Mémoire, y compris stage professionnalisant[BR]- Séminaires méthodologiques intégratifs[BR]- Mémoire : Prédire pour mieux guérir : Elaboration d'un algorithme de prédiction d'hospitalisation des patients adultes admis aux urgences du CHU de Liège
Buddeker, Cyril
Promotor(s) : Paquay, Méryl ; GHUYSEN, Alexandre
Date of defense : 27-Jun-2023 • Permalink : http://hdl.handle.net/2268.2/17529
Details
Title : | Mémoire, y compris stage professionnalisant[BR]- Séminaires méthodologiques intégratifs[BR]- Mémoire : Prédire pour mieux guérir : Elaboration d'un algorithme de prédiction d'hospitalisation des patients adultes admis aux urgences du CHU de Liège |
Author : | Buddeker, Cyril |
Date of defense : | 27-Jun-2023 |
Advisor(s) : | Paquay, Méryl
GHUYSEN, Alexandre |
Committee's member(s) : | BRASSEUR, Edmond
GILBERT, Allison Koch, Jean-Noël |
Language : | French |
Number of pages : | 69 |
Keywords : | [fr] Surpopulation [fr] Services d'urgences [fr] Prédiction [fr] Hospitalisation [fr] Algorithme |
Discipline(s) : | Human health sciences > Public health, health care sciences & services |
Target public : | Researchers Professionals of domain Student General public |
Institution(s) : | Université de Liège, Liège, Belgique |
Degree: | Master en sciences de la santé publique, à finalité spécialisée patient critique |
Faculty: | Master thesis of the Faculté de Médecine |
Abstract
[fr] Introduction : La surpopulation dans les services d’urgences est un phénomène mondial croissant depuis ces vingt dernières années. Même s’il n’existe pas encore de consensus pour définir ce terme, la littérature actuelle est parvenue à expliquer ses causes et ses conséquences. Mais étant donné la complexité de la problématique, les voies vers les solutions sont quant à elles toujours à l’étude. Etant donné les spécificités propres aux environnements locaux des institutions et la multitude des facteurs connexes, la généralisation et la solution exclusive sont impossibles. Il est plutôt question de combiner un ensemble de solutions ponctuelles pour soulager au maximum les patients et l’infrastructure hospitalière des conséquences. Les dernières études tentent de mettre en évidence des algorithmes de prédiction d’hospitalisation afin d’accélérer le « throughput ». Le but de cette étude était d’étudier la prédictibilité du statut final du patient sur base de l’intuition des divers intervenants et du patient lui-même.
Matériel et méthodes : Via une approche prospective, la probabilité d’hospitalisation du patient a été demandée à différents intervenants et à différents moments durant la prise en charge du patient aux urgences. De cette manière, chacun des avis recueillis a été mis en relation avec le niveau de certitude, la justification et le profil du répondant. Le statut final du patient a ensuite été confronté à ces différents paramètres. L’objectif était de mettre en évidence le meilleur prédicteur, le niveau de certitude de prédiction et les critères prédictifs du statut final.
Résultat : Les résultats montrent que le patient est celui qui prédit au mieux son statut final, que l’infirmier sait pourquoi le patient restera hospitalisé et que le médecin justifie le statut final sur base des résultats des examens complémentaires. De plus, il serait plus facile de prédire la sortie d’un patient qu’une hospitalisation.
Conclusion : Un modèle prédictif ne doit pas être particulièrement complexe pour arriver à prédire le statut final du patient. L’approche prospective est intéressante pour pouvoir considérer les intuitions des divers intervenants et de patient lui-même afin de les mettre en lien avec les faits. Des études complémentaires doivent être réalisées pour vérifier la généralisation de ces résultats.
File(s)
Document(s)
Description:
Size: 1.3 MB
Format: Adobe PDF
Cite this master thesis
The University of Liège does not guarantee the scientific quality of these students' works or the accuracy of all the information they contain.