Prévisions des demandes de soins aux urgences

Modélisation

La modélisation est le fruit d’observations menées dans le département d’urgence et de la collaboration de l’équipe du Lean du CHUS. Plusieurs profils de patients définissent des flux différents à travers les processus et activités du département d’urgence et consomment des ressources distinctes et en quantités variables. Ce profil des patients se définit par une combinaison des attributs suivants :
 patient adulte/enfant;
 patient ambulant/civière;
 patient sans consultation/avec consultation;
 patient admis/non admis;
 catégorie majeure de diagnostique qui définit la nature du problème de santé;
 patient ayant quitté avant d’avoir vu un médecin/ayant vu un médecin.

Dès l’entrée d’un patient ambulant à l’urgence, une infirmière au triage procède à son évaluation selon l’échelle canadienne de triage (ETG). C’est à la suite de ce triage qu’un ordre de priorité de 1 à 5 est attribué à ce patient. Il doit converger vers une salle d’attente et attendre qu’on l’appelle pour être vu par un médecin d’urgence. Des patients jugés non autonomes pourront se faire assigner à une civière; c’est le cas souvent des patients âgés. Le CHUS Fleurimont dispose de six salles d’examen qui ne sont pas polyvalentes (voir tableau 5.1). Une fois examiné, le médecin est amené à prendre plusieurs décisions entre autres, si des examens et tests sont nécessaires, si le patient nécessite qu’il soit vu par un médecin spécialiste, si le patient doit être hospitalisé ou être gardé sous observation pour quelques heures, si le patient peut rentrer chez lui, etc.

Ressources

Seules les ressources jugées critiques et qui risquent d’être goulots d’étranglement sont considérées dans la modélisation. Cette décision est prise en concert avec des gestionnaires du département d’urgence du CHUS Fleurimont. Cette décision pourrait alléger la complexité du modèle de simulation. Ces ressources sont décrites dans le tableau 5.1.

Processus

On distingue plusieurs processus impliqués dans le traitement des patients au sein du département d’urgence. Ces processus représentent un ensemble d’activités interreliées et consommant des ressources qu’ils partagent parfois. Ces processus sont le triage et l’enregistrement, le premier examen (patients ambulant), le processus du premier examen (patient sur civière), le processus RX et les tests sanguins, les processus de consultation et le processus d’admission. Deux processus ont été ajoutés dans la modélisation sur ARENA. Le premier est le processus d’arrivée, qui permet de définir l’heure d’arrivée des patients ainsi que l’affectation d’attributs. Le deuxième processus est le processus de sortie qui permet d’extraire les données sur les patients pour des fins d’analyse.

Validation

La modélisation conceptuelle de l’urgence est basée sur les entretiens et observations menés au sein du département d’urgence du CHUS et sur la cartographie de la chaîne de valeur fournie par l’équipe Lean du CHUS. La modélisation numérique a été réalisée sur le logiciel ARENA selon le modèle en graphique 5.6.

La validation finale du modèle est faite en trois étapes. La première étape consiste à faire une simulation avec un petit échantillon de patients et vérifier et valider le flux de ces patients. La deuxième étape est de comparer visuellement les graphiques des séries chronologiques des nombres de visites quotidiennes; réelle vs artificielle. La troisième étape de validation est le lancement d’une simulation durant une année de visites et calculer la MERA comme mesure de la qualité du modèle et sa capabilité à représenter le modèle réel. Cette mesure est calculée pour deux types de patients; patients admis et patients non admis.

Scénarios pour améliorer les durées de séjour

Le but de ce travail est de répondre à la question : « qu’arriver a-t-il si…? » en faisant appel à différents scénarios d’amélioration. À la suite d’une recherche bibliographique extensive sur les variables (ou scénarios d’amélioration) proposées pour améliorer le temps d’attente et le temps de passage à l’urgence, une liste préliminaire a été établie et a été décrite dans le chapitre de revue bibliographique. Le choix final des variables d’amélioration est le fruit d’un travail en concert avec un comité de projet composé de médecins, infirmières et administrateurs et qui avait la tâche d’aligner ces variables à la stratégie de développement de l’urgence du CHUS Fleurimont.

