Pilote de score UM CRMC RecuR

I. CONTEXTE :

La réadmission à l'hôpital est un résultat négatif pour la santé qui entraîne des coûts importants pour l'écosystème des soins de santé. Bien qu'indésirée, la réadmission non planifiée à l'hôpital dans les 30 jours suivant la sortie n'est pas rare. Weiss et al. (2021) ont estimé que les taux de réadmission globaux pour tous les payeurs étaient de 14 pour 100 admissions indexées (14 %). La réadmission à l'hôpital est souvent plus coûteuse que l'admission initiale. Les réadmissions à l'hôpital coûtent en moyenne 15 200 $, comparativement à 11 700 $ pour les séjours hospitaliers moyens (Freeman et al., 2018). La réadmission à l'hôpital a été au centre de l'attention des plans de santé, des prestataires et des décideurs. De nombreuses réadmissions sont évitables, mais des études antérieures ont eu du mal à identifier avec succès les patients les plus à risque de réadmission et à mettre en œuvre des plans de soins de transition pour réduire efficacement les taux de réadmission avec des résultats durables (Hansen et al. 2011, Leppin et al. 2014).

Parmi tous les patients du centre médical régional Charles de l'Université du Maryland (UM CRMC) entre janvier 2019 et janvier 2022, le taux de réadmission non planifiée à l'hôpital était de 11 % et cette valeur peut atteindre 30 % dans certains groupes à haut risque. UM CRMC a mis en place un programme de soins de transition avec des infirmières navigatrices depuis 2011 qui se concentre sur les patients qui sont généralement connus pour avoir un taux de réadmission plus élevé (patients dont la principale raison d'admission est le diabète, l'insuffisance cardiaque congestive (ICC), la maladie pulmonaire obstructive chronique ( MPOC) et hypertension). Malgré de véritables efforts pour gérer ces patients et fournir un soutien supplémentaire à ces patients avant et après leur sortie, le taux de réadmission à l'UM CRMC est resté relativement inchangé au cours des cinq dernières années entre 7 et 15 % (moyenne 11 % ± 1,5 %) sans amélioration soutenue d'une année sur l'autre.

Pour améliorer la qualité des soins et réduire les coûts de soins de santé inutiles, en 2013, le Center for Medicare and Medicaid Services (CMS) a lancé le programme de réduction des réadmissions à l'hôpital (HRRP) dans le cadre du programme d'achat basé sur la valeur (VBP) pour encourager une meilleure coordination des soins de sortie. Dans le cadre du programme HRRP, les hôpitaux ayant un taux de réadmission élevé subissent une réduction de paiement pouvant aller jusqu'à 3 %. Depuis le lancement du programme HRRP, la réduction des réadmissions hospitalières est devenue une priorité stratégique des hôpitaux.

La plupart des études publiées sur les évaluations de la réduction des réadmissions ont adopté une conception quasi expérimentale, des expériences qui attribuent des groupes de traitement sur la base d'une méthode autre que la randomisation, tandis que les études qui ont appliqué des essais contrôlés randomisés (ECR) rigoureux sont assez limitées. Les résultats de ces deux modèles d'étude sont contradictoires.

Atteindre une réduction substantielle des réadmissions nécessite des ressources intensives et coûte cher à exploiter. Jenq et al. (2016) ont estimé que dans leur programme de réadmission à grande échelle, il en coûtait 7 000 $ pour éviter une admission dans leur population Medicare. Afin de maximiser l'efficacité de l'allocation des ressources hospitalières, l'identification et le ciblage des patients qui bénéficieraient le plus d'une intervention de transition en soins intensifs deviennent une première étape importante du programme de réduction des réadmissions. Diverses stratifications de risque ont été introduites dans l'industrie pour prédire le risque de réadmission d'un patient et sont utilisées dans la priorisation des patients.

