Modèles prédictifs en santé
Publication : mercredi 23 août 2017

Systèmes de santé et modèles prédictifs

Une synthèse sur la place des modèles prédictifs dans les systèmes de santé de différents pays vient d'être publiée par la Direction de la recherche, des études, de l’évaluation et des statistiques.

Des modèles prédictifs en plein essor depuis une dizaine d'année

Jusqu’à présent, en matière de santé, les modèles statistiques reposaient sur des indicateurs démographiques. Les évolution et progrès des systèmes d’information conduisent à un développement de bases de données étoffées, contenant des données personnelles en lien avec la santé (état de santé, consommation de soins,…).

Si cela peut soulever des questions quant à la protection de ces données personnelles, ces bases peuvent aussi faciliter l’élaboration de modèles statistiques pour les acteurs des systèmes de soins.

Ceux-ci pourraient par exemple permettre de faire évoluer les modes de rémunération, ou faciliter des actions ciblées sur les patients.

Au niveau international, la recherche portant sur des modèles prédictifs s’est beaucoup développée depuis une dizaine d’année.

Initialement développée aux USA au début des années 90, la recherche sur ces modèles s’est généralisée partout dans le monde, pour en faire désormais des outils courants à disposition des systèmes de santé.

Ces modèles décrivent la probabilité qu’une personne connaisse un événement.

On distingue 3 modèles prédictifs en santé :

  • les modèles d’hospitalisation (hospitalisation probable dans une période donnée),
  • les modèles de perte d’autonomie,
  • les modèles de couts (grande consommation de soins dans l’année très probable).

Un pouvoir de prédiction pour l’instant variable

La fiabilité de ces modèles est toutefois limitée par le type de données dont dispose le système de santé (consommation médicamenteuse, diagnostic, facteurs de risque, données socio-économiques,…

Ces modèles s’appuient ainsi sur des groupes de pathologies et/ou des consommations médicamenteuses.

Pour les modèles des consommations de soins, il est de 25-30 %.

 

DREES Performance modèles predictifs

Exemple des modèles prédictifs américains (source DREES)

Les modèles concernant l’hospitalisation des personnes ont des valeurs prédictives de 50 à 80 % (85 % pour les maladies cardio vasculaires).

En hiérarchisant les patients et en ciblant ceux pour lesquels la probabilité de réalisation est la plus forte, ces modèles prédictifs peuvent être utilisés pour allouer des ressources, améliorer le parcours de soins, …Il s’agit ainsi de passer d’une logique réactive à une logique préventive.

Au-delà de la régulation, s’il s’agit de soigner les patients, cela implique toutefois que les données permettent d’identifier les personnes.

Allouer des ressources

Ces modèles prédictifs sont par exemple utilisés en Allemagne, en Suisse, aux Pays-Bas ou encore en Afrique du Sud pour allouer des ressources aux assureurs.

En Allemagne par exemple, les caisses d’assurance maladie publique disposent de budgets qui sont fonction du profil de risque de leurs assurés (avec un classement en 80 groupes homogènes).

Pour leur part, les modèles anglo-saxons et américains permettent de rémunérer et allouer des budgets aux prestataires de soin.

Au Royaume Uni par exemple, les cabinets de médecins généralistes sont constitués en réseau de soins responsable de la santé des personnes vivant dans leur localité. Ayant pour mission de constituer des parcours de soins intégrés, ces structures sont notamment responsables de l’achat et de la planification de services de santé au sein de leur localité (urgences, hospitalisations, …). Pour ce faire, ces structures doivent se doter d’outils prédictifs permettant la stratification de leur population.

Améliorer le parcours de soins

Ces modèles prédictifs ont aussi pour vocation d’améliorer le parcours de soins. Il s’agit notamment de prévenir toute séquence d’hospitalisation, et non pas simplement d’éviter une ré-hospitalisation.

Au Royaume Uni, des modèles prédictifs sont ainsi utilisés pour identifier les patients à risque d’hospitalisation ou de réhospitalisation. Des programmes d’hôpital virtuel permettent par exemple, pour limiter le recours aux hospitalisations non programmées, de proposer à des patients à risque de bénéficier d’hospitalisation préventive à domicile sous la responsabilité d'équipes pluridisciplinaires.

En Suède, de tels modèles permettent d’identifier quels sont les patients qui doivent bénéficier du plus d’attention : visite prioritaire d’une infirmière du centre de santé communautaire auprès de telle personne âgée fragilisée,….

Un dispositif semblable existe au Pays de Galle pour les médecins généralistes.On retrouve des systèmes équivalents en Australie et au Canada.

Combiné aux données des services sociaux, un modèle a également permis d’identifier le risque de perte d’autonomie dans l’année.

Des modèles prédictifs sont utilisés au Pays Basque Espagnol ou par les compagnies d’assurance américaines pour identifier les patients les plus à risque devant bénéficier de certains programmes de gestion des maladies chroniques ou devant bénéficier de prises en charge plus personnalisées.

Ces modèles prédictifs permettent aussi d’évaluer les territoire et l’organisation des soins qu’ils proposent au regard des profils de risque prédits.

Ils sont aussi utilisés au niveau international pour évaluer de nouvelles prises en charge ou organisations au travers de groupes témoins.

Ils sont par exemple utilisés en Grande Bretagne pour évaluer les actions de prévention auprès de personnes âgées ou la télémédecine.

Le SNDS français (système national des données de santé) dispose de nombreuses données médico-administratives. Pouvant s’appuyer sur celui-ci, la DREES estime que le système de santé français devrait pouvoir développer de façon importante dans les prochaines années ce type de modèles.

 

Pour en savoir plus : L’essor des modèles prédictifs en santé dans les systèmes de santé internationaux, Études et Résultats, n°1018, Drees, juillet.