Ces idées sont décrites dans le tableau 5.2. Le plan expérimental a été établi selon la méthode Taguchi (L27) pour cinq variables à trois niveaux chaque. En se référant aux travaux consultés dans la revue de littérature, chaque niveau d’amélioration a été choisi de manière à ce qu’elle soit réalisable.
Selon le travail de Aroua et Abdul-Nour (2015), il a été établi que la fréquence des pathologies que présentent les patients (répartis en CMD) varie durant l’année et on peut voir des périodes de croissance et des périodes de déclin. Aussi et durant le même travail, il a été montré que le taux d’admission varie d’un CMD à l’autre.

À la suite de ces faits, les simulations seront faites sur trois périodes différentes de l’année soit [mai, juin, juillet et août], [septembre, octobre, novembre et décembre] et [janvier, février, mars et avril]. Analyser les données des simulations sur trois périodes différentes de l’année permettra d’évaluer l’interaction entre la période de l’année et les scénarios sélectionnés.

Analyse des résultats du plan d’expérimentation

L’analyse de la variance des moyennes (voir tableaux 5.3, 5.4 et 5.5) des durées de séjours obtenus à la suite d’une série de simulations selon le plan d’expérimentation défini ci-dessous permet de conclure que, indépendamment de la période de l’année pour les patients admis, les variables en ordre d’influence sur le temps de passage sont l’attente d’admission le Fast Tracking et l’attente pour consultation (tableau 5.5). L’ajout de fauteuils et l’amélioration des temps d’observation (respectivement p = 0,164, p = 0,6) ne représentent pas des variables d’influence.

Pour les patients admis, ce travail met en évidence la sensibilité des temps de passage, en ordre décroissant, aux délais d’attente des patients pour être admis, à l’implantation du Fast Tracking et à la durée d’attente pour une consultation par un médecin spécialiste.

Ni l’ajout de fauteuils pour patients sous-observation, ni l’amélioration des temps d’attente pour admission n’ont un effet significatif sur le temps de passage moyen journalier des patients.

La variable [assigné à une civière] est contributeur de premier degré à l’augmentation du temps de passage moyen des patients non admis toutes catégories d’urgence confondues; en d’autres termes, se sont ces patients qui passent de longs séjours aux urgences. Assigner un patient à une civière peut être, à la suite d’une décision médicale, une perte d’autonomie ou pour d’autres raisons. Les résultats de la simulation mettent en évidence ce fait avec une réduction du temps de passage de 0,6 heure (soit 8 %) à la suite d’une réduction, de 30 % le temps de traitement de ces patients non admis et une réduction de 1,41 heure (soit 19 %) à la suite de l’implantation d’une unité d’observation. Cette même unité d’urgence pourrait accepter les patients admis pour de courtes périodes et ainsi améliorer le temps d’attente pour admission (Baugh, Venkatesh et Bohan, 2011).

Le Fast Track externe se concrétise par la création d’une clinique externe sans rendez-vous proche de l’hôpital et qui oeuvre indépendamment du département d’urgence. Cette clinique externe a comme vocation d’accepter aussi des patients référés par l’urgence (patients catégories 4 et 5 selon l’ETG). Selon les résultats de la simulation, cette la création d’une telle clinique représente un investissement intéressant. Ce scénario permet une réduction de près de 1,188 heure pour les patients non admis (ce qui représente 17,8 % de réduction du temps de passage) et de 0,8 heure pour les patients admis (ce qui représente 6,56 % de réduction du temps de passage). Pour un Fast Tracking avec les mêmes ressources internes du département de l’urgence, l’amélioration reste très maigre avec une réduction de 1,5 %. Cette amélioration est loin de celle observée par Considine et al. (2008) (DMS 132 minutes sans Fast Tracking vs 116 minutes avec Fast Tracking).

Pour les trois périodes de l’année, l’ordre d’influence des variables significatives n’a pas changé pour les patients admis et non admis. Donc, la variable temporelle qui peut être considérée comme une variable bruit n’a pas d’influence sur cet ordre.