Au système médical de l'Université du Maryland (UMMS), nous avons développé un score de risque appelé RecuR Score (Readmission Risk Score). Le score RecuR estime le risque de réadmission non planifiée dans les 30 jours pour les patients à la fois en interne et pendant les 30 jours après la sortie. Ce score de risque est recyclé mensuellement à l'aide des données des patients rencontrés dans les hôpitaux de l'UMMS. La population cible est constituée de patients hospitalisés, actuellement internes non hospitalisés (service des urgences, unité d'observation) qui pourraient devenir des patients hospitalisés, et d'anciens patients hospitalisés dans les 30 jours suivant leur sortie. Le score utilise les données du système de dossier de santé électronique (EHR) de l'UMMS, du CRISP, des réclamations commerciales et non commerciales et du Bureau du recensement des États-Unis. Une comparaison des performances du score RecuR par rapport à LACE et HOSPITAL sur les mêmes patients a montré que l'aire sous la courbe caractéristique de fonctionnement du récepteur, parfois appelée aire sous la courbe (AUC), du score RecuR surpasse significativement les deux autres mesures, même avant la sortie. Alors que LACE n'est disponible qu'à la sortie, HOSPITAL est décrit comme le plus précis à la sortie, et même alors, il est surpassé par le score RecuR à 48 heures après l'arrivée lorsque le score RecuR n'est pas à son meilleur.

L'analyse documentaire montre que les efforts visant à réduire les taux de réadmission ne sont pas toujours efficaces et qu'il a été difficile d'extraire un ensemble d'interventions qui réduisent de manière fiable les réadmissions. Notre équipe émet l'hypothèse que les efforts visant à réduire les taux de réadmission ne sont pas efficaces car les patients ne sont pas correctement stratifiés en catégories de risque, ce qui fait que les interventions ne sont pas utilisées sur les patients qui bénéficieront le plus des interventions. Ce projet pilote résout ce problème en identifiant les patients présentant un risque plus élevé de réadmission à l'aide du score RecuR. Le score RecuR identifie avec précision les patients à haut risque de réadmission avec une aire sous la courbe ROC (Receiver Operator Characteristic) de 0,83. Cette population à risque plus élevé (limitée à certains diagnostics principaux et à d'autres critères d'inclusion et d'exclusion) a un taux de réadmission plus élevé (16,8 %) que le taux de réadmission global de l'hôpital (11 %), ce qui se traduit par une plus grande possibilité de réduire le taux de réadmission pour le population cible.

Pour aborder la question de l'identification des interventions les plus efficaces, la seconde hypothèse de notre équipe est que les interventions utilisées ne sont pas robustes, c'est-à-dire que l'impact de l'intervention est insuffisant. Par exemple, la plupart des programmes d'intervention de réadmission se concentrent sur les appels téléphoniques après la sortie sans envisager une vision plus complète de la situation du patient. Pour résoudre ce problème, ce projet pilote met en œuvre une évaluation des déterminants sociaux de la santé (SDOH) d'un patient, du matériel éducatif supplémentaire, et a également aligné des interventions plus complexes telles que plusieurs programmes de soins à domicile qui couvrent un large éventail d'interventions potentielles. On s'attend à ce qu'en identifiant avec précision les patients à haut risque et en ayant une vision plus large de la situation des patients avec de multiples options d'interventions, nous puissions réduire le taux de réadmission non planifiée dans les 30 jours parmi la population inscrite dans le groupe de soins améliorés par rapport au groupe standard du bras de soins du pilote.

Cette étude vise à réduire les taux de réadmission non planifiée à l'hôpital dans les 30 jours chez les patients présentant un risque plus élevé de réadmission et à proposer des interventions plus complexes et d'intensité plus élevée que celles actuellement proposées à l'UM CRMC. En ciblant les patients qui présentent un risque plus élevé de réadmission à l'aide d'un nouveau score de risque, le score RecuR, les ressources peuvent être mieux allouées à ceux qui en ont le plus besoin. Ces interventions plus intenses mettent l'accent sur l'évaluation des déterminants sociaux de la santé du patient, du matériel éducatif supplémentaire et un processus clairement défini pour activer les ressources de santé à domicile et communautaires pour aider les patients appropriés.

L'hypothèse de cette étude est que l'utilisation d'un nouvel algorithme UMMS (RecuR Score) pour identifier les patients présentant un risque plus élevé de réadmission non planifiée à l'hôpital combiné à des interventions améliorées de soins avant la sortie et de suivi, y compris une évaluation de leurs déterminants sociaux de la santé, de l'accès aux ressources de santé à domicile et à du matériel éducatif supplémentaire sur leur santé peuvent réduire de 30 % les réadmissions non planifiées à l'hôpital dans les 30 jours dans ce groupe à haut risque.

III. MÉTHODES Il s'agit d'une étude de contrôle pragmatique, prospective, randomisée et non en aveugle de l'impact d'un nouveau modèle de soins de transition pour les patients déterminés comme présentant un risque plus élevé de réadmission non planifiée à l'hôpital pendant 30 jours, menée à l'UM CRMC au 5 Garrett Ave, La Plata , MD 20646. Les patients seront randomisés 1: 1 (de manière égale) dans un bras Standard of Care (contrôle) ou dans un bras Enhanced Care (intervention) en utilisant une méthode de randomisation stratifiée avec stratification par score RecuR. En raison de la différence apparente entre la norme de soins et les soins améliorés, ni les patients ni les prestataires ne seront aveuglés par l'affectation de l'étude.

