Cet Article  • Résumé  • PDF  • Version anglaise  • Sauvegarder dans Citation Manager  • Permissions  Contenu en rapport  • Article en rapport  • Articles similaires dans ce journal

Rajendra H. Mehta, MD, MS; Li Liang, PhD; Amrita M. Karve, BA; Adrian F. Hernandez, MD, MHS; John S. Rumsfeld, MD, PhD; Gregg C. Fonarow, MD; Eric D. Peterson, MD, MPH

JAMA. 2008;300(16):1897-1903

RÉSUMÉ
Contexte Alors que la plupart des comparaisons des résultats entre hôpitaux s'ajustent sur les caractéristiques des patients, les comparaisons de la performance des procédures ne le font habituellement pas.

Objectif Evaluer le degré auquel la cotation de la performance des processus de l’hôpital et l’éligibilité à des incitations financières sont modifiées après ajustement sur la démographie des patients, les caractéristiques cliniques, et mélange d’’opportunités de traitement.

Schéma, environnement, et patients A l’aide des directives des données du programme GetWith de l'association américaine du cœur (AHA) du 2 janvier 2000 au 28 mars 2008, nous avons analysé la performance des procédures des hôpitaux basée sur les mesures centrales définies des Centers for Medicare & Medicaid Services pour l'infarctus du myocarde aigu. Les hôpitaux ont été au début classés sur la performance des procédures brute puis classés sur la démographie des patients, les caractéristiques cliniques, et l’éligibilité des mesures utilisant un modèle hiérarchique. Nous avons alors comparé les différences des classements de la performance des hôpitaux et des catégories d’encouragement financier lors de la performance d’actes contre honoraires (institutions au sommet 20%, milieu 60%, et à la base 20%).

Principaux critères de mesure Classement sur la performance des procédures hospitalières et catégories d’encouragement financier pour les actes contre honoraires.

Résultats Au total, 148 472 patients ayant un infarctus aigu du myocarde ont répondu aux critères de l’étude dans 449 centres. Les hôpitaux pour lesquels la performance brute pour l’infarctus aigu du myocarde était dans le quintile inférieur (n=89) étaient de plus petits établissements non-académiques ayant traité un pourcentage plus élevé des patients appartenant à des groupes minoritaires et des patients de groupes raciaux ou ethniques ayant de plus grandes comorbidités que les hôpitaux rangés du quintile supérieur (n=90). Bien qu'il y ait eu un accord global sur le classement des hôpitaux basés sur les scores composés observés versus ajustés (kappa pondéré, 0.74), le classement individuel de l’hôpital se modifiait avec l'ajustement (médiane, 22 rangs; extrêmes, 0-214 ; gamme interquartile, 9-40). De plus, 16.5% des établissements (n=74) ont changé de catégories de situation financière d’actes contre honoraires après prise en compte du patient et du mélange des opportunités de traitement.

Conclusion Nos résultats suggèrent que la prise en compte des différences des hôpitaux et des opportunités de traitement est associée à des changements modestes du classement de la performance des hôpitaux et à l’éligibilité à des bénéfices financiers dans des programmes actes contre honoraires dans le traitement de l'infarctus du myocarde.

Des recherches passées ont révélé des variations importantes entre hôpitaux au niveau de leur adhérence aux consignes nationales de soin pour les patients à cardiopathie coronaire, et de nombreuses thérapies recommandées ne sont toujours pas utilisées sur des patients ne présentant aucune contre-indication^1-3. Afin d'examiner les écarts de qualité et d'accroître la transparence de la médecine, les Centres for Medicare & Medicaid Services (CMS) publient désormais des informations publiques sur les performances hospitalières dans des cas d'infarctus du myocarde (AMI, Acute Myocardial Infarction) et d'insuffisance cardiaque ⁴. Les CMS ont également lancé un programme pilote de rémunération par performance qui met en relation les performances d'activité d'un hôpital avec des gratifications financières ⁵.

Bien que l'objectif de ces programmes soit d'évaluer l'activité hospitalière de façon précise, il se peut que tous les hôpitaux ne partent pas d'un niveau égal. Plus particulièrement, tandis que les comparaisons de résultats ajustent en général les comparaisons d'hôpitaux dans le but de rendre compte des différences dans l'éventail des patients, les mesures d'évaluation d'activité hospitalière ne rendent pas compte de ces facteurs. Et pourtant les données suggèrent toutes que les caractéristiques du patient telles que l'âge, la race ou l'ethnicité, ou l'avancement de la maladie sont associées à la probabilité que le patient reçoive un traitement et qu'elles peuvent varier de centre à centre^6-10. C'est pourquoi des hôpitaux prenant soin de larges groupes de patients âgés, de sexe féminin, pauvres, sans assurance maladie ou Africains-Américains peuvent rencontrer des difficultés à faire face à d'autres institutions qui ne prennent en charge que des patients jeunes, de sexe masculin, riches, assurés ou blancs.

