4.9 Variabilité de l’utilisation de l’appareil

Quels sont les éléments expliquant la variabilité inter-hospitalière de l’utilisation de l’appareil d’IRM versus l’utilisation de l’appareil de CT?

L’objectif de cette section est d’intégrer les différentes variables discutées dans les sections précédentes dans un modèle pour estimer leur impact relatif sur la substitution de l’examen de CT par l’examen d’IRM. Plus précisément, nous recherchons des facteurs explicatifs de la variabilité entre les hôpitaux et de l’influence du management et des procédures comme cela a été demandé dans les questionnaires.

En cliquant sur les triangles ci-dessous, un tableau avec les valeurs pour tous les hôpitaux et pour le Exemple d’hôpital peut être affiché.

Tableau avec une description et des nombres par variable

Characteristic	N = 10,024,708¹
Âge	59 (44, 71)
Sexe
Femme	5,290,863 (53%)
Homme	4,733,845 (47%)
Droit à l'intervention majorée	2,475,020 (25%)
Type patiënt
actifs	4,400,088 (44%)
affiliés registre national	199,752 (2.0%)
communauté religieuse	993 (<0.1%)
conventions internationales	159,172 (1.6%)
invalides et handicapés	1,155,519 (12%)
orphelins	408 (<0.1%)
pensionnés	3,625,775 (36%)
veufs, veuves	483,001 (4.8%)
Organisme assureur
CAAMI	79,745 (0.8%)
HR Rail	111,884 (1.1%)
Libérale	536,555 (5.4%)
Libre	1,747,719 (17%)
MC	4,002,998 (40%)
Neutre	493,952 (4.9%)
Socialiste	3,051,855 (30%)
Région anatomique
Crâne - Colonne vertébrale	4,597,327 (46%)
Non Crâne - Colonne vertébrale	5,427,381 (54%)
Management réduction CT	5,797,144 (58%)
Type d'hospitalisation
Ambulatoire	8,179,560 (82%)
Hospitalisé	1,845,148 (18%)
Appareil
CT	6,721,352 (67%)
IRM	3,303,356 (33%)
¹ Median (IQR); n (%)

Outre le fait que les modèles plus complexes sont difficiles à interpréter, la taille des données limite le nombre de variables pouvant être incluses dans le modèle. Pour des raisons statistiques, il n’est pas simplement possible d’inclure toutes les questions dans les enquêtes. Par conséquent, un choix a été fait pour étudier ces questions à travers ce modèle, que nous supposons lié au choix entre l’examen d’IRM ou l’examen de CT.

Le modèle que nous utilisons est un modèle dit « mixte » dans lequel deux types d’effets sont inclus : les effets fixes et les effets aléatoires. Nous utilisons l’hôpital comme effet aléatoire car nous supposons que les observations que nous faisons sont regroupées en « clusters » au niveau de l’hôpital. Ceci fait une différence entre la variance qui se produit au sein d’un hôpital et la variance entre les hôpitaux. En utilisant un tel modèle mixte, une meilleure estimation peut être faite des effets fixes qui donnent un aperçu de l’effet de ces variables au niveau de la population.

En utilisant un modèle avec seulement l’hôpital comme effet aléatoire, nous pouvons estimer la variabilité entre les hôpitaux. Lorsqu’on ajoute des effets fixes explicatifs pour la variable réponse de la proportion des examens d’IRM, la variance entre les hôpitaux diminue. Dans ce cas, une partie de l’explication de la variance entre les hôpitaux s’explique par ces effets fixes. Cela permet de voir si la variabilité entre les hôpitaux change en fonction de différents profils de patients car nous nous attendons à ce que l’ajout de variables liées au patient réduise la variance de l’effet aléatoire à $0$.

Les informations disponibles dans les ensembles de données sur les patients subissant un examen de CT ou un examen d’IRM sont :

l’âge (0-100) ;
le genre (H/F) ;
le droit à l’intervention majorée (oui/non), et
l’organisme assureur (7 catégories).

De plus, nous savons d’après les résultats présentés précédemment qu’il existe une différence dans la proportion d’examens d’IRM pour la région anatomique crâne-colonne vertébrale. De plus, il existe une différence entre les patients hospitalisés et les patients ambulatoires. Ceux-ci sont également inclus dans le modèle en tant qu’effets fixes.

Un certain nombre de questions ont été posées dans les questionnaires qui pourraient expliquer une variabilité entre les hôpitaux en ce qui concerne l’utilisation de l’appereil d’IRM versus l’appareil de CT. La question la plus frappante est de savoir si l’hôpital a modifié son management pour réduire le nombre de prestations de CT dans l’optique du protocole d’accord. D’autres questions qui ont été prises en compte lors de l’élaboration du modèle concernent les questions relatives aux procédures internes et la question de la conduite d’un audit interne volontaire dans le cadre de B-QUAADRIL. Ces questions ne se sont pas toutes avérées avoir une relation statistiquement significative avec le choix d’un examen d’IRM. Cependant, il faut s’y attendre étant donné que ces questions sont répondues au niveau de l’hôpital et qu’il y a donc moins de degrés de liberté pouvant être utilisés pour une estimation plus précise des variables.

Dans le tableau 4.11 nous ne voyons qu’une petite réduction de la variance entre les hôpitaux dans le modèle considérant les variables mentionnées ci-dessus. Ceci signifie que nous ne pouvons pas utiliser ces informations pour expliquer les différences entre les hôpitaux dans la mesure souhaitée.

