L’Hôpital public représente actuellement près de 50% des dépenses de l’Assurance Maladie. Dans un contexte politique de maîtrise des dépenses de santé, il est donc compréhensible qu’un effort particulier soit demandé aux hôpitaux publics. En particulier, depuis la loi de Juillet 1991, ils doivent justifier auprès de leurs autorités de tutelle d’une activité correspondant au budget alloué, notamment par la transmission semestrielle des données RSA (Résumé Standard Anonymisés).

Chaque hôpital dispose de ses fichiers RSA et peut donc réaliser toutes les analyses statistiques possibles, concernant son propre établissement. La DRASS, par agrégation de ces données, peut réaliser des analyses permettant de comparer les activités des divers établissements dont elle recueille les RSA.

L'objectif de cette étude est de comparer l'activité des 32 établissements du Nord - Pas-de-Calais afin de déterminer si tous les hôpitaux sont comparables, ou si, au contraire, il existe des spécificités propres à chaque établissement.

1. Matériels et Méthodes

 

1. Les données disponibles

 

Pour réaliser cette étude, nous disposions, pour 29 Hôpitaux de la région Nord-Pas-de-Calais, des informations suivantes, calculées pour l'année 1995 :

- effectif par CMD

- nombre de journées d'hospitalisation par CMD

- nombre de points ISA par CMD

 

On disposait donc de 3 tableaux ayant la structure suivante :

 

ETABLISSEMENT	CMD1	CMD2	CMD3	........................................................	CMD24
Armentières
Cambrai
Denain
Douai
. . .
Lens
Montreuil
Oignies
StOmer

 

L'objectif est de savoir si les répartitions selon les CMD sont sensiblement les mêmes quels que soient les établissements.

Si ce n'était pas le cas, on pourrait alors regrouper les établissements en classes homogènes, de manière à former plusieurs groupes d'établissement, chaque groupe ayant des caractéristiques bien précises.

Les données à analyser se présentant sous la forme d'un tableau de contingence ( croisement Hôpital, CMD), on utilisera les méthodes statistiques adaptées à ce type de données.

2. Méthodologie Statistique

 

Pour l'analyse statistique d'un tableau de contingence, on dispose principalement de deux méthodes :

 

- l'Analyse Factorielle des Correspondances (AFC), méthode multifactorielle qui va permettre de résumer l'information contenue dans ce tableau en construisant des représentations graphiques àpartir de nouvelles variables appelées axes factoriels. Cette méthode est comparable à l'Analyse en Composantes Principales (ACP), mais adaptée aux variables qualitatives.

- la Classification Ascendante Hiérarchique : méthode itérative, qui par un calcul de distances entre les établissements va permettre d'agréger, à chaque étape, les individus les plus proches au sens d'une distance définie par l'utilisateur. Dans notre analyse, nous voulons comparer les profils des établissements : la distance utilisée dans ce cas est celle du Chi-deux.

 

Ces deux méthodes seront utilisées conjointement pour déterminer une partition des établissements, ceci pour chaque paramètre d'analyse. Cette partition effectuée, on déterminera alors les caractéristiques de chaque classe en comparant le profil moyen d'une classe au profil moyen des 29 établissements.

 

 

 

2. Résultats

 

Les analyses ont été effectuées pour les trois paramètres :

(1) effectif,

(2) nombre de journées,

(3) nombre de points ISA.

 

Les résultats étant sensiblement identiques, nous détaillerons, dans ce rapport, uniquement les résultats concernant les effectifs et les points ISA.

Il convient également de signaler que toutes les analyses ont été effectuées, dans un premier temps en incluant la CM24(Ambulatoire): les résultats des analyses montraient alors une grande différence des établissements vis à vis de cette catégorie majeure ( 88% de l'activité pour le COL, 53% pour Dunkerque, 5% pour Bruay, alors que la moyenne globale est de 36.92% ) (cf Tableau 1).

Dans une étude multifactorielle, un tel paramètre a pour effet de constituer un premier axe factoriel trivial et sans intérêt. Dans la suite de l'analyse, ce paramètre a donc été utilisé en variable supplémentaire, c'est à dire qu'il est graphiquement représenté comme les autres variables, mais qu'il n'est pas intervenu dans la construction des axes factoriels.

De même, pour des raisons de cohérence entre les analyses, la CM24 a été exclue des calculs de distance dans les classifications hiérarchiques.