Nous avons comparé le classement des hôpitaux entre les adhérences composites aux mesures de prise en charge d'AMI observées et ajustées après avoir justifié des démographies des patients, des caractéristiques cliniques et des éventails d'opportunités de traitement de leurs patients^11-13. Nous avons cherché à savoir si l'éventail de patients variait suivant les centres comme une fonction de performance hospitalière; si le fait d'ajuster les performances hospitalières à chaque éventail de patients et chaque éventail de traitements peut changer les notes globales de performance par rapport à d'autres hôpitaux; et si de tels ajustements d'éventails de patients pourraient potentiellement altérer l'éligibilité des hôpitaux à recevoir des gratifications (ou punitions) financières au sein d'un programme de rémunération par performance.

METHODES
Sources de données

Nous nous sommes servis de données provenant du programme de l'American Heart Association's (AHA's) Get With the Guidelines, dont les caractéristiques détaillées ont été publiées dans le passé^11-13. En bref, l'AHA a lançé un projet concentré sur le remodelage des systèmes de soins hospitaliers afin d'améliorer la qualité du soin des patients souffrant de cardiopathie coronarienne. Ce programme se sert d'un outil en ligne de prise en charge des patients (Outcome Sciences Inc., Cambridge, Massachussets) pour récolter les données cliniques, apporter des aides à la décision, et offrir des fonctions en temps réel de compte-rendus en ligne^11-13. Les données récoltées incluent les démographies des patients, l'anamnèse, les symptômes à l'arrivée, les traitements et événements survenus à l'hôpital, le traitement prescrit, les conseils donnés à la sortie, et l'état d'esprit du patient. Le centre des Sciences de Résultat est le centre de collecte des données et de coordination. Les institutions participantes ont reçu comme consigne de soumettre des cas de patients consécutifs éligibles ayant reçu un diagnostic d'AMI à la base de données de cardiopathies coronariennes du Get With the Guidelines. Les institutions qui possédaient un large nombre d'AMI (plus de 75 cas par an) étaient autorisées à soumettre un échantillon de cas au travers d'une sélection randomisée à chaque trimestre.

Puisque les données récoltées étaient au début utilisées pour l'amélioration des qualités institutionnelles et que les informations des patients anonymisés était récoltées, chaque site a reçu des décharges par consentement informé sous la règle commune. Le Duke Clinical Research Institute a servi de centre d'analyse des données et il a été autorisé, par un comité de relecture institutionnel, à analyser ces données anonymisées et amalgamées à des fins de recherche.

Les patients

Cette étude inclut des cas de patients intégrés entre le 2 janvier 2000 et le 28 mars 2008 provenant des 574 hôpitaux participant au programme Get With the Guidelines, qui comprend des hôpitaux universitaires ou non, ruraux et urbains, petits ou grands des quatre coins des États-Unis. Nous avons exclu tout patient ne présentant pas d'AMI (n=137 559) et n'avons inclus que ceux ayant reçu un diagnostic 410 de l'International Classification of Diseases, Ninth Revision (ICD-9). Les patients étaient également exclus s'ils n'étaient pas éligibles pour aucune des huit mesures de performance CMS (n=12 334) ou s'ils provenaient d'hôpitaux ne possédant pas de variantes d'anamnèse précises et sûres (n=51 856; nbre d'hôpitaux =106). Les patients restants ont constitué l'échantillon de l'analyse avec 148 472 patients provenant de 449 hôpitaux. Les données des patients ont été récoltées par les hôpitaux participants sans aucune compensation financière. La race et l'ethnicité ont été rapportées par les patients eux-mêmes, archivées dans le dossier médical du patient et réparties sur la fiche de compte-rendu dans les catégories suivantes: blanc, noir ou Africain-Américain, Indien Natif de l'Amérique du Nord ou Natif de l'Alaska, Hispanique ou Latino, Asiatique, Hawaïen Natif ou Natif d'autres îles du Pacifique, ou autre.

