection des types de prélèvements bactériologiques pertinents pour une suspicion d’ISO : • • • • • Prélèvement au niveau de l’incision Prélèvement au niveau d’un drain Prélèvement per-opératoire Hémoculture Liquide ou tissu – sélection des prélèvements à culture positive UHE GHN 05/04/2012 Algorithme de détection reposant sur la base de prescription médicamenteuse • • • UHE GHN 05/04/2012 Le module OPIUM (Cristal-Net) de gestion des prescriptions gère tout type de prescriptions (médicamenteuses, soins, examens…). Les prescriptions médicamenteuses étant codées avec la classification ATC (anatomique, thérapeutique et chimique) L’algorithme de détection reposait sur 2 étapes : – Sélection des antibiotiques à usage systémiques (ATC J01) – Pour limiter le nombre de faux positifs qui seraient liés à l’antibioprophylaxie de l’intervention, les antibiothérapies retenues sont celles qui ont débuté au moins 24 heures après l’intervention. – Ont aussi été exclues les prescriptions d’érythromycine qui visaient uniquement à améliorer la vidange digestive chez les patients ayant eu une intervention touchant l’œsophage ou l’estomac. Repérage des ISO par utilisation du PMSI • Codes PMSI selon les recommandations du rapport du CCLIN SudOuest : apport du système d’information médicalisé dans la surveillance en hygiène hospitalière 2009 T814 T815 T816 T826 T827 T835 T836 T845 T846 T847 T857 O860 Infection après un acte à visée diagnostique et thérapeutique, non classée ailleurs Corps étranger laissé accidentellement dans une cavité corporelle ou une plaie opératoire à la suite d'un acte à visée diagnostique et thérapeutique Réaction aiguë à une substance étrangère laissée accidentellement au cours d'un acte à visée diagnostique et thérapeutique Infection et réaction inflammatoire dues à une prothèse valvulaire cardiaque Infection et réaction inflammatoire dues à d’autres prothèses, implants et greffes cardiaques et vasculaires Infection et réaction inflammatoire dues à une prothèse, un implant et une greffe de l'appareil urinaire Infection et réaction inflammatoire dues à une prothèse, un implant et une greffe de l'appareil génital Infection et réaction inflammatoire dues à une prothèse articulaire interne Infection et réaction inflammatoire dues à un appareil de fixation interne [toute localisation] Infection et réaction inflammatoire dues à d'autres prothèses, implants et greffes orthopédiques internes Infection et réaction inflammatoire dues à d'autres prothèses, implants et greffes internes Infection d'une plaie d'origine obstétricale chirurgicale UHE GHN 05/04/2012 Source : Gerbier S et al. Intérêt de l’utilisation des données du Programme Médicalisé des Systèmes d’Information (PMSI) pour la surveillance des Infections Nosocomiales aux Hospices Civils de Lyon - Rev Epidemiol Sante Publique. 2011 Feb;59(1):3-14. Sensibilité et spécificité • La sensibilité et spécificité de la détection des ISO étaient respectivement : – Notification par les chirurgiens : • 18.4% (95% CI: 7.9-31.6) et 100% – Cultures positives des prélèvements sélectionnés : • 63.2% (95% CI: 47.3 – 78.9) et 95.1% (95% CI: 92.9 – 97.1) – Prescriptions antibiotiques : • 68.4% (95% CI: 52.6 – 81.6) et 87.5% (95% CI: 84.3 – 90.7) – Codes diagnostics PMSI : • 26.3% (95% CI: 13.2 – 42.1) et 99.5% (95% CI: 98.8 – 100) • UHE GHN 05/04/2012 En combinant les 3 sources (bactériologie, prescriptions antibiotiques, PMSI) – Sensibilité : 86.8% (95% CI: 76.3 – 97.4) – Spécificité : 85.5% (95% CI: 82.1 – 89.0). Chirurgie digestive HCL Combinaison de 3 sources (positive cultures, ATB, diagnostic PMSI) : Se : 86.8% (76.3 – 97.4) Sp : 85.5% (82.1 – 89.0) UHE GHN 05/04/2012 Impact en charge de travail • Sur la période de suivi des 5 mois de cette étude : – cette stratégie aurait détecté 92 ISO potentielles dont 33 vrais positifs. – revue moyenne de 18 dossiers médicaux par mois pour la détection de 6 vrais positifs. – La charge de travail associée avec ce dispositif est donc largement diminuée par rapport à une revue manuelle systématique de 446 dossiers sur une période de 5 mois. • Combinaison de ces 3 sources de données = stratégie recommandée pour la surveillance de ce service UHE GHN 05/04/2012 Projet ALADIN - DTH Assistant de Lutte Automatisé et de Détection des Infections Nosocomiales à partir de Documents Textuels Hospitaliers Programme TECSAN – ANR (http://www.aladin-project.eu/ ) UHE GHN 05/04/2012 Objectif • Objectif principal – Mettre au point et évaluer un système de détection des cas potentiels d’infections associés aux soins (IAS) par traitement automatique des données textuelles en langage naturel • Objectifs secondaires UHE GHN 05/04/2012 – Proposer un outil d’évaluation des pratiques professionnelles, en mettant à disposition des cliniciens et des équipes opérationnelles d’hygiène, les données médicales nécessaires à la caractérisation des IAS repérées par le système (caractère nosocomial ou non, imputabilité) – Proposer une structuration des comptes rendus d’hospitalisation et des lettres de consultation qui améliorent le potentiel de détection automatique des IAS Consortium ALADIN Traitement Automatique du Langage et Extraction d’Informations dans les Textes Pôle Médical CHU - Lille CHU - Lyon CHU – Rouen CHU - Nice Informatique Médicale Hôpitaux participant au projet comme prestataires Durée du projet : Janvier 2009 – Décembre 2011 UHE GHN 05/04/2012 Les 2 phases du projet UHE GHN 05/04/2012 • Phase de conception – programmer les algorithmes nécessaires aux besoins de détection de cas d’infection associée aux soins – tester l’outil de traitement automatique de données textuelles sur des comptes rendus d’hospitalisation, lettres de consultation post-opératoire, comptes rendus opératoires, comptes rendus d’imagerie, – N = 792 dossiers • Phase d’étude de validité – en termes de sensibilité et spécificité d’une méthode de détection des cas potentiels d’IAS basée sur le traitement automatique de données textuelles hospitalières – Le gold standard utilisé pour cette étude de performances est l’analyse manuelle du compte rendu réalisé de façon indépendante par 2 médecins investigateurs de l’étude. – N= 815 dossiers Population cible Etude multicentrique avec participation de 4 CHU français – – – – CHU Lille CHU Lyon CHU Nice CHU Rouen • Population hospitalisée dans des secteurs à haut risque infectieux – – – – UHE GHN 05/04/2012 Réanimation Chirurgie orthopédique Chirurgie digestive Neurochirurgie Principe de l’outil de détection Compte rendu de sortie de réanimation Détection par extracteur sémantique A T+ 11 jours de son entrée, le patient Symptômes/diagnostic s’est réencombré et malgré l’aspiration «réencombré», «pneumopathie» trachéo-bronchique, il a été nécessaire Micro-organismes de le réintuber. Mise en évidence d’une «Pseudomonas aeruginosa» pneumopathie à Pseudomonas Antibiotiques « antibiothérapie » aeruginosa. Une antibiothérapie par «Fortum», «Amiklin» Fortum et Amiklin a été débutée à T+12 jours. Règle de décision / data mining Suspicion d’IN Probabilité : 0.05 Symptômes/Diagnostic «réencombré» «pneumopathie» UHE GHN 05/04/2012 Probabilité : 0.70 Micro-organisme Pseudomonas aeruginosa» Probabilité : 0.05 Antibiotiques « antibiothérapie «Fortum», «Amiklin» Règles de décisions sémantiques • Exemple – « on trouve au moins une des entités INFECTION, ANTIBIOTIQUE, ANTISEPTIQUE, GERME_INFECTIEUX, EXAMEN_BACTERIOLOGIQUE postérieure à la date d’intervention dans le document » • UHE GHN 05/04/2012 Source – Proux D, Hagège C, Gicquel Q, Kergourlay I, Pereira S, Rondeau G, Darmoni S, Segond F, Metzger MH. ALADIN : Développement d’un outil sémantique d’analyse des documents textuels médicaux pour la détection d’infections associées aux soins. IRBM 2012, In press exemple de traitement par l’analyseur sémantique Factspotter UHE GHN 05/04/2012 Elaboration de règles de repérage par techniques de data-mining • Règles en cours d’élaboration sur les 4 spécialités • En orthopédie, – jeu d’apprentissage : n= 98 ISO et n= 88 non ISO – tirage au sort dans la base test ALADIN de 100 cas d’ISO et de 100 sujets sans ISO • Le codage des entités médicales des comptes rendus a été effectué par 2 annotateurs indépendants utilisant un serveur médical multiterminologique (CISMeF) • Le métathésaurus Unified Medical Language System (UMLS®) a ensuite été utilisé pour permettre le regroupement des termes médicaux synonymes ainsi qu’un regroupement hiérarchique des symptômes et diagnostics. UHE GHN 05/04/2012 Conclusion UHE GHN 05/04/2012 Le SIH peut être utilisé pour le repérage des IN en prenant certaines précautions d’implémentation UHE GHN 05/04/2012 • Les algorithmes de détection doivent être adaptés au type de chirurgie (cf césarienne vs pontage coronarien) • Avant la mise en place d’un nouveau dispositif de surveillance en routine, nécessité d’évaluer le nouveau dispositif prévu – Dans les conditions du service dans lequel la surveillance devra être mise en place – Tenant compte des spécificités organisationnelles et de pratiques du service considéré • Réévaluation périodique à envisager pour tenir compte de l’évolution des pratiques et de l’ajustement des algorithmes Le SIH peut être utilisé pour le repérage des IN en prenant certaines précautions d’implémentation • Intérêt en termes d’alerte/signalement interne et de surveillance : – 1er temps : pendant le séjour du patient : • BAC, ATB • Contribue à la réactivité face à une détection d’IN / alerte / signalement interne – UHE GHN 05/04/2012 2ème temps : à la sortie du patient, consultation posthospitalière, réadmission • PMSI, comptes rendus de sortie • comptes rendus opératoires de reprise • Exploitation du dossier médical si variables structurées • Complément de données de surveillance épidémiologique Conclusion • • • • • UHE GHN 05/04/2012 Pas de méthode de surveillance « parfaite » Intérêt de diversifier les méthodes de repérage pour augmenter la sensibilité de la surveillance tout en maintenant une VPP acceptable - Déclaration active des cliniciens - Exploitation des bases de données hospitalières : bactériologique, prescriptions médicamenteuses, base de données médico-administratives, données textuelles médicales Mise en place progressive du dispositif automatisé – Adapté à chaque spécialité – Avec évaluation des performances avant mise en place en routine du dispositif Nécessité de maintenir un processus de validation médicale des cas repérés Nécessité de proposer des algorithmes de détection standardisés à un niveau national
