Contribution à la modélisation des durées de séjour du CHU de Grenoble

Contribution to the modelling of lengths of stay at Grenoble University Hospital

• Auteur / Autrice : Cécile Delhumeau
• Direction : Jacques Demongeot
• Type : Thèse de doctorat
• Discipline(s) : Génie biologique et médical
• Date : Soutenance en 2002
• Etablissement(s) : Université Joseph Fourier (Grenoble ; 1971-2015)

Mots clés

Mots clés contrôlés

Hospitalisation

Mots clés libres

Points indice synthétique d'activité (ISA)

Groupe homogène de malades (GHM)

Analyse discriminante

Prospective payment system

Diagnosis related groups (DRG)

Discriminant analysis

Résumé

Cette thèse propose une méthodologie permettant l'identification des groupes homogènes de malades (GHM) du Centre Hospitalier Universitaire (CHU) de Grenoble dont la durée de séjour (DS) s'écarte de la ''référence nationale'', mais aussi d'identifier la présence d'éventuels groupes d'''outliers'' (patients avec des DS extrêmes) dans ces GHM. L'enjeu est de taille : des séjours longs entrainent une occupation des lits supérieure à ce que permet la valorisation financière correspondant à la pathologie prise en charge. Il est donc important de repérer ces GHM, responsables du coût élevé du point Indice Synthétique d' Activité (ISA), unité d'oeuvre des hôpitaux utilisée par le Programme de Médicalisation des Systèmes d'Information pour connaître leur activité, leur allouer le budget correspondant, et contraindre à une productivité optimale. Les écarts entre la distribution des DS des GHM grenoblois et celle de leurs homologues de la base nationale ont été comparés. Pour chaque GHM, un profil, fondé sur la comparaison des quartiles de DS des distributions nationales et grenobloises, deux à deux, a été construit. Des méthodes statistiques de classification (analyse en composantes principales, classification hiérarchique, analyse discriminante et modèles de mélange) ont été utilisée pour repérer aisément et sûrement les GHM économiquement coûteux. De manière empirique, les profils grenoblois semblent se structurer en 9 catégories. La classification hiérarchique identifie 4 catégories de GHM, dont une particulière comptant 16 GHM, dans laquelle un tiers des patients participe fortement à la dérive n points ISA du CHU, et pour qui la mise en place d'une action économiquement rentable serait aisée. Le modèle de mélange montre que les GHM se structurent en 3 catégories et permet de valider la classification issue de l'approche multidimensionnelle.

This thesis provides a methodology to identify diagnosis related groups (DRG) from Grenoble University Hospital which have a length of stay (LOS) longer than the national reference LOS and also to identify outliers (patients with extreme length of stay) in these groups. Long LOS are critical because the hospital's rooms tend to be used too much, compared to what the financial score (value) of the corresponding DRG (pathology) would allow. It is therefore important to identify the groups that are responsible for high costs in terms of Indice Synthétique d'Activité (ISA) point. The ISA point is a unit used in the French national program settled to medicalize the information system in hospitals with the aim of optimizing hospital efficiency by measuring their activity and determining the corresponding budget to provide them with (french Prospective Payment System). We compared the differences between the length of stays distribution for the DRG in Grenoble and the LOS distribution for the corresponding DRG in the national database. For each DRG we built a profile by comparing the quartiles of the two distributions. We used statistical classification methods, such as Principal Components Analysis, Hierarchical Clustering, Discriminant Analysis and mixtures models, to identify the groups with highest costs. Empirically 9 different profile types seem to be distinguished. Hierarchical clustering methods identified a classification of DRG in 4 groups. One of them (16 DRG's) counted one third of patients who were highly responsible for costly ISA points and for which an efficient economical action could be easily undertaken. The mixture models distinguished 3 groups of DRG, and validated the classification derived from the Hierarchical Clustering Method.