Définition des mesures de performance et catégories d'hôpitaux

Nous nous sommes concentrés sur huit mesures de performance inclues dans les mesures-clés d'AMI pour les CMS pour la notation des hôpitaux dans le programme de rémunération par performance⁵. Ces mesures comprennent la prise d'aspirine à l'admission à l'hôpital et à la sortie, la prise de bêtabloquants à l'admission et à la sortie, la prise d'inhibiteurs de l'enzyme de conversion pour soigner des fractions d'éjection du ventricule gauche, l'aide à arrêter de fumer, la prise de thrombolytiques dans les trente minutes suivant l'admission et toute intervention coronaire percutanée primaire dans les soixante minutes suivant l'admission. Les critères d'inclusion et d'exclusion spécifiques aux indicateurs ont été appliqués afin que seuls les patients éligibles n'ayant aucune contre-indication ou intolérance connue envers cet indicateur bien spécifique soient retenus pour chacune des mesures. La note d'adhérence composite d'un hôpital donné a été calculée par la somme de soins appropriés, divisée par le nombre total d'opportunités éligibles (basées sur les huit mesures) pour tous les patients de l'hôpital. Ceci reflète également les méthodes des CMS pour les comptes-rendus publics et les programmes de rémunération par performance⁵.

Les CMS récompensent les hôpitaux qui se trouvent dans les 20% supérieurs des résultats des programmes de rémunération par performance en se basant sur leur note d'adhérence composite, si bien que les 10% les plus hauts peuvent recevoir un bonus de paiement de 2% de la part des CMS et que les 10% suivants peuvent recevoir un bonus de paiement de 1% ⁵. A contrario, les hôpitaux situés dans les 20% les plus bas risqueront de voir leur rémunération réduite de 20%. En gardant à l'esprit cette pratique des CMS, nous avons divisé les hôpitaux en trois catégories en se basant sur leurs notes composites: les hôpitaux des 20% les plus hauts (qui recevront probablement une gratification due à la qualité de leurs soins), les hôpitaux des 60% du milieu (qui ne recevront ni gratification ni punition), et les hôpitaux des 20% les plus bas (qui recevront probablement moins de financements).

Analyse statistique

Tout d'abord, les hôpitaux ont été ordonnés suivant leurs notes CMS composites observées, ensuite ils ont été divisés en trois catégories de gratifications financières: les praticiens des 20% les plus hauts, ceux des 60% du milieu et deux des 20% les plus bas. Les caractéristiques des patients et des hôpitaux de ces trois catégories d'hôpitaux ont été comparées suivant les tests de notes moyennes de Cochran-Mantel-Haenzel pour leurs variables catégoriques, et suivant les tests de corrélation non nulle de Cochran-Mantel-Haenzel pour leurs variables continues. Nous nous sommes servis des pourcentages pour définir les variables catégoriques, et des étendues interquartiles (IQR, Interquartile Ranges) ainsi que des moyennes ont été utilisées pour définir les variables continues.

Nous avons conduit une analyse de régression logistique hiérarchique à variables multiples pour ajuster la performance de l'hôpital aux éventails de patients et d'opportunités de traitement. Cette analyse était basée sur des données d'opportunité. Chaque mesure pour laquelle un patient était éligible apportait une observation, et le résultat était une variable dichotomique de valeur 1 (positive) ou 0 (négative) indiquant si l'opportunité avait été accomplie. Par exemple, si un patient était éligible pour six mesures de CMS et en recevait cinq, ce patient aurait alors six observations dans l'ensemble des données de l'analyse et cinq d'entre elles seraient positives. La performance de l'hôpital (càd son taux d'adhérence en termes de mesures-clés des CMS) était ajustée pour chaque éventail de patients en incluant les caractéristiques de base du patient dans le modèle. Ces caractéristiques étaient l'âge, la race ou l'ethnicité, le sexe, l'indice de masse corporelle (BMI, Body Mass Index, calculé par le poids en kilos divisé par la taille en mètres au carré), l'assurance médicale, l'anamnèse (broncho-pneumopathie chronique obstructive, hypertension, diabète, insuffisance cardiaque, fumeur ou non fumeur, dyslipidémie, antécédent d'infarctus du myocarde, antécédent d'accident vasculaire cérébral, maladie périphérique vasculaire, dialyse, dépression chronique, fibrillation ou flutter auriculaire, insuffisance rénale) et la tension artérielle systolique.

En outre, les taux globaux d'adhérence au niveau des mesures de procédés individuels variaient considérablement parmi les huit mesures-clés des CMS. Par exemple, le taux d'adhérence global pour la prise d'aspirine à la sortie était de 96%, alors qu'une durée de moins de 30 minutes entre l'admission aux urgences et l'accès à une fibrinolyse engendrait un taux bas de 40.4%, et une durée de 90 minutes entre l'admission aux urgences et une angioplastie à ballonnet recevait un taux de 51.9%. C'est pourquoi l'éventail d'opportunités de traitement des CMS mis dans le contexte d'un hôpital pourrait influencer son classement. Les notes composites des hôpitaux sans interventions coronaires percutanées n'incluaient pas la durée de prise en charge entre l'admission et l'angioplastie, ce qui pourrait biaiser les résultats en faveur d'un centre faisant des angioplasties primaires. Une variable à huit niveaux indiquant les huit mesures de performances a donc été incluse pour servir de covariable au modèle qui prend en compte les éventails d'opportunités de traitement.

