Suchergebnisse

Since the early 1980s healthcare systems in the industrialized nations have been undergoing radical reform aimed at curbing overspending of hospital expenditure. After a discussion of the limits of a prospective payment due to heterogeneity of costs within DRGs, we demonstrate the ability of anovel statistical model to identify high cost patients. We derive from this statistical model an economic heuristic in order to account for high cost patients in budget allocation and a Structural and Contingent method is proposed as a budgeting tool. Economic analysis based on this modeling of DRG heterogeneity further reveals the potential for improving the equity and the efficiency of the prospective payment system by restricting its perverse effects. This model may also be used as a strategic management tool for hospitals or as a means for regulators to evaluate treatment andadmission practices so as to improve health care provision. This statistical analysis was designed on the basis of a mixture of Weibull distribution, inwhich proportion of high-cost patients was expressed according to the multinomial logistic regression, allowing the determination of high-cost factors. An application of the statistical model to 124 DRGs on a French reference database stresses the problem o f heterogeneity of costs and length ofstays within most of DRGs. An example of identification of explanatory variables of high costs is carried out on several DRGs. The economic application of the statistical model is discussed pointing out the implications, in terms of efficiency, of improving hospital management. The other advantageof this statistical model is to allow the assessment of a revision of the DRG classification from both statistical and economic point of views. ; Cette recherche a pour objectif de modéliser l'hétérogénéité de l'activité hospitalière afin d'améliorer la régulation hospitalière tant en externe qu'en interne dans une double perspective d'efficacité et d'équité. La première partie, rappelle les fondements théoriques d'une telle régulation et débouche sur l'élaboration d'un modèle pour l'analyse de l'hétérogénéité des coûts intra-GHM. Dans le chapitre 1, nous rappelons que la procédure du paiement à la pathologie s'appuie sur une contractualisation qui tend à contrecarrer les comportements opportunistes en repérant les établissements sur et sous dotés. Toutefois, la catégorisation des séjours en GHM engendre une nouvelle asymétrie d'information qui résulte de la diversité des pathologies et des prises en charge dans un GHM. Il s'ensuit un risque de sélection adverse des activités rentables et un risque moral de sous-consommation pour les patients coûteux. Pour assainir les coûts par GHM et obtenir une orientation plus incitative de la politique hospitalière, nous proposons au chapitre 2 une modélisation statistique par mélange de distributions qui repose sur l'hypothèse que l'hétérogénéité intra-GHM est le fait de la coexistence de souspopulations de patients qui diffèrent tant sur le plan clinique que sur le plan des coûts. La deuxième partie de cette recherche est consacrée à l'application de cette modélisation. Dans le chapitre 3, nous utilisons les sous-groupes de GHM pour modéliser la régulation hospitalière en interne comme en externe par la méthode dite de "Compensation Structurelle et Conjoncturelle". En ce qui concerne la gestion externe (chapitre 4), à partir de l'étude de 125 GHM extraits de la base nationale de l'étude de coûts, nous montrons que le problème de l'hétérogénéité des coûts concerne laplupart des GHM et nous estimons ses répercussions financières pour les établissements selon leur catégorie. Pour déterminer si ces surcoûts peuvent être expliqués par le recrutement de patients cliniquement plus coûteux et non pas par une inefficacité économique, une recherche de facteursexplicatifs des surcoûts est entreprise sur quelques GHM. Dans le chapitre 5 consacré à la gestion interne, nous discutons de l'intérêt de la modélisation par sous-groupes pour l'analyse des écarts entre les dépenses réelles et théoriques d'un service, à partir de l'exemple du service d'hématologie du CHU de Dijon.

Le Système national d'information interrégimes de l'assurance maladie (SNIIRAM) est une source de données médico-administrative de santé quasi exhaustive de la population française, réunissant les données de remboursement de soins de ville et d'hospitalisation. Compte tenu du nombre croissant d'utilisateurs des données du SNIIRAM à des fins d'études, de recherche et de surveillance épidémiologique, le réseau REDSIAM a pour objectif de favoriser l'interaction entre utilisateurs, de valider et de promouvoir les méthodes d'analyses issues des données. Au sein de ce réseau, le groupe de travail Troubles mentaux et du comportement (GT-TMC) s'est intéressé aux algorithmes d'identification de la dépression de l'adulte à partir des données du SNIIRAM. Il apparaît en effet que les pathologies psychiatriques, et notamment la dépression, ont été peu étudiées à partir des bases de données médico-administratives. La méthodologie s'est appuyée sur l'interview de dix experts ayant déjà travaillé sur le SNIIRAM, à partir de questionnaires validés. La synthèse des entretiens montre que les algorithmes doivent s'adapter aux objectifs spécifiques poursuivis par les études et dépendent du type d'enquête réalisée, du type de dépression, du périmètre de données interrogées et de l'association ou non aux données de consommation médicamenteuse.