Alors que Goodacre et Webster (2005) montrent que le nombre de patients qui quittent l’urgence sans être vu par un médecin varie en fonction du nombre moyen d’heures d’attente, nos modèles de simulations sont conçus avec l’hypothèse que le nombre de ces patients reste constant; une faiblesse à mentionner dans ce travail.
Avec l’hypothèse que les idées d’amélioration proposées dans cet ouvrage sont indépendantes et ne partagent pas les mêmes ressources, aucune analyse de la variance des temps de passage avec interaction n’a été réalisée.

Conclusion

Dans ce chapitre, deux populations de patients ont été considérées; patients admis et patients non admis. La modélisation par la simulation à travers un plan d’expériences montre que pour chaque population, l’ordre d’influence des variables d’amélioration n’est pas le même. Par contre, au sein d’une même population, cet ordre d’influence reste inchangé dans le temps, en considérant trois périodes de l’année.
Pour tous les patients, le Fast Track externe semble être une très bonne solution au problème de surpeuplement du département d’urgence, alors que le Fast Track interne n’offre pas nécessairement une amélioration lorsqu’il s’agit de la durée moyenne de séjour. De plus, le Fast Track interne pourrait contribuer au phénomène d’augmentation des nombres de visites, une situation déjà observée dans un département d’urgence au Québec.

Pour les patients admis, la capacité d’admission de l’hôpital est la variable la plus influente sur le temps de passage. L’amélioration de cette capacité pourrait être traitée par une augmentation des lits ou par la création d’une unité indépendante pour les patients sous-observation et patient de courts séjours.

Pour les patients non admis, c’est l’amélioration du temps où le patient est sous-observation. La philosophie Lean aura une touche remarquable pour revoir et améliorer le processus des patients sous-observation. Encore une fois, la modélisation et la simulation demeure un outil économique pour aider les gestionnaires à identifier et implanter les améliorations adéquates.

La non considération de l’effet de l’amélioration des DMS sur le nombre de patients ayant quitté l’urgence sans être vu par un médecin doit être considéré lors de recherches futures. En effet, ce nombre peut être affecté par le temps d’attente aux urgences; c’est la conclusion d’un travail mené auparavant par (Chan, Killeen, Kelly et Guss, 2005). L’hypothèse qui a été considérée dès la modélisation est que ces patients ne passent que par le triage et ne consomment aucune autre ressource.

Plan d’expérimentation pour améliorer le temps de passage : intégration du concept des cellules dynamiques

Introduction

La similitude entre les processus de soins dans les départements d’urgence et les processus de type Job-Shop a alimenté la réflexion sur l’effet de l’implantation du principe des cellules dynamiques sur l’efficacité des activités d’un département d’urgence. Une réflexion qui n’a pas été traitée à la suite de la revue de la littérature. Ici, l’intérêt est porté sur la transformation des salles d’examens en cellules dynamiques, ce qui n’est pas le cas dans la réalité des départements d’urgence.
Ce chapitre a pour objectif de mettre en oeuvre, de nouveau, des scénarios d’amélioration à travers des simulations représentant le même cas et tirant profit des résultats du chapitre dernier. Les idées proposées ont pour but d’améliorer trois indicateurs de performance à savoir, le temps de passage des patients non admis, le temps de passage des patient admis et le temps entre le triage et le premier examen. Cette fois-ci les idées qui sortent des réunions avec le comité de projet et selon la technique DELPHI sont : l’implantation du principe des cellules dynamiques aux salles d’examen, l’implantation du Fast Track externe, le changement d’horaire du 3e médecin, l’amélioration des temps d’obtention des résultats des laboratoires et le temps d’attente pour hospitalisation.

Scénarios pour améliorer les durées de séjour

Cinq idées d’amélioration du temps de passage des patients dont chacune sera représentée par des variables qui prendront deux valeurs; soit l’état actuel et l’état proposé d’amélioration.