Dans cette analyse, les valeurs covariables manquantes étaient de moins de 6% pour toutes les variables sauf pour le BMI (9.7%) et la tension artérielle systolique (13.3%). Il a cependant été observé que les pourcentages manquants et la distribution des données disponibles pour le BMI et la tension artérielle systolique étaient similaires pour tous les hôpitaux à niveaux financiers différents; ce qui prouve qu'ils n'allaient probablement pas influencer les résultats.

L'approche hiérarchique traite les hôpitaux comme des effets randomisés et permet l'ajustement au sein de l'hôpital de la corrélation des résultats et des effets spécifiques à chaque hôpital pour calculer les résultats spécifiques à chaque hôpital. Les notes ajustées des mesures composites de performance ont ensuite été déterminées à partir du modèle hiérarchique, et les hôpitaux ont été à nouveau classés grâce aux notes ajustées. Pour calculer les notes ajustées, nous avons tout d'abord calculé des estimations d'adhérence observées spécifiques à chaque hôpital comme étant la moyenne de probabilité d'adhérence prédite du modèle hiérarchique de tous les patients et opportunités d'un site donné. Cette estimation est parfois appelée "une estimation de rétrécissement" car elle rend compte des montants différentiels d'information de tous les hôpitaux mesurés par le nombre d'observations par hôpital. Cette note était ensuite multipliée par le taux national d'adhérence observée puis divisée par le taux d'adhérence attendu estimé pour l'hôpital afin d'obtenir la note ajustée. La note d'adhérence attendue d'un hôpital donné a été calculée comme étant la moyenne des probabilités d'adhérence prédites basées sur les caractéristiques de base des patients et les indicateurs de mesures, mais sans y incorporer l'effet randomisé de l'hôpital ^14,15.

Les hôpitaux ont ensuite été catégorisés suivant leur classement relatif aux autres hôpitaux dans trois catégories de rémunération par performance en fonction des notes d'adhérence ajustées des échantillons de patients et d'opportunités de traitement obtenues de la façon décrite plus haut. Les changements de classement de tous les hôpitaux, et leur position financière basés sur les notes observées et ajustées ont par la suite été évaluées. Et enfin, nous avons mené une analyse de sensibilité après avoir exclu les hôpitaux qui avaient moins de 30 patients dans l'étude et qui comparaient les classements d'hôpitaux non ajustés et les positions financières avec ceux qui étaient ajustés (décrit plus haut).

Toutes les valeurs de P sont à deux facettes, où P<.05 est considérée comme une valeur statistiquement remarquable. Toutes les analyses ont été menées en se servant du logiciel SAS version 9.1 (SAS Institute Inc., Cary, North Carolina).

RESULTATS
Caractéristiques des patients

Parmi les 148 472 patients qui ont correspondu aux critères d'inclusion et d'exclusion de l'étude, 40 399 patients ont reçu des soins dans les hôpitaux des 20% supérieurs (n=90, performance de qualité composite moyenne, 97.6%; IQR, 96.6%-100%); 98 663 patients ont été soignés dans les hôpitaux des 60% intermédiaires (n=270, performance de qualité composite moyenne, 90.7%; IQR, 87.1%-93.3%); et 9410 patients ont été pris en charge dans les hôpitaux des 20% inférieurs (n=89; performance de qualité composite moyenne, 70.8%; IQR, 64.4%-78.4%).

La démographie des échantillons et les caractéristiques de base des patients figurent dans le Tableau 1. En comparaison avec les hôpitaux du groupe de performance supérieur, les hôpitaux ayant obtenu des notes de performance basses avaient plus tendance à ne pas être des hôpitaux universitaires et à être plus petits (moins de lits), les patients de ces hôpitaux provenaient plus souvent de minorités raciales ou ethniques et ils souffraient en plus grand nombre de maladies comorbides telles que diabète, insuffisance cardiaque, fibrillation auriculaire chronique, insuffisance rénale, tension artérielle systolique basse au moment de l'admission, et fraction d'éjection du ventricule gauche.

Voir ce tableau: [dans cette fenêtre] [dans une nouvelle fenêtre]   Tableau 1. Caractéristiques de base des patients et des hôpitaux dans les catégories d'hôpitaux basées sur des taux d'adhérence observés pour des soins d'Infarctus du Myocarde sévères

Mesures des performances

Le Tableau 2 montre les taux des huit mesures de performance des trois groupes de rémunération par performance. Les taux les plus bas ont été donnés dans des cas de fibrinolyse effectuée dans les trente minutes suivant l'admission (40.4%), suivis des interventions coronaires percutanées dans les 90 minutes suivant l'admission aux urgences (51.9%).

