Pieros

Les structures d’accueil d’urgences (SAU) ont une place centrale dans le système de soins et se positionnent comme porte d’entrée à l’hôpital. L’accroissement constant du nombre de passages dans les SAU pose de nombreux problèmes (engorgement, délai d’attente, durée moyenne de séjour qui s’allonge) et devient un défi opérationnel. Pour ces raisons, nous nous sommes intéressés, dans cette étude, à la modélisation et à la simulation pour décrire le flux de patients dans la SAU du centre hospitalier universitaire de Saint-Étienne (CHUSE). Pour cela, des données rétrospectives ont été récupérées dans le Système d’informations hospitalier (SIH) sur tous les patients admis à la SAU du CHUSE, entre le 1er janvier et le 31 décembre 2014. Nous avons ensuite utilisé le cadre de modélisation MedPRO (Médical Process-Resource-Organisation) basé sur UML (Unified Modelling Language) et implémenté à l’aide du logiciel Arena® pour capturer les opérations complexes de la SAU du CHUSE. Des modèles paramétriques ont été créés pour contrôler l’efficacité et quantifier les gains potentiels de diverses options d’amélioration. Pour l’analyse temporelle, nous avons travaillé sur l’étude de la distribution d’arrivée moyenne des patients en procédant par tranches de quatre heures pour chaque jour de semaine par période mensuelle avec Excel© et le logiciel R©. La SAU a accueilli 47 277 patients en 2014. L’arrivée des patients suit un processus stochastique avec une distribution suivant un profil saisonnier. La durée moyenne de séjour est de 6.17 h (IC 95 % : 6.05-6.30) contre 6.36 h (IC 95 % : 6.33-6.40) dans le modèle. Le nombre moyen de patients dans la structure est impacté par le temps d’attente des examens d’imagerie et la diminution du temps d’attente d’hospitalisation. Lors de l’analyse, avec les patients relevant de la psychiatrie, le temps d’attente avant hospitalisation et le délai d’attente de l’imagerie ont été identifiés comme des facteurs important influençant la durée moyenne de séjour (DMS). Le développement d’un modèle saisonnier de type SARIMA pour ce type d’organisation ne permet pas d’obtenir une prévision optimale des admissions. Les contributions de recherche suivantes constituent donc de véritables innovations dans l’utilisation de la simulation à événements discrets (SED) pour l’analyse des SAU, la modélisation et la simulation : (i) une modélisation formelle modulaire des activités des ressources et du processus de prise en charge des soins des patients ; (ii) un processus dynamique d’arrivée des patients dans le modèle et (iii) la possibilité d’une communication automatique du logiciel avec le SIH. Il faudra aussi développer des modèles prévisionnels fiables intégrant de nombreux paramètres (typologie des patients, motif d’entrée et diagnostic de sortie, des données météorologiques et épidémiologiques, etc.) afin d’obtenir un modèle encore plus performant Il faut ainsi poursuivre sur ces axes et perfectionner les modèles par le biais de collaborations pluridisciplinaires à même d’aboutir à des logiciels d’aide à la gestion des SAU en temps réel.