Changement d’horaire du troisième médecin du jour

Le CHUS de Fleurimont dispose de six médecins répartis comme suit :
 deux médecins de jour dont l’horaire de travail est de 8 h à 16 h;
 deux médecins de soir dont l’horaire de travail est de 16 h à 00 h;
 un médecin de nuit dont l’horaire de travail est de 00 h à 8 h; et
 un troisième médecin de jour dont l’horaire de travail est de 10 h à 18 h.

Le poste du troisième médecin du jour avait comme objectif de faire face aux piques quotidiens des visites et donc, de réguler la charge de travail des médecins de jour. C’est le changement d’horaire de ce troisième médecin qui fait l’objet de la première idée d’amélioration, soit de proposer un nouvel horaire de travail de 12 h à 20 h .

Cellules dynamiques et polyvalence des salles d’examen

La deuxième idée d’amélioration est inspirée du concept de cellules dynamiques de fabrication et qui consiste à apporter des changements aux salles d’examens et aux équipements de spécialité pour rendre les salles d’examen polyvalentes et capables d’accepter tous les patients indépendamment des pathologies qu’ils présentent. Ainsi, ce sont les patients appartenant aux groupes (gynéco-obstétrique), (ophtalmologie) et (l’orthopédie) qui vont bénéficier de tels changements, puisqu’aujourd’hui ils ne peuvent être examinés que dans deux salles d’examen.

Temps d’attente pour hospitalisation

La troisième idée d’amélioration est la réduction du temps d’attente d’admission, qui se confond souvent au temps d’attente pour avoir un lit disponible. Selon un rapport publié par l’Institut canadien d’information sur la santé, au Canada le temps moyen d’attente pour un lit d’hospitalisation dans un hôpital communautaire moyen et un grand hôpital communautaire sont respectivement 1,4 heure et 2,4 heures soit 40 % de différence. La deuxième valeur considérée pour cette variable est la valeur actuelle réduite à 40 % comme deuxième valeur de cette variable.

Délais d’obtention des résultats des analyses

Selon quelques auteurs, le temps d’attente pour l’obtention des résultats des analyses, que ce soit pour des tests sanguins ou la radiologie, peut contribuer dans la prolongation du temps de passage aux urgences. Nous proposons comme état amélioré de ce processus le processus avec un délai d’attente pour l’obtention des résultats réduit de 40 %. Cette performance est atteignable si l’on considère le travail de Lee-Lewandrowski, Corboy, Lewandrowski, Sinclair, McDermot et Benzer (2003).

Fast Track externe

Le concept des départements d’urgence avait comme vocation de traiter des patients qui présentent un problème de santé jugé urgent et grave. Le manque de médecins de famille, le vieillissement de la population et autres facteurs attribués au système de santé, oblige les malades à s’orienter vers les départements d’urgence. L’idée du Fast Track externe est le principe d’orienter les malades dont l’état jugé non grave (catégorie 4 et 5 selon l’ECT) vers une clinique externe de médecins sans rendez-vous. Cette clinique fonctionne de 8 h à 20 h.

Analyse des résultats du plan d’expérimentation

Un plan d’expérience factoriel à deux niveaux est établi avec cinq variables dont chacune prend deux valeurs; une valeur qui représente l’état actuel et une valeur qui représente l’état proposé pour l’amélioration. Un modèle et une simulation représentant chaque ligne du plan d’expérience est lancé. La durée de la simulation représente une année qui débute le mois d’avril. Les indicateurs de performance (temps d’attente triage/premier examen, temps de passage patients admis et temps de passage des patients non admis) sont extraits des simulations et figurent dans le tableau 6.2.