 

 

1. Classification selon les Effectifs

 

On trouvera, en Annexe 2, un certain nombre de graphiques et tableaux correspondant aux résultats relatifs à l'étude des effectifs.

 

Les résultats de l'AFC, montrent que :

- l'inertie correspondant aux trois premiers axes est élevée ( 34.5, 16.8 et 13.0). Ceci signifie que l'on peut représenter, avec une bonne fiabilité, les données dans les plans (1,2), (1,3) et (2,3).

- le premier axe distingue le COL et la CMD17

- le plan factoriel 2x3 (Graphique 1) distingue le CHRU de LILLE et St-Antoine, et permet de remarquer l'association de certains établissements avec certaines CMD ( ex : Henin Tessier avec CMD3, le CHU de LILLE avec la CMD1). En examinant les profils fournis dans les tableaux de l'Annexe 2, on peut valider ou infirmer ces associations.

Dans toute l'étude, on remarquera que le COL, le CHRU de LILLE et St-Antoine sont 3 établissements ayant des comportements complètement atypiques par rapport au profil moyen défini par l'établissement nommé "Total".

 

Enfin, le diamètre des cercles est proportionnel à la taille de l'établissement. On peut ainsi se rendre compte, que contrairement à l'ACP, qui privilégie les établissements de grande taille, l'AFC fait apparaître les établissements atypiques quelle que soit leur taille : c'est le cas, par exemple, de Bruay ou Fouquières, qui jouent un rôle important dans la détermination des axes factoriels.

 

Le graphique 2, correspondant à un arbre de classification, permet de visualiser les proximités entre établissements et de définir, en coupant l'arbre au niveau des pointillés, 3 classes plus les 3 établissements atypiques définis précédemment.

 

Les tableaux 2, 3 et 4 permettent d'expliciter ces classes :

 

- la classe 1 comporte Fouquières, Oignies, SPV, Tessier, Henin et Bruay. Si l'on examine le profil moyen de cette classe par rapport au total, on remarque qu'elle se distingue par une activité élevée dans les CMD 4, 5, 6 et 8 ( activités chirurgicales ou médicales ciblées : pneumologie, cardiologie, gastro-entérologie).

 

- la classe 2 comporte Armentières, Denain, Grande-Synthe, Hazebrouck, Roubaix, Seclin, Auchel et StOmer. Cette classe se distingue par une activité élevée dans les CMD 14 et 15 ( CMD correspondant à l'activité de Maternité et NvNé-Pédiatrie).

 

- la classe 3 comporte Cambrai, Douai, Dunkerque, Maubeuge, Tourcoing, Valenciennes, Arras, Bethune, Boulogne, Calais, Lens et Montreuil. Cette classe n'a de spécificité particulière et correspond parfaitement avec le profil moyen.

 

- enfin 3 établissements atypiques constituent chacun une classe :

- le COL a une très forte activité sur les CMD 3, 9 et 17.

- le CHRU de Lille est marqué par les CMD 1 et 2.

- Saint Antoine avec une activité principale dans les CMD 3, 4 et 6.

 

 

2. Classification selon les points ISA

 

Les analyses précédentes ont été également effectuées sur le tableau correspondant au nombre de points ISA par CMD et par établissement. Les résultats sont fournis en Annexe 3.

 

Les résultats de l'AFC, montrent que :

- l'inertie correspondant aux trois premiers axes est élevée ( 30.5, 25.3 et 12.6).

- le premier axe caractérise Auchel, Fouquiéres et Oignies

- le plan factoriel 2x3 distingue le CHRU de LILLE, associé aux CMD 1, 5 et 10, le COL, Bruay et l'association Auchel, Fouquiéres et Oignies (Graphique 3).

 

A nouveau, on remarque que le COL et le CHR de Lille se distinguent des autres établissements.

Le graphique 4, correspondant à l'arbre de classification, permet de visualiser les proximités entre établissements et de définir, en coupant l'arbre au niveau des pointillés, 4 classes plus les 3 établissements atypiques que sont le COL, le CHRU de Lille et St Antoine.

 

On obtient alors les classes suivantes ( tableaux 5, 6 et 7):

 

- la classe 1 comprend Auchel, Fouquiéres et Oignies. Cette classe correspond aux établissements ayant une très forte activité dans les CMD 6 et 8 par rapport au profil moyen .

