lundi 29 novembre 2010

A systematic review of models for forecasting the number of emergency department visits.

Pour ceux que ça intéresserait ou qui n'ont pas PubMed



The ability to predict patient visits to emergency departments (ED) is crucial for designing strategies aimed at avoiding overcrowding. A good working knowledge of the mathematical models used to predict patient volume and of their results is therefore essential. Articles retrieved by a Medline search were reviewed for studies designed to predict patient attendance at ED or walk-in clinics. Nine studies were identified. Most of the models used to predict patient volume were either linear regression models including calendar variables or time series models. These models explained 31-75% of patient-volume variability. Although the day of the week had the strongest effect, this variable explained only part of the variability. Other causes of this variability are to be defined. However, the performance of the models was good, with errors ranging from 4.2% to 14.4%. Adding meteorological data failed to improve model performance. The mathematical methods developed to predict ED visits have a low rate of error, but the prediction of daily patient visits should be used carefully and therefore does not allow day-to-day adjustments of staff. ED directors or managers should be aware of the model limitations. These models should certainly be used on a larger scale to assess future needs.

GESTION DES FLUX PAR LES SERVICES D’URGENCE MODELISATION, PREDICTION ET APPLICATIONS PRATIQUES

C'est le titre de la thèse d'université que j'ai soutenu il y a maintenant 2 mois
En voila le résumé un peu modifié.
L’objectif du travail est modéliser les flux entrant des consultations et des admissions non programmées et l’impact sur les services d’urgences (SU).
Les modélisations et les prédictions ont été élaborées à partir des données recueillies aux urgences. Après avoir déterminé la meilleure méthode, on a calculé l’influence des facteurs calendaires sur l’activité dans 4 SU de la région parisienne de 2004 à 2007. Une simulation par évènements discrets intégrant le nombre d’hospitalisations selon le jour de la semaine, la durée de séjour prévue en fonction du type d’hospitalisation, de l’âge et leurs distributions de probabilités a été réalisée pour estimer les besoins en lits d’un SU d’un hôpital parisien.
Résultats : Nous avons choisi une méthode linéaire avec variables calendaires. Nous avons enregistré 622253 visites pour nos prédictions. Une Erreur Moyenne Absolue en Pourcentage (MAPE) de moins de 10% a été trouvée dans tous les modèles mathématiques analytiques. Les modèles hebdomadaires étaient différents d’un centre à l’autre, sans saisonnalité. Les poids des variables se modifient au cours du temps. La prédictibilité de la somme des 4 centres est meilleure avec une MAPEde 5,3% contre 8.1% à 17% pour chaque centre isolé. D’après nos simulations, une coupure de la durée de séjour à 30 jours (soit 95% des patients âgés) ou une baisse des admissions programmées des patients de moins de 75 ans de 20% permettrait d’hospitaliser sans transferts les patients admis aux urgences sans augmenter la taille des unités d’observation. Il s'agit d'une simulation informatique et certaines hypothèses devraient être vérifiées avant la mise en place de ce type d'opérations
L’activité des urgences et des besoins en lits est prédictible et doit permettre une meilleur adaptation dans la prise en charge des hospitalisations des patients.