Table des matières

INTRODUCTION 
CHAPITRE 1 – REVUE DE LA LITTÉRATURE
1.1 Gestion des opérations : département d’urgence vs industrie
1.2 Modèles conceptuels des départements d’urgence
1.2.1 Modèles avec partition en trois composantes
1.2.2 Département d’urgence comme une entité d’une chaîne de santé
1.2.3 Approche systémique
1.2.4 Un système « Job-Shop », « Push » ou « Pull »?
1.2.5 Le département d’urgence : un système complexe
1.3 Système d’information dans le département d’urgence
1.4 Système de décision dans le département d’urgence
1.5 Communication au sein du département d’urgence
1.6 Mesures de performance pour le département d’urgence
1.7 Modèles de prévision des visites aux urgences .
1.7.1 Prévision des visites aux urgences : analyses des séries chronologiques
1.7.2 Prévision des visites aux urgences : utilisation de sources d’informations connexes
1.8 Modèle de prévision des nombres des patients admis
1.8.1 Prévision du nombre de patients admis : analyse des séries chronologiques
1.8.2 Prévision du nombre de patients admis : opinion des professionnels de la santé
1.9 MRP et planification des besoins en ressources hospitalières
1.10 Amélioration des flux de patients aux départements d’urgence
1.10.1 Amélioration des flux des patients comme un problème de files d’attente
1.10.2 L’amélioration des temps d’attente par une réingénierie des processus de l’hôpital et la philosophie Lean
1.11 Modélisation et simulation des départements d’urgence
1.12 Conclusion de la revue de la littérature
CHAPITRE 2 – MÉTHODOLOGIE
2.1 Méthodologie adoptée
2.2 Modélisation des visites aux urgences et admission aux unités de soins
2.3 Nomenclature stochastique ou trajectoire des patients aux urgences
2.4 Sensibilité des indicateurs des performances aux divers scénarios d’amélioration
2.5 Sources des données
CHAPITRE 3 – PRÉVISIONS DES DEMANDES DE SOINS AUX URGENCES 
3.1 Introduction
3.2 Aperçu des visites aux urgences au Canada
3.2.1 Selon la priorité d’urgence
3.2.2 Selon le type de patients ambulatoires/sur civière et l’âge
3.2.3 Orientation des patients
3.3 Approche de modélisation des nombres des visites
3.4 Regroupement des problèmes de santé
3.5 Variables explicatives
3.6 Évaluation des modèles
3.7 Choix de l’unité de temps
3.8 Sources de données
3.9 Techniques de modélisation
3.9.1 Régression linéaire
3.9.2 SARIMA univariée
3.9.3 SARIMA multivariée
3.10 Analyse graphique des nombres des visites au département d’urgence du CHUS
3.11 Analyse des modèles de prévision des visites aux urgences
3.12 Prévision du nombre d’admission provenant du département d’urgence
3.13 Conclusion
CHAPITE 4 – NOMENCLATURE STOCHASTIQUE EN BESOIN DE RESSOURCES 
4.1 Introduction
4.2 Formulation du modèle
4.4 Variables de prédiction
4.5 Regroupement des patients
4.6 Résultats et analyses
4.6.1 Détermination de la significativité des associations : variables prédicteurs et variables réponses
4.6.2 Ajustement des modèles aux données
4.7 Conclusion
CHAPITRES 5 – MODÉLISATION ET SIMULATION D’UN DÉPARTEMENT D’URGENCE 
5.1 Introduction
5.2 Modélisation et validation du département d’urgence
5.2.1 Cartographie des processus
5.2.2 Modélisation
5.2.3 Ressources
5.2.4 Processus
5.2.5 Validation
5.3 Scénarios pour améliorer les durées de séjour
5.4 Analyse des résultats du plan d’expérimentation
5.4 Conclusion
CHAPITRE 6  PLAN D’EXPÉRIMENTATION POUR AMÉLIORER LE TEMPS DE PASSAGE : INTÉGRATION DU CONCEPT DES CELLULES DYNAMIQUES 
6.1 Introduction
6.2 Scénarios pour améliorer les durées de séjour
6.2.1 Changement d’horaire du troisième médecin du jour
6.2.2 Cellules dynamiques et polyvalence des salles d’examen
6.2.3 Temps d’attente pour hospitalisation
6.2.4 Délais d’obtention des résultats des analyses
6.2.5 Fast Track externe
6.3 Analyse des résultats du plan d’expérimentation
6.3.1 Temps de passage des patients admis
6.2.2 Temps de passage des patients non admis
6.3.3 Temps d’attente triage  1er examen
6.3 Conclusion
CONCLUSION GÉNÉRALE
LISTE DES RÉFÉRENCES