 

- la classe 2 comprend Tessier, Hénin et Bruay. Elle se distingue également au niveau de la CMD 8, mais correspond surtout à une activité très élevée dans la CMD 4 ( 63% pour Bruay).

 

Il est intéressant de noter que dans la classification précédente, ces 2 classes n'en formaient qu'une. En fait, c'est la CMD 4 qui différencie ces 2 groupes d'établissements.

 

- la classe 3 regroupe Armentières, Cambrai, Grande-Synthe, Hazebrouck, Roubaix, Seclin, SPV et Montreuil. Cette classe se distingue essentiellement par les CMD 14 et 15. On peut également noter que SPV et Cambrai sont agrégés tardivement et pourraient être considérés comme établissements un peu atypiques, ceci étant confirmé par les pourcentages des CMD 14 et 15 pour ces deux établissements.

 

- la classe 4 qui comprend Denain, Douai, Dunkerque, Maubeuge, Tourcoing, Valenciennes, Arras, Bethune, Boulogne, Calais, Lens et StOmer. Cette classe n'a pas de spécificité particulière et correspond au profil moyen.

 

- enfin les 3 établissements atypiques qui constituent chacun une classe :

- le COL qui a un très grand nombre de points ISA sur les CMD 17, 3 et 9.

- le CHRU de Lille associé aux CMD 5 et 1.

- Saint Antoine avec une activité principale dans les CMD 6, 15, 4 et 3.

 

 

3. Conclusion

 

Les deux analyses effectuées précédemment permettent d'émettre un certain nombre de conclusions :

 

1) Pour toute analyse concernant des données médico-économiques, il est prudent de traiter séparément la CM 24.

 

2) Il est clair qu'il existe plusieurs types d'établissements, et que l'on ne peut donc pas raisonner de manière identique et univoque sans tenir compte du "profil d'activité" des établissements.

 

3) Les classifications diffèrent sensiblement selon qu'elles sont effectuées à partir des effectifs ou des points ISA. Ceci peut s'expliquer par le fait que certaines CMD ont des coûts moyens en points ISA bien plus élevés que d'autres ( notamment les CMD à forte concentration de GHM chirurgicaux). On peut alors s'inquiéter du bien-fondé du nombre moyen de points ISA par RSA, calculé au niveau d'un établissement.

 

 

3. Perspectives

D'un point de vue plus général, il pourrait être intéressant d'effectuer un certain nombre d'analyses complémentaires basées sur les idées suivantes :

- il apparaît clairement que le nombre de RSA et le nombre de points ISA dépendent de la CMD étudiée. Il pourrait être intéressant de calculer, pour chaque CMD, un point moyen correspondant au nombre de points ISA divisé par l'effectif. On pourrait alors envisager le même type d'analyse que celles effectuées dans cette étude, mais en utilisant l'ACP au lieu de l'AFC.

Un étude, réalisée sur les données PMSI du CHRU de Lille, a montré que, si l'on suppose une certaine continuité dans l'activité d'un établissement, il est alors possible de calculer un point moyen par CMD qui permet des prévisions relativement fiables. En effet, le nombre total de points ISA relatifs à une CMD est calculé à partir des effectifs des divers GHM qui la compose. Si l'on suppose que les parts respectives de ces GHM est stable au cours du temps (ce qui est facilement vérifiable), on peut alors estimer un point moyen, calculé comme le quotient du nombre de points ISA par le nombre de RSA.

- les données fournies ne contenaient par la notion de GHM médical ou chirurgical. Or, pour certaines CMD, le nombre moyen de points ISA peut varier du simple ou triple selon qu'il s'agit de GHM médicaux ou chirurgicaux.

L'étude citée précédemment a également permis de montrer, que si l'on distinguait les GHM médicaux et chirurgicaux, en séparant chaque CMD en 2 sous-classes, la simple connaissance des effectifs concernant ces 48 paramètres, permettait l'élaboration d'un modèle de prévision d'activité tout à fait satisfaisant, permettant un calcul rapide du nombre total de points ISA au niveau d'un établissement.

A ce point de vue, il serait également intéressant de recommencer ces analyses en distinguant les parts respectives du médical et du chirurgical au sein d'une CMD, ce qui permettrait de mieux prendre en compte l'activité chirurgicale des établissements dans les classifications.