Voir ce tableau: [dans cette fenêtre] [dans une nouvelle fenêtre]   Tableau 2. Mesures de performance dans les catégories d'hôpitaux basées sur des taux d'adhérence observés aux consignes de soins d'Infarctus du Myocarde sévèresa

Comparaison de classement des hôpitaux

Il y a eu une unanimité globale entre les catégories de remboursement basée sur les notes composites d'adhérence observées pour les diverses institutions (k pondéré, 0.74; 95% CI [Confidence Interval, intervalle de confiance], 0.69-0.80). Malgré cette unanimité, nous avons constaté un changement de 22 places en moyenne dans les classements d'hôpitaux après ajustement (étendue, 0-214; IQR, 9-40). Le Tableau 3 montre le taux d'accord ou de désaccord entre les classements d'hôpitaux basés sur les notes composites observées telles qu'elles ont été inscrites dans le programme de rémunération par performance et les autres classements basés sur les notes ajustées.

Voir ce tableau: [dans cette fenêtre] [dans une nouvelle fenêtre]   Tableau 3. Degré d'agrément entre les classements d'hôpitaux basés sur des notes d'adhérence composites observés ou ajustés (Au total, n=449)a

En moyenne, 16.5% des hôpitaux ont changé de groupe de financement après ajustement à leur éventail de patients et après distribution des critères d'éligibilité aux processus de performance. Ce changement dans les classements s'est vu distribué de telle façon que 37 institutions (8.24%) auraient profité des ajustements aux éventails de patients et d'opportunités (càd qu'ils auraient soit reçu une récompense [29 hôpitaux, 6.46%] ou auraient évité des suppressions de financements [8 hôpitaux, 1.78%]). D'un autre côté, 37 autres sites (8.24%) auraient sans doute été désavantagés par un tel ajustement, ils auraient pu perdre leurs gratifications financières (6.46%) ou être déplacés vers une catégorie financièrement pénalisée (1.78%).

Les analyses de sensibilité, hormis celles des hôpitaux à petits échantillons (<30 patients, 132 hôpitaux), ont montré un changement modeste assez similaire dans le classement des hôpitaux où 15.2% de ceux-ci changeaient de groupe de financement après ajustement, la moitié d'entre eux à leur avantage, l'autre moitié aurait perdu sa gratification financière ou aurait été placée dans la catégorie des pénalités financières.

COMMENTAIRE
L'accumulation de preuves abondant dans le sens des disparités de qualité des soins médicaux a provoqué le développement et la croissance de recherches publiques traitant des mesures de performance et des programmes de rémunération par performance comme étant un moyen de stimuler la recevabilité externe et le changement dans les pratiques ^5,16-18. Ces programmes mettent sur le même plan la qualité des soins promulgués avant le paiement de ces soins avec des gratifications financières pour les performances les meilleures et des pénalités potentielles pour les plus mauvaises. Malgré l'enthousiasme constaté envers ces programmes, leur justesse ne peut être égale qu'à celle des mesures utilisées pour évaluer les performances des hôpitaux.

Nos résultats prouvent que l'une des raisons pour lesquelles certains centres reçoivent de mauvaises notes de performance est liée à leur éventail de patients. Les hôpitaux ayant reçu les résultats les plus mauvais ont également tendance à avoir à leur charge un plus grand nombre de patients provenant de minorités raciales ou ethniques faisant état d'une plus grande occurrence de comorbidités; ceci a souvent été associé à un recours moins fréquent aux thérapies fondées sur des preuves^19-21. De plus, ces hôpitaux ont tendance à être plus petits et à avoir des revenus plus bas ou à avoir moins de possibilité de générer plus de revenus, voire les deux. C'est pourquoi une rémunération par performance peut pénaliser les institutions qui prennent soin de patients socio-économiquement désavantagés.

Nos données suggèrent également que si les mesures de processus de performance étaient ajustées aux éventails de patients et à l'éventail des mesures de processus pour lesquelles les patients étaient éligibles, alors les classements relatifs des hôpitaux changeraient modérément. Même s'il y avait en général une corrélation entre les classements observés et ajustés, la variation moyenne de classement d'un hôpital relatif aux autres hôpitaux pourrait faire perdre ou gagner 22 places dans le classement (étendue, 0-214; IQR, 9-40), tandis que le classement de certains centres pourrait chuter ou décoller de 200 places si l'on prenait en compte les éventails de patients et d'opportunités de traitement.

