Ajustement du risque et analyse du profil de patients

L'ajustement du risque est l'ensemble des méthodes statistiques utilisées pour tenir compte des différences de caractéristiques des patients lors de la comparaison des résultats ou des coûts de différents prestataires, programmes ou traitements. Étant donné que les hôpitaux et les cliniciens traitent des patients qui diffèrent par l'âge, la gravité et les comorbidités, une comparaison équitable des résultats mesurés nécessite un ajustement pour ce profil de patients (casemix) ; sinon, les différences apparentes de qualité peuvent simplement refléter des différences entre les patients traités.

Definition

L'ajustement du risque est le processus qui consiste à tenir compte statistiquement des différences dans le profil de patients (casemix), telles que la gravité de la maladie et les comorbidités, afin que les comparaisons des résultats ou des coûts des soins de santé entre prestataires ou groupes reflètent les différences de soins plutôt que les différences entre les patients traités.

Scope

Cette entrée aborde la nécessité de l'ajustement du risque, les principales approches (indices de comorbidité, modèles multivariables et scores de propension), ainsi que les problèmes de données et de validité qui le limitent. Il s'agit d'une référence méthodologique dans le domaine de la mesure de la qualité et ne fournit pas d'estimations de risque clinique ni de conseils pour les patients individuels.

Core questions

• Pourquoi les comparaisons brutes de résultats entre prestataires peuvent-elles être trompeuses ?
• Quels facteurs liés au patient devraient être ajustés, et lesquels ne devraient pas l'être ?
• En quoi les indices de comorbidité, les modèles de régression et les scores de propension diffèrent-ils en tant que méthodes d'ajustement ?
• Qu'est-ce qui limite la validité de l'ajustement du risque, et quand une confusion résiduelle persiste-t-elle ?

Key concepts

• Profil de patients (casemix) et gravité de la maladie
• Indices de comorbidité
• Modèles multivariables d'ajustement du risque
• Scores de propension et équilibre des covariables
• Ratio de mortalité standardisé
• Confusion résiduelle
• Données administratives versus données cliniques

Key theories

Score de propension pour le contrôle des facteurs de confusion

Rosenbaum et Rubin ont montré que le score de propension, la probabilité de recevoir un traitement ou d'appartenir à un groupe étant donné les covariables observées, est un score d'équilibrage : le fait de le conditionner équilibre les covariables mesurées entre les groupes, permettant une comparaison plus équitable des résultats dans les données observationnelles. Ce concept sous-tend de nombreuses stratégies modernes d'ajustement du risque et de comparaison des profils de patients.

Mechanisms

L'ajustement du risque commence par l'identification des facteurs liés au patient, présents avant les soins, qui influencent le résultat d'intérêt, tels que l'âge, la gravité et les comorbidités. Ces facteurs sont résumés soit par des indices de comorbidité, comme l'indice de Charlson construit à partir de diagnostics pondérés ou l'ensemble de comorbidités d'Elixhauser conçu pour les données administratives, soit intégrés dans un modèle multivariable qui prédit le résultat attendu pour chaque patient. Les résultats observés sont ensuite comparés aux résultats attendus du modèle, souvent sous forme de ratio standardisé. Les méthodes basées sur les scores de propension, suivant Rosenbaum et Rubin, équilibrent plutôt la distribution des covariables mesurées entre les groupes avant la comparaison. Toutes ces méthodes n'ajustent que les facteurs mesurés ; les différences non mesurées entraînent une confusion résiduelle, et la qualité des données sous-jacentes, en particulier le codage administratif, affecte fortement la validité.

Clinical relevance

L'ajustement du risque rend plus équitables les comparaisons de profilage des prestataires, de rapports publics et de paiement à la performance en séparant la contribution des soins de celle du profil de patients. Les indices de comorbidité et les méthodes basées sur les scores de propension sont largement utilisés dans la recherche sur les résultats et l'évaluation des services de santé. Cette entrée explique les méthodes utilisées pour comparer les populations et n'est pas un outil d'estimation du risque chez un patient individuel.

Evidence & guidelines

Les fondements méthodologiques sont exposés dans l'ouvrage de référence d'Iezzoni sur l'ajustement du risque, les mesures de comorbidité originales de Charlson et Elixhauser, et la littérature sur les scores de propension issue des travaux de Rosenbaum et Rubin. Ces sources sont citées pour leur contenu méthodologique et ne constituent pas des directives cliniques dans cette entrée.

History

La préoccupation selon laquelle les comparaisons brutes de résultats pénalisaient injustement les prestataires traitant des patients plus malades a stimulé le développement de l'ajustement formel du risque à partir des années 1980. Des indices de comorbidité tels que celui de Charlson (1987) et les mesures basées sur les données administratives d'Elixhauser et de ses collègues (1998) ont fourni des résumés pratiques du profil de patients, tandis que le cadre des scores de propension de Rosenbaum et Rubin (1983) a fourni une approche générale pour équilibrer les groupes dans les comparaisons observationnelles.

Debates

Les données administratives peuvent-elles soutenir un ajustement du risque valide ?

L'ajustement à partir du codage administratif est peu coûteux et largement disponible, mais il peut omettre la gravité et le début de la maladie, et est sensible aux pratiques de codage ; les données cliniques sont plus riches mais plus coûteuses à collecter. La pertinence de la source de données pour une comparaison donnée reste débattue.

L'ajustement du risque surcorrige-t-il parfois ?

Ajuster pour des facteurs qui sont eux-mêmes des conséquences de soins de mauvaise qualité, ou pour les résultats mêmes que la qualité est censée capturer, peut masquer de réelles différences de qualité ; décider quelles variables doivent être incluses dans le modèle est un jugement central.

Key figures

• Lisa Iezzoni
• Mary Charlson
• Anne Elixhauser
• Paul Rosenbaum
• Donald Rubin

Seminal works

• charlson-1987
• elixhauser-1998
• rosenbaum-rubin-1983
• iezzoni-2013

Frequently asked questions

Qu'est-ce que le profil de patients (casemix) ?

Le profil de patients (casemix) est la composition des types et des gravités de patients traités par un prestataire. Des différences dans le profil de patients signifient que deux prestataires peuvent avoir des résultats différents même si la qualité de leurs soins est identique, c'est pourquoi les résultats sont ajustés pour le risque avant comparaison.

Pourquoi l'ajustement du risque ne peut-il jamais éliminer complètement les biais ?

Il ne peut ajuster que les facteurs mesurés. Les différences non mesurées entre les groupes de patients, appelées confusion résiduelle, persistent après ajustement, de sorte que les comparaisons ajustées pour le risque nécessitent toujours une interprétation prudente.