Tableau 4.11: Variabilité entre les hôpitaux basée sur l’effet aléatoire avec des variables supplémentaires dans les lignes ajoutées incrémentiellement.
Modèle	Variance	Déviation standard
Uniquement interception	0.24907	0.49907
+ caractéristiques du patient	0.24329	0.49325
+ Région	0.13729	0.37053

Le tableau ci-dessous présente les résultats du modèle dans lequel il existe trois types de variables. Il existe des variables dichotomiques, des questions catégorielles avec plus de deux catégories et la variable numérique pour l’âge. Les variables dichotomiques et catégorielles fournissent un « odds ratio » par rapport à la catégorie de référence. Pour le sexe, les femmes sont la catégorie de référence et pour le type de patient les participants inscrits. Dans ce cas, le odds ratio pour la catégorie indique la différence en comparaison avec la ligne de base pour cette catégorie. Pour les valeurs numériques, comme l’âge, le « odds ratio » par augmentation de $1$ an est l’âge. Cela signifie lorsqu’une personne de $25 $ans est comparée à une personne de $50$ ans en maintenant toutes les autres variables constantes, le que l’on obtient un « odds ratio » de « 0.6893973 ». Ce qui signifie qu’une personne de $50$ ans a $31$% de chances en moins de subir un examen d’IRM. Pour obtenir un « odds ratio », l’exposant est tiré du coefficient : $e^{coef}$.

Tableau 4.12: Résultats des variables duratio modèle statistique
	Coef.	Odds ratio	Std. Error	z	Pr(>z)
(Intercept)	-0.014383	0.985719941	0.112673	0.13	0.8984
Âge	-0.014903	0.9852075	5.82018e-05	-256.1	<1e-99
Sexe: Masculin	-0.211298	0.80953279	0.00148642	-142.15	<1e-99
Intervention majorée	-0.250243	0.778611557	0.00193661	-129.22	<1e-99
Type de patient: affiliés registre national	ref	ref	ref	ref	ref
Type de patient: actifs	0.249762	1.283719855	0.00566766	44.07	<1e-99
Type de patient: invalides et handicapés	0.0436449	1.044611348	0.00584685	7.41	<1e-12
Type de patient: pensionnés	0.10658	1.11246692	0.00820948	12.98	<1e-37
Type de patient: invalides ou personnes handicapées	0.234556	1.264347274	0.0058197	40.30	<1e-99
Type de patient: communauté religieuse	-0.0054312	0.994583522	0.0844689	-0.06	0.9487
Type de patient: veufs, veuves	-0.241042	0.785808622	0.00699977	-34.44	<1e-99
Type de patient: orphelins	-0.211437	0.809420273	0.126757	-1.67	0.0953
OA: MC	ref	ref	ref	ref	ref
OA: Neutre	0.00030677	1.000306817	0.00355523	0.09	0.9312
OA: Socialiste	-0.0795095	0.923569246	0.00185759	-42.8	<1e-99
OA: Libérale	-0.0630839	0.9388647	0.00338044	-18.66	<1e-76
OA: Libre	0.0318428	1.032355206	0.0021939	14.51	<1e-47
OA: CAAMI	-0.134872	0.873827754	0.008555	-15.77	<1e-55
OA: HR Rail	-0.013880	0.986215883	0.00734546	-1.89	0.0588
Région flamande	0.301946	1.35248819	0.122543	2.46	0.0137
Région wallonne	-0.4168	0.659152737	0.127718	-3.26	0.0011
Prestations pas Crâne - Colonne vertébrale	ref	ref	ref	ref	ref
Prestations Crâne - Colonne vertébrale	0.460593	1.585013619	0.00146495	314.41	<1e-99
Management réduction CT	0.221421	1.247848664	0.0834288	2.65	0.0080
Ambulatoire	ref	ref	ref	ref	ref
Hospitalisé	-1.07795	0.340292411	0.0023392	-460.83	<1e-99

Le tableau montre les influences de diverses covariables sur les variables de réponse de la proportion des examens d’IRM.

Les résultats portant sur la réduction de la probabilité d’IRM avec l’augmentation de l’âge et du sexe pourraient déjà être établis dans la section des caractéristiques des patients. Il en va de même pour la différence de région anatomique et le type d’hospitalisation qui entraînent respectivement une augmentation et une diminution des chances de subir un examen d’IRM. On constate une différence selon le type d’assuré, parmi lesquels on a les pensionnés et les veuves ou veufs qui ont plus de chance de subir un examen de CT par rapport aux actifs et invalides ou handicapés. La différence que nous observons en fonction de l’organisme assureur auquel un patient est affilié est assez frappante, mais pas totalement surprenante. Un résultat important que nous voyons est une différence statistiquement significative et substantielle d’environ $25$% [14% - 35%] entre les hôpitaux qui indiquent dans le questionnaire qu’ils ont adapté leur management pour réduire le nombre de cas d’examens de CT et les hôpitaux qui ne l’ont pas fait. Pour les autres questions, il n’y a pas de relation statistiquement significative avec le rapport des examens IRM aux examens CT. Ici, il faut tenir compte du fait que le nombre de degrés de liberté est plus faible pour ces questions car ces degrés de liberté ne varient pas par prestation de soins mais uniquement par hôpital.