En outre, nous avons constaté que près d'une institution sur six avaient changé de position de performance financière pour leur rémunération par performance une fois les éventails de patients et d'opportunités de traitement inclus. Nos données suggèrent par conséquent que la méthode en cours d'utilisation visant à classer les hôpitaux suivant des notes composites de mesure de performance non ajustées, comme par exemple le programme de rémunération par performance, pourrait ne pas être optimale. Il se pourrait que le manque d'ajustements dans le programme de rémunération par performance ne prive certaines institutions méritantes de gratifications financières à cause de leurs performances faibles, tout en récompensant des hôpitaux qui ne prennent soin que de personnes plus jeunes, en bonne santé et provenant de milieux socio-économiques plus privilégiés.

Cela serait une erreur d'interpréter ces données comme étant en faveur d'ajustements de routine des mesures de processus de performance pour les recherches publiques. Il faut plutôt voir que ces données dévoilent la magnitude avec laquelle les éventails de patients et la ségrégation des patients peuvent influer sur les notes de performance. Il est important de reconnaître le fait qu'il y ait des avantages ainsi que des inconvénients à incorporer de tels ajustements d'éventails de patients et d'opportunités de traitement dans les évaluations de processus de performance. Ceux en faveur de cet ajustement soutiennent que cela permet de mettre au même niveau tous les hôpitaux en prenant en compte les différences des gens qu'ils soignent. Un tel ajustement est désormais devenu un réflexe dans les comparaisons de résultats standards ^22-24.

Des études passées ont montré que les patients de certaines minorités raciales ou ethniques et que les patients sans assurance maladie se regroupant dans des quartiers urbains sensibles cherchant à se faire soigner dans des hôpitaux défavorisés (manque de médecins, d'infirmiers/ères, de personnel en général) disposent de budgets non adaptés, n'ont pas accès aux outils d'information sur la santé et manquent d'économies comme de revenus ^25,26. Ces hôpitaux dépendent presque toujours de paiements disproportionnés provenant de Medicare qui sont de plus en plus maigres, ou d'aides fédérales ou de l'État ^27,28, c'est pourquoi des priorités plus importantes ne leur laissent que peu de temps et de moyens pour se concentrer sur l'amélioration de la qualité de leurs soins. Un ajustement aux éventails de patients pourrait rendre possible l'obtention de gratifications financières pour ces hôpitaux qui prennent soin de patients non privilégiés, et ils seraient moins pénalisés. En outre, l'ajustement au nombre de performances et à l'éventail des processus de performance auquel doivent faire face les centres semble raisonnable puisqu'il y a une variabilité remarquable des performances globales pour chaque mesure donnée. Par exemple, les mesures composites de performance des hôpitaux faisant des interventions coronaires percutanées incluaient le temps écoulé entre l'admission aux urgences et la performance de la procédure, alors que pour un hôpital ne faisant pas d'interventions coronaires percutanées cette mesure ne serait pas prise en compte. Puisque la performance moyenne de temps écoulé entre l'admission aux urgences et l'intervention coronaire percutanée est en général plus basse que les autres mesures, une telle inclusion aurait tendance à favoriser les résultats des hôpitaux qui ne font pas d'interventions coronaires percutanées. C'est pourquoi les éventails de patients et d'opportunités de traitement amoindrissent les disparités de ressources entre centres dues aux revenus d'un hôpital à cause de ses patients (et leur propension à recevoir des dons) d'une part, et d'autre part minimisent les désavantages provenant de la variation du dénominateur de patients éligibles.

Il existe également des arguments allant à l'encontre des ajustements de routine aux éventails de patients et d'opportunités de traitement pour la mesure des processus de performance. Tout d'abord, tous les patients éligibles à un traitement fondé sur des preuves sans contre-indications ou intolérance devraient recevoir ce traitement. Un tel ajustement semble donc donner aux centres possédant un éventail de patients plus sérieux une justification partielle pour des performances moins bonnes. De la même façon, tout ajustement a tendance à codifier les disparités de soin présentes parmi les populations moins privilégiées et pourrait encourager l'abandon de tout effort de surmonter ces disparités.

Afin de proposer une alternative à ces deux extrêmes, certains ont suggéré qu'il faudrait que les rapports de qualité des hôpitaux soient stratifiés selon les races ou ethnicités, le sexe et les statuts socio-économiques de leurs patients ²⁹. Ainsi, les hôpitaux recevraient un classement de processus de performance global ainsi qu'un classement de chacun de leurs sous-groupes de patients. Des comparaisons de performances d'hôpitaux stratifiées pourraient alors mettre en exergue des populations moins privilégiées. L'évaluation globale des performances pourrait en plus être basée sur une comparaison non seulement des habitudes de soin des patients d'un hôpital mais aussi sur la façon dont celui-ci prend en charge des patients moins privilégiés. Ce plan d'évaluation des performances par strates pourrait être assez similaire à celui mis en place en ce moment dans des programmes de l'Éducation publique qui suivent les règles du plan No Child Left Behind (il pourrait y avoir un équivalent pour la Santé, No Patient Left Behind) ²⁹. D'autres ont proposé des modèles de rémunération par performance équitables qui donneraient aux instituions de zones désavantagées des gratifications financières qui les pousseraient à améliorer la qualité de leurs soins. Mettre l'accent sur les rémunérations pour améliorations plutôt que sur les rémunérations par performance pourrait bien s'avérer être efficace pour les hôpitaux, sans considération d'éventails de patients ³⁰.

