Soutenance de thèse de Guilhem NOEL

La tension dans les services d’urgence (SU) est un défi de santé publique souvent médiatisé. “The silent killer”, elle est associée à une dégradation de la qualité des soins et une surmortalité. Il est nécessaire de disposer d’outils validés permettant un repérage et une gestion optimale de la tension. En France, aucun n’a été validé et ceux proposés à l’étranger ne sont pas utilisables. Obj. 1: Valider un score de tension déductible des Résumés de Passages aux Urgences (RPU) pour une généralisation nationale. Une étude* Delphi a permis d’identifier 11 indicateurs de tension consensuels (6 déductibles des RPU). Deux études prospectives ont été menées, l’une dans 1 SU pédiatrique* et la seconde multicentrique dans 8 SU polyvalents❛. Comme largement utilisé, le proxy pour évaluer le niveau de tension était la tension perçue par les soignants. Nous avons proposé une nouvelle méthode* visant à sélectionner les heures durant lesquelles le niveau de tension était consensuel. Les indicateurs Delphi étaient les prédicteurs. Dans l’étude multicentrique le SOTU-RPU (Score Objectif de Tension aux Urgences) avait sur l’échantillon de validation une AUC = 0,833 [0,814 - 0,851], similaire à celle d’un modèle complet incluant d’autres indicateurs non déductibles des RPU. Le SOTU-RPU était associé à une altération de la qualité des soins dont une augmentation du pourcentage de patients partant sans attendre (PSA) et du délai d’attente avant évaluation médicale des patients les plus graves. Obj. 2: Prédire les d’hospitalisations et le besoin en lits des SU. Dans les SU, la recherche de lits d’aval (souvent initiée tardivement) prolonge le séjour. Dans 1 étude prospective multicentrique* nous avons développé un modèle automatisable (MA) prédictif de l’hospitalisation d’un patient en utilisant des variables disponibles dès le tri. Ses performances étaient comparées à celles de par l’infirmière d’orientation et d’accueil (IOA) qui évaluait le risque d’hospitalisation (échelle de Likert). Développé et validé sur 1 mois (11.653 patients) l’AUC du MA (0,815 [0,805–0,826]) était similaire à celles de l’IOA mais , à la différence du MA, les performances de l’IOA variaient selon le SU. Sur des données agrégées le besoin en lits d’un SU était estimé avec une erreur de 8,7 % au niveau journalier et de 34,4 % au niveau horaire. En France il n’existe pas une culture de réservation de lits pour les SU. Nous avons proposé un outil simple d’estimation du besoin minimum journalier en lits (BJML) à partir de l’historique (5 ans) des RPU. Appliqué à 15 SU de la région PACA pour l’année N+1❛, l’erreur était de 18 % (nombre d’hospitalisations observées vs prédites). Analysé sur 1 SU, l’erreur du BJML (19,5 %) était proche (16,1 %) de celle d’un modèle linéaire de Poisson utilisant les variables calendaires, les données météorologiques et les grands événements. Obj. 3: évaluer l’impact de la tension sur la qualité des soins. En utilisant comme proxy de la tension les périodes reconnues comme à risques nous avons montré* que les grands rassemblements (Euro 2016 de football) n’étaient pas associés à une augmentation de l’activité globale des SU mais à des augmentations spécifiques (intoxications alcooliques). Par contre, lors des épidémies hivernales, dans les SU pédiatriques, l’activité était fortement augmentée et les indicateurs de qualité des soins dans les SU dégradés avec une augmentation de 50 % des PSA durant le 4ème quartile du niveau épidémique (pourcentage des passages relatifs aux pathologies épidémiques)*. En utilisant le taux d’occupation du SU comme proxy de la tension, dans une étude** rétrospective (2 SU pédiatriques) sur 6 ans, la tension était associée, après ajustement à une diminution de l’adhésion aux recommandations concernant l’anaphylaxie; aOR = 5,88 [1,88-18,0]. Dans une seconde étude❛ pédiatrique prospective monocentrique la tension était associée à une moindre compréhension parentale des consignes de sortie; aOR = 3,97 [1,25-12,60].

Crowding in emergency department (ED) is a challenging public health issue defined by a mismatch between demand and resources in the ED (and related resources including inpatient bed). Crowding is associated with poorer quality of care and increased mortality. Validated tools are needed to identify crowding and improve it management. In France, no tools have been validated. Obj 1: to validate an automatable crowding scale that could be used in all French ED using the mandatory Emergency Department Abstract (EDA). A Delphi study* identified 11 consensual crowding indicators (6 deductible from EDA). Two prospective studies were conducted, one in 1 pediatric ED* and the second❛ in 8 general ED. As widely used, the proxy for crowding (outcome) was the one perceived by triage nurses (TN) and physicians. We proposed a new methodology* to select the hours during which the level of crowding was consensual. Delphi indicators were the predictors. In the SOTU study (8SU), to predict crowding, the SOTU-EDA (AUC = 0.833 [0.814 - 0.851) performed as well as a complete model including non-deductible EDA indicators. The SOTU was associated with a poorer quality of care with an increase in the proportion of patients leaving without being seen (LWBS) and the waiting time for more serious patients. Obj 2: to predict hospitalizations and inpatient bed requirement. In EDs, research for an inpatient bed if often initiated late. In 1 prospective multicentric study* including 11,653 patients we developed and validated a predictive automated model (MA) of hospitalisation using variables available at triage. Its performances was compared with TN prediction of hospitalization. The AUC of the MA (0.815 [0.805-0.826]) was similar to TN. But, unlike the MA, the TN’s performances varied according to the ED. Using aggregate data it was possible to estimate the bed requirement of an ED with an error of 8.7% at the daily level and 34.4% at the hourly level. The second fact concerning assess block is that, in France, inpatient bed booking for ED is not used. We have proposed a simple tool❛ for estimating the daily minimum bed requirement (BJML) using 5 years EDA data. Applied on 15 ED for the year N + 1, the error (observed vs predicted hospitalizations) was 18% . Analyzed on 1 ED, the BJML error (19.5%) was close (16.1%) to that of a generalized Poisson linear model using calendar variables, meteorological data and major events. Obj 3: to assess the impact of crowding on quality of care. Using as proxy of crowding the periods recognized as at risk we showed in a multicentric study* that the large gatherings (Euro 2016 of football) were not associated with an increase of visits but with specific casemix of disease (alcoholic intoxications). On the other hand, during winter outbreaks, in pediatric ED, the activity strongly increased and the proportion of LWBS increased by 50% during the 4th quartile of epidemic level (% visits related to epidemic diseases)*. Using the occupancy rate as a proxy of crowding, in a retrospective study (2 pediatric ED over 6 years)**, crowding was associated with a decrease in adherence to the recommendations regarding anaphylaxia (aOR = 5,88 [1,88-18,0]). In a prospective monocentric pediatric study❛ crowding was associated with a decreased of parental comprehension concerning medical information delivered at discharge; aOR = 3,972 [1,252-12,603]. *: Publié/published (N=5); **Soumis/submitted (N=1); ❛: congrès/congress (N=2)