Variations géographiques des taux d’hospitalisations potentiellement évitables en France. G Mercier, V Georgescu, J Bousquet DIM, CHU de Montpellier UMR LAMETA

Mercier G, Georgescu V, Bousquet J. Geographic Variation In Potentially Avoidable Hospitalizations In France. Health Affairs (accepté le 18 mars 2015) EMOIS G Mercier2

Introduction (1) Hospitalisation Potentiellement Evitable (HPE) = séjour pour « motif sensible aux soins primaires » Exemples : décompensations (insuffisance cardiaque, asthme, diabète), infections (pneumopathies, cellulite, pyélonéphrite), complications (ulcère gastrique). Intérêt : Evaluation et pilotage des soins primaires ; Comparaisons internationales Identification des HPE : Bases de données médico-administratives hospitalières 3EMOIS G Mercier

Introduction (2) Déterminants des HPE : – Épidémiologiques – Socio-économiques – Soins primaires : offre, accès, coordination, qualité Littérature en France : – Gusmano et al. (Health Affairs 2006) : comparaison Manhattan - Paris – Gusmano et al. (Health Policy 2014) : disparités d’accès aux soins dans trois régions françaises – Bourret et al. (BMC Health Services Research 2015) : comparaison d’algorithmes de définition des HPE 4EMOIS G Mercier

Objectif Décrire les variations géographiques du taux d’HPE en France en 2012 et analyser leurs déterminants. 5EMOIS G Mercier

Méthodes (1) Données : Base PMSI MCO, France métropolitaine (2012) Population légale INSEE (2011) Déterminants : base EcoSanté, INSEE Définition des HPE : Algorithme de Weissman et al. adapté à la CIM-10 (Weissman 1992 et Gusmano 2006) Analyse statistique : Modèle mixte multi-niveaux (département et code géographique PMSI) 6EMOIS G Mercier

Méthodes (2) Algorithme de Weissman : – 12 catégories cliniques – Définies par 1 à 21 codes CIM-10 (DP/DR) – Par « consensus d’experts » – Exemple : Asthme (J45.0, J45.1, J45.8, J45.9) Pneumopathie, insuffisance cardiaque congestive, asthme, cellulite, ulcère gastrique compliqué, pyélonéphrite, diabète de type 2 compliqué, appendicite aigue compliquée, hypertension, hypokaliémie, certaines maladies infectieuses, gangrène. 7EMOIS G Mercier

Méthodes (3) Déterminants : – Niveau commune PMSI (n=5590) : Revenu fiscal annuel médian (/10 000€) Proportion de la population de 15 ans ou plus non scolarisée ayant au moins le baccalauréat Nombre de médecins généralistes, spécialistes et infirmiers pour 1000 habitants – Niveau département (n=92) : Taux d’équipements en lits MCO pour 1000 habitants Bénéficiaires de la CMU-C pour 100 habitants Taux de mortalité pour 1000 habitants 8EMOIS G Mercier

Résultats (1) HPE ; 11,4 HPE /1000/an (Etendue : 0,1 ; 44) 9EMOIS G Mercier

Résultats (2) : descriptif EMOIS G Mercier10 nMoy.ETMinMédianeMax Taux HPE standardisé pour 1000 hab ,43,10,111,144,4 Revenu annuel médian (€) Niveau d’étude ≥ BAC (%)559036,99,515,735,482,8 Nombre lits MCO pour 1000 hab.923,30,71,73,47,5 Nombre généralistes pour 1000 hab.55900,90,500,858,84 Nombre spécialistes pour 1000 hab.55900,240,540011,1 Nombre infirmiers pour 1000 hab.55901,260,8801,067,30 Mortalité pour 1000 hab.929,41,95,59,315,8 % Bénéficiaires de la CMU-C925,82,042,65,311,7 Variables disponibles niveau commune en rouge, niveau département en bleu.

Résultats (3) : effets fixes 11EMOIS G Mercier EstimateSEp Intercept <.001 Mortalité (SMR)7,391, Nombre lits MCO pour 1000 hab Nombre généralistes pour 1000 hab.-0,0410,75NS Nombre spécialistes pour 1000 hab.0,570.75NS Nombre infirmiers pour 1000 hab <.001 Revenu annuel médian (€/10 000) Niveau d’étude ≥ BAC (proportion) <.001

Résultats (4) : effets aléatoires 12EMOIS G Mercier EstimateSEp Variabilité intercepts <.0001 Covariance entre intercept et pente (revenu) Variabilité pentes (revenu) Variabilité pentes (BAC) Residual <.0001

Discussion Les HPE sont plus fréquentes dans les zones où : – Le SMR est élevé. – Les revenus et le niveau éducatif sont bas. – Le nombre de lits MCO est bas. – Le nombre d’infirmiers en ville est bas. Implications : – Les variations géographiques du taux d’HPE sont-elles un outil pertinent d’analyse des soins primaires? – La densité d’infirmiers est-elle un bon reflet de l’accès aux soins primaires ? 13EMOIS G Mercier

Discussion Limites : – U ilisation des soins primaires estimée par la densité d’offre – Pas de données sur la coordination des soins primaires – Ecological fallacy – Hypothèse d’indépendance des zones géographiques Perspectives : – Analyse régionale fine (consommations réelle de soins ambulatoire, MSP, SSIAD) – Prise en compte explicite de l’auto-corrélation spatiale 14EMOIS G Mercier

Merci de votre attention 15EMOIS G Mercier

Liste d’actes : , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , [Australian Classification of Healthcare Interventions] 16EMOIS G Mercier