Notre analyse doit être comprise dans un contexte qui comprend certaines limites. Premièrement, bien que notre base de données présentait des caractéristiques démographiques et cliniques communes, il nous manquait des mesures détaillées des statuts socio-économiques des patients (revenus, niveau d'instruction, etc). Puisque nos analyses n'incluaient pas ces facteurs d'éventails de patients potentiellement importants, ce qui peut être lié aux processus de performances, notre estimation de ce lien est tout du moins conservative au jour d'aujourd'hui. Deuxièmement, nous n'avons examiné que les processus de prise en charge d'AMI; il faudrait que ces découvertes soient appliquées à d'autres maladies et états pathologiques. Troisièmement, et même si l'outil de prise en charge des patients avait des capacités de modifications permettant d'assurer la constance des données en rapport avec les étendues possibles, Get With the Guidelines n'a à ce jour par réussi à effectuer un audit à l'échelle nationale de sa base de données. Enfin, notre échantillon était limité aux hôpitaux participants au programme. Bien qu'un grand nombre de centres des États-Unis soient représentés, ces centres s'inscrivent de façon volontaire et ont donc tendance à avoir des processus de performance légèrement meilleurs que le centre américain moyen.

CONCLUSIONS
Nos données montrent que les hôpitaux du bas du classement du programme de rémunération par performance prennent soin d'une catégorie de patients voués à être plus susceptible d'obtenir des résultats d'adhérence aux mesures de performance mauvais. Un ajustement aux éventails de patients et d'opportunités de traitement dans le cadre des comparaisons de processus serait lié de façon modeste mais capitale au changement de classement d'un hôpital et de son éligibilité à recevoir des gratifications financières dans le cadre du programme de rémunération par performance en comparaison avec un classement non ajusté uniquement basé sur des mesures observées. A l'avenir, il faudrait que les législateurs du monde médical prennent en considération ces données lorsqu'ils élaborent des systèmes de notation de performance et des programmes de rémunération par performance.

Informations sur les auteurs
Correspondance: Rajendra H. Mehta, MD,MS, Box 17969, Duke Clinical Research Institute, Durham, NC 27715 (mehta007{at}dcri.duke.edu).

Contributions des auteurs : Le Dr Peterson a eu un accès total à l'intégralité des données de cette étude et endosse toute responsabilité au sujet de l'intégrité des données et de l'exactitude des analyses de données.

Conception et modèle de l'étude : Mehta, Karve, Peterson.

Acquisition des données : Karve, Fonarow, Peterson.

Analyse et interprétation des données : Mehta, Liang, Hernandez, Rumsfled, Fonarow, Peterson.

Elaboration du manuscrit : Mehta, Karve.

Relecture critique du manuscrit pour les contenus intellectuels importants : Mehta, Karve, Hernandez, Rumsfeld, Fonarow, Peterson.

Analyse statistique : Liang, Hernandez.

Financements obtenus : Hernandez, Fonarow, Peterson.

Soutien administratif, technique et matériel : Karve, Hernandez.

Supervision de l'étude : Hernandez, Fonarow.

Liens financiers : Le Dr Hernandez a reçu des aides à la recherche de GlaxoSmithKline, Johnson & Johnson (Scios Inc), Medtronic, Novartis et Roche Diagnostics; et des honoraires d'Astra-Zeneca, Novartis, Sanofi-Aventis et de Thoratec Corporation. Le Dr Peterson a reçu des aides à la recherche de Schering Plough, BMS/Sanofi; et a été le chercheur principal de l'American Heart Association's (AHA's) Get With the Guidelines Analytical Center. Les docteurs Peterson et et Hernandez rendent compte de façon détaillée des intérêts sur http://www.dcri.duke.edu/research/coi.jsp.Le Dr Rumsfeld a reçu des honoraires pour avoir participé au comité de revue de recherche scientifique de United Healthcare. Le Dr Fonarow a reçu des bourses de recherche de GlaxoSmithKline, Medtronic, Merck, Pfizer et du National Institute of Health; a été consultant pour AstraZeneca, Bristol-Myers Squibb, GlaxoSmithKline, Medtronic, Merck, Novartis, Pfizer, Sanofi-Aventis et Schering Plough; et a été maître de conférence au AHA's Get With the Guidelines Steering Committee. Les docteurs Mehta et Liang ainsi que Ms Karve n'ont divulgué aucun intérêt.