La population de patients cible est constituée de patients admis (patients hospitalisés) avec des diagnostics d'admission spécifiques qui se prêtent à des interventions péri- et post-congé, où l'objectif est de réduire le taux de réadmission de cette population à haut risque.

Sur la base des données historiques, nous prévoyons qu'il faudra 2,5 ans pour inscrire les 1500 participants requis. Les patients seront éligibles pour l'inclusion après le début de l'étude et se poursuivront jusqu'à ce que le nombre total de patients soient inscrits. L'étude continuera à collecter des données pour chaque sujet jusqu'à 90 jours après la sortie de leur hospitalisation d'inscription. La collecte de données se terminera 90 jours après la sortie du dernier sujet de son hospitalisation d'inscription.

En utilisant le score RecuR disponible pour chaque patient 24 heures après le début de la collecte des données, recrutez les patients dont la durée de séjour est supérieure à 48 heures et inférieure à 30 jours, et un ou plusieurs des scénarios suivants : 1) Score RecuR supérieur ou égal à 2 avec diagnostic d'admission de MPOC, d'ICC, de diabète avec HbA1c élevé, d'hypertension ou de pneumonie OU 2) Score RecuR supérieur ou égal à 3 avec tout diagnostic d'admission OU 3) Score RecuR supérieur ou égal à 2 et durée de séjour supérieure à 10 jours et tout diagnostic d'admission OU 4) tout score RecuR ET l'admission actuelle est une réadmission dans les 30 jours suivant l'admission précédente, où le patient n'était pas inscrit au projet pilote lors d'une admission précédente ET de tout diagnostic d'admission.

IV. COLLECTE DE DONNÉES Le dossier de santé électronique (DSE) du patient d'Epic sera la principale source d'informations sur les données démographiques du patient, les diagnostics d'admission, la durée du séjour et les données sur les résultats, telles que les visites ultérieures à l'hôpital dans les 90 jours suivant la sortie. L'outil CRISP ADT (Chesapeake Regional Information System for our Patients, Admission Discharge Transfer) est la source qui fournit ce que les patients inscrits rencontrent à l'hôpital après leur sortie s'ils ne se produisent pas dans les installations de l'UMMS.

V. ANALYSE DES DONNÉES L'étude cherche à détecter un changement relatif de 30 % du taux de réadmission de base à partir d'un taux de réadmission estimé de 19,4 % dans le bras Standard of Care avec une puissance de 80 % pour détecter ce changement et un niveau alpha bilatéral de 0,05. L'inscription se fera dans un rapport de 1: 1 pour la norme de soins aux soins améliorés, avec une stratification sur le score RecuR 24 heures après le début de la collecte des données ou l'heure du premier score éligible. Cette randomisation stratifiée garantit qu'un nombre équilibré de patients au sein du même niveau de score RecuR est attribué aux deux bras du pilote.

Les caractéristiques des patients seront résumées et comparées entre les bras Standard of Care et Enhanced Care. La plupart des résultats seront comparés à l'aide d'un test de différence pour deux proportions. Si les données sont multi-catégorielles, la méthode Mantel-Haenszel sera utilisée pour les comparaisons. Si un événement est rare (<5%), le test exact de Fisher sera utilisé. Toutes les données continues seront comparées à l'aide d'un test t ou d'une statistique Wilcoxon Rank Sum. Si les données sont fortement faussées, des méthodes supplémentaires peuvent être nécessaires. Ces analyses seront utilisées pour présenter les caractéristiques de base et de fond, démontrant que l'analyse est équilibrée et représentative de la population générale, ou indiquant les domaines où les analyses primaires pourraient devoir être ajustées pour tenir compte des déséquilibres.

Toutes les analyses des résultats pour les paramètres primaires et secondaires seront basées sur le principe de l'intention de traiter. La comparaison des réadmissions à l'hôpital sera effectuée à l'aide de tests z ou du test exact de Fischer, selon la rareté du résultat d'intérêt. Si des déséquilibres sont constatés dans les caractéristiques de référence, des modèles de régression ajustés seront testés, le cas échéant. Une analyse de sous-groupe sera effectuée, si nécessaire.