Comparaison de méthodes de modélisation des parcours de soins et de classification (clustering) de patients atteints de diabète sur les données du SNDS
Revue d'Épidémiologie et de Santé Publique(2021)
Abstract
La modélisation des parcours de soins est utile pour identifier des profils de patients diabétiques selon leurs consommations de soins afin d’optimiser leur prise en charge. Présenter et comparer différentes méthodes de modélisation des parcours de soins chez des patients diabétiques identifiés dans l’EGB et évaluer l’apport du clustering dans l’analyse des parcours de soins. Deux méthodes de modélisation ont été comparées : – « MultiChannel Sequence Analysis » (MCSA) qui étudie l’évolution des consommations de soins quantitativement sur une période d’étude divisée en pas de temps réguliers (trimestres) ; – modélisation en « séquences de visites » (MSV) qui étudie qualitativement l’évolution des différentes consommations de soins des patients au cours de la période d’étude. Chaque modélisation permet d’obtenir une matrice de distances (ou dissimilarités), qui indique la proximité entre les différents parcours de soins des patients étudiés. Pour chacune de ces modélisations, une méthode de clustering par Classification Ascendante Hiérarchique (CAH) a été appliquée pour classer les parcours de soins. Ces différentes méthodes ont été appliquées sur une cohorte de patients diabétiques identifiés dans l’Échantillon Généraliste des Bénéficiaires (EGB). Les parcours de soins de1964 patients insulino requérants et insulino dépendants (DTi) ont été modélisés par les méthodes MCSA et MSV et clustérisés par CAH. Quelle que soit la méthode utilisée, trois clusters de parcours de soins sont identifiés avec des résultats comparables pour un des clusters, et variables pour les deux autres. Les deux modélisations des parcours de soins (MCSA et MSV) présentent chacune des avantages et inconvénients notables : – la modélisation MCSA permet de visualiser facilement l’évolution quantitative des différentes consommations de soins au sein de chaque cluster par trimestre. Elle est rapide d’exécution mais manque cependant de précision sur la succession des différentes consommations de soins ; – la modélisation MSV considère l’enchaînement des différentes consommations de soins sans prendre en compte le délai entre chacune d’elles. Elle apporte une précision plus importante sur la succession des consommations de soins étudiées, et permet de mieux visualiser leur évolution dans le temps. Elle nécessite cependant un travail préalable important de catégorisation des consommations de soins (étude qualitative), et demande des temps d’exécution longs. Le clustering des parcours de soins permet ensuite d’obtenir des partitions dont l’interprétation est possible par la mise en œuvre d’outils de visualisation de type Sunburst, chronogrammes ou tapis de séquences. Les deux méthodes de modélisation génèrent des matrices de dissimilarités qui permettent d’appliquer des algorithmes de clustering. En raison de sa pertinence clinique et de son interprétabilité plus aisée, la méthode MSCA semble la plus adaptée dans le cadre de l’analyse des parcours de soins des patients diabétiques. Les analyses de clustering permettent ensuite, en les catégorisant, de mieux caractériser les parcours de soins, et d’optimiser la prise en charge des patients.
MoreTranslated text
Key words
patients atteints de diabète,clustering,soins et de classification
AI Read Science
Must-Reading Tree
Example
![](https://originalfileserver.aminer.cn/sys/aminer/pubs/mrt_preview.jpeg)
Generate MRT to find the research sequence of this paper
Chat Paper
Summary is being generated by the instructions you defined