Mémoire, y compris stage professionnalisant[BR]- Séminaires méthodologiques intégratifs[BR]- Optimisation de la gestion des flux hospitaliers : faisabilité d'une identification précoce des patients complexes pour réduire les réadmissions

Abstract

Introduction : Face à la pression croissante sur les hôpitaux, une catégorie de patients soulève des questionnements par rapport aux enjeux cliniques, organisationnels et économiques majeurs qu’ils impliquent. Il s’agit des patients dits « complexes » dont le caractère multifactoriel (médical, social, psychique) de leur profil les rend difficiles à prendre en charge dans un système hospitalier centré sur des parcours standardisés. Pourtant, ils sont souvent considérés comme de grands consommateurs de soins. Comprendre, définir et identifier ces patients pourrait améliorer leur prise en charge et optimiser l’utilisation des ressources. Méthodologie : Il s’agit d’une étude rétrospective incluant les patients âgés de 18 à 75 ans, ayant au moins trois réadmissions aux urgences du CHU de Liège (Sart-Tilman et N.D. des Bruyères) entre le 1er janvier et le 31 décembre 2023. La base de données comprend 2 675 patients. Les données ont été analysées par statistiques descriptives, tests du Chi² de Pearson et tests exacts de Fisher en cas d’effectifs faibles. Une régression logistique binaire a été menée pour identifier les facteurs associés à une complexité chronique sur deux ans. Enfin, un modèle d’Ising et un Exploratory Graph Analysis (EGA) ont été réalisés pour explorer les liens directs entre variables et détecter des communautés. Résultats : Le recours fréquent aux urgences d’un patient ne suffit pas à définir sa complexité. Celle-ci repose sur une multifactorialité croisant, des facteurs médicaux, sociaux et organisationnels, notamment au niveau hospitalier. Les antécédents de recours (motifs de consultations lors d’admissions antérieures aux urgences) apparaissent comme des prédicteurs forts de la chronicité, ouvrant une piste d’identification précoce. L’analyse en réseau révèle des communautés distinctes, chacune avec un fonctionnement et des caractéristiques spécifiques. Cela laisse entrevoir la possibilité de construire plusieurs outils, adaptés aux différents profils identifiés selon les contextes institutionnels. Conclusion : Ce travail met en lumière une complexité qui dépasse la seule fréquentation des urgences. Il confirme l’importance d’une approche multifactorielle et contextualisée. L’analyse en réseau révèle des sous-groupes aux dynamiques propres, ouvrant la voie à des outils d’identification précoce mieux ciblés. Mieux repérer, c’est mieux soigner.

Introduction: In the context of an increasing pressure on hospitals, a specific category of patients raises significant clinical, organizational, and economic concerns. These are the so-called "complex" patients, whose multifactorial— medical, social and psychological — profiles make them difficult to manage within a hospital system that is primarily designed around standardized care pathways. Nevertheless, these complex patients are often considered as high consumers of healthcare services. Understanding, defining, and identifying these patients could enhance their medical care and optimize resource utilization. Methodology: We present a retrospective study including patients aged 18 to 75 years old who had at least three readmissions to the emergency departments of the University Hospital of Liege (Sart-Tilman and ND des Bruyères sites) between January 1st and December 31st, 2023. The database comprises 2,675 patients. Data were analyzed using descriptive statistics, Pearson’s Chi-squared tests, and Fisher’s exact tests when sample sizes were small. A binary logistic regression was conducted to identify factors associated with chronic complexity over a two-year period. Additionally, an Ising model and an Exploratory Graph Analysis (EGA) were performed to explore direct relationships between variables and detect patient clusters. Results: The frequency of emergency department visits alone is not sufficient to define patient complexity. Complexity arises from a multifactorial interplay of medical, social, and organizational factors, particularly within the hospital setting. Previous healthcare utilization (i.e., reasons for consultation during prior emergency department visits) emerged as a strong predictor of chronicity, suggesting a potential avenue for early identification. Network analysis revealed distinct clusters, each with specific characteristics and dynamics. This opens the possibility of developing tailored tools adapted to the various identified profiles, depending on institutional contexts. Conclusion: This study highlights a form of complexity that goes beyond frequent emergency department use. It validates the importance of a multifactorial and contextualized approach. Network analysis reveals subgroups with unique dynamics, paving the way for better targeted early identification tools. Better identification leads to better medical care.