Understaffing, overcrowding, inappropriate nurse : ventilated patient ratio and nosocomial infections : which parameter is the best reflection of deficits.

Présentation au sujet: "Understaffing, overcrowding, inappropriate nurse : ventilated patient ratio and nosocomial infections : which parameter is the best reflection of deficits."— Transcription de la présentation:

1 Understaffing, overcrowding, inappropriate nurse : ventilated patient ratio and nosocomial infections : which parameter is the best reflection of deficits ? Journal of Hospital Infection, F. Schwab, E. Meyer, C.Geffers, P. Gastmeier Institute of Hygiene and Environmental Medicine, Charité Universitéy Medicine Berlin, Berlin, Germany

2 Contexte (1) Les établissements sanitaires des Pays à haut revenus/habitant : –Double Objectif : Rationalisation des coûts – Efficacité de la production des soins dans des ressources contraintes –Réorganisation des soins de façon cout-efficiente. –Production à haut rendement. En Allemagne : –Baisse de 26 % nombre de lits /patient –Baisse de 42% durée moyenne de séjour –Augmentation de 17% du nombre de patients traités de 1991 à 2008. –Facteur combiné : sur-occupation des lits et faible ratio personnel /patient.

3 Contexte (2) Dans la littérature : –effets du déséquilibre faible ressource et charge de travail importante sur des indicateurs de santé patients – Andersen BM, Lindemann R, and al « Spread of methicilline resistant staphylococcus aureus in a neonatal intensive unit associated with understaffing, overcrowding and mixing of patients ». Jhosp Infect 2002; 50:18-24 – Hugonnet S, Villaveces A, Pittet D. « Nurse staffing level and nosocomial infections: empirical evaluation of the case-crossover and case-time control designs. Am J Epidem 2007;165 :1321-1327 – Peu d’études de type multicentrique

4 OBJECTIF A l’aide d’une étude multicentrique réalisée sur 182 unités de Réanimations de plusieurs centres hospitaliers berlinois, mesurer l’influence des paramètres connus tels que – le taux d’occupation des lits, – le ratio infirmière/ patient en Réa et d’un nouveau paramètre – le ratio infirmière /patient ventilé Sur l’incidence de bactériémie et de pneumopathie nosocomiale /mois rapporté à une unité de réanimation.

5 Méthode (1) KISS : système de surveillance hospitalier des infections nosocomiales allemand depuis 1997. Centralisation des données mensuelles reportés par unités de Réa (réseau de 182) –Consommations de dispositifs invasifs –Signalement d’infections nosocomiales sur dispositif –Report non obligatoire sur 12 mois. Nombre de dispositif d’intubation ou de cathéter veineux central par patients-journées d’hospitalisation. Nombre d’infections sur ventilation ou cathéter veineux central pour 1000 dispositif-journées.

6 Méthode (2) Envoi d’un questionnaire : Recueil pour l’année 2007 pour chaque unité de Réa –Effectif du personnel soignant par unité/j –Pour chaque unité de réanimation : type et nb de lits –Taille de chaque hôpital Utilisation de la base KISS –Nombre d’ IN /dispositif. Définitions des paramètres suivants : –Durée de séjour : nb de patients-jours /nb de patients. –Taux d’occupation des lits : nb de patients par jour/nb de lits. –Ratio Infirmière /patient par roulement : nb d’ IDE par jour /roulements/ nb de patients par jour –Ratio Infirmière / patient ventilé /roulement : nb de patient par jour /roulement nb de ventilation –journées /jour.

7 Analyse statistique Distribution des paramètres en quatre catégories. =< 25th percentile Entre le 25th percentile et le 50th percentile Entre le 50th percentile et el 75th percentile >= 75th percentile Analyse statistique ajustée sur les facteurs de confusion suivant : Type de réa : interdisciplinaire, médical, chirurgical ou autre Taille de la Réa = = 15 lits. Caractéristique de l’hôpital : Universitaire, attaché à un CHU, autre.. Taille de l’hôpital : =1000 lits. Prise en compte d’un effet cluster. ( données non indépendante d’une unité de Réa à l’autre). Model de régression linéaire de Poisson. Mesure statistique : influence de la variation des paramètres (en % d’augmentation) sur l’augmentation de risque d’ IN /mois.

8 Résultats (1) Sur 182 unités ayant participé 159 400 patients / 1921 mois d’analyse à raison de 10,6 mois /Réa. Soient 563 177 patients-jours. 1313 cas de pneumonie dont 1064 sur ventilation 513 cas de bactériémies dont 491 sur CVC En moyenne : 45, 6 % de réa interdisciplinaires, 2&,4% médicales, 23,6% chirurgicales. Localisation majoritairement hôpitaux rattachés à un chu (48,9 % ), pour 19,2% dans un CHU.

9 Résultats (2) Au sein de chaque unité, le paramètre qui variait le plus mensuellement Le ratio infirmière/patient ventilé avec une variation médiane de 170% entre les extrêmes pour un ratio médian de 1.82 IDE/patient/roulement. Puis le taux d’occupation des lits : variation de 28% pour un taux médian de 0.83. Le ration infirmière-patient: 28% avec un ratio médian à 0.66 iDE /patient /roulement.

10 Résultats (3) : analyse descriptive

11 Résultats (4) : étude analytique

12 Discussion Résultats surprenants: – pas d’effet statistiquement significatif du ratio IDE/patients sur une augmentation du risque d’IN chez les patients de Réa. – Taux d’occupation élevé associé à un faible augmentation de risque d’IN. – Seul facteur pertinent : rapport entre IDE /patient ventilé Or résultats de la littérature : IN associé à un sous effectif ( ratio IDE/patient) et sur occupation des lits. « Fridkin and al », (unité de Réa, bactériémie sur CVC et sous effectif en IDE). Idem Etude Hugonnet and al, étude suédoise ( Andersen BM and al), SARM et personnel mal formé.

13 Discussion Limites méthodologiques : Etude mulcentrique, bonne puissance statistique : mais risque manque d’homogénéité des données Recueil rétrospectif de multiples données administratives à standardisé ( différents selon réa) Période de recueil de données inférieur à 12 mois : ex extrapolation effectif d’IDE.