Financements/aides : Le programme Get With the Guidelines est partiellement aidé par l'AHA au travers d'une bourse d'éducation illimitée venant de Merck-Schering Plough. Le Dr Hernandez a rapporté avoir reçu de l'aide d'une bourse d'un agent de l'American Heart Association Pharmaceutical Roundtable (réf. 0675060N). Le Dr Fonarow a rapporté avoir reçu de l'aide des fondations Elliot Corday (Los Angeles, California) et Ahmanson (Los Angeles, California).

Rôle du sponsor : Merck and Schering Plough n'ont joué aucun rôle dans l'élaboration du modèle de l'étude ni dans sa conduite; ni dans la collecte, la prise en charge, l'analyse et l'interprétation des données; ou dans la préparation, la relecture ou l'approbation du manuscrit. L'AHA a apporté es consignes de prise en main du programme Get With the Guidelines au travers d'un comité de décision formé de volontaires et de membres du personnel de l'AHA. Le manuscrit a été soumis à l'AHA pour relecture et a été approuvé avant sa soumission à la publication. Les fondations Corday et Ahmanson n'ont joué aucun rôle dans la conduite ou le compte-rendu de cette étude.

Note : Le Dr Peterson, un rédacteur du JAMA, n'a pas une fois été impliqué dans les processus d'évaluation éditoriale ou de décision éditoriale pour la publication de cet article.

Contributions supplémentaires : Elizabeth E. S. Cook, BA, du Duke Clinical Research Institute a apporté son assistance éditoriale à notre article. Ms Cook n'a pas reçu de compensation pour sa participation à cet article.

Affiliations des auteurs : Duke Clinical Research Institute and Duke University Medical Center, Durham, North Carolina (Drs Mehta, Liang, Hernandez, et Peterson, et Ms Karve); Denver Veterans Affairs Medical Center, Denver, Colorado (Dr Rumsfeld); University of California Los Angeles Medical Center, Los Angeles (Dr Fonarow).

FMC en ligne à www.jamaarchivescme.com et questions p 1952.

BIBLIOGRAPHIE
1. Mehta RH, Roe MT, Chen AY, et al.. Recent trends in the care of patients with non-ST elevation acute coronary syndrome: insights from the CRUSADE initiative. Arch Intern Med. 2006;166(18):2027-2034. FREE FULL TEXT 2. Rogers WJ, Canto JG, Lambrew CT, et al.. Temporal trends in the treatment of over 1.5 million patients with myocardial infarction in the US from 1990 through 1999: the National Registry of Myocardial Infarction 1, 2 and 3. J Am Coll Cardiol. 2000;36(7):2056-2063. FREE FULL TEXT 3. Krumholz HM, Wang Y, Parent EM, Mockalis J, Petrillo M, Radford MJ. Quality of care for elderly patients hospitalized with heart failure. Arch Intern Med. 1997;157(19):2242-2247. FREE FULL TEXT 4. US Department of Health&Human Services. A quality tool for adults, including peoplewith Medicare. Hospital Compare Web site. http://www.hospitalcompare.hhs.gov. Accessed August 4, 2008.5. Centers for Medicare & Medicaid Services (CMS)/PREMIER Hospital Quality Incentive Demonstration project. Project overview and findings from year one: April 13, 2006. http://www.premierinc.com/all/quality/hqi/resources/HQIwhitepaper-4-13-06.pdf. Accessed March 23, 2007.6. Alexander KP, Roe MT, Chen AY, et al.. Evolution in cardiovascular care for elderly patients with non–ST-segment elevation acute coronary syndromes: results from the CRUSADE National Quality Improvement Initiative. J Am Coll Cardiol. 2005;46(8):1479-1487. FREE FULL TEXT 7. Sonel AF, Good CB, Mulgund J, et al.. Racial variations in treatment and outcomes of black and white patients with high-risk non–ST-elevation acute coronary syndromes: insights from CRUSADE. Circulation. 2005;111(10):1225-1232. FREE FULL TEXT 8. Blomkalns AL, Chen AY, Hochman JS, et al.. Gender disparities in the diagnosis and treatment of non-ST-segment elevation acute coronary syndromes: largescale observations from the CRUSADE National Quality Improvement Initiative. J Am Coll Cardiol. 2005;45(6):832-837. FREE FULL TEXT 9. Rao SV, Kaul P, Newby LK, et al.. Poverty, process of care, and outcome in acute coronary syndromes. J Am Coll Cardiol. 2003;41(11):1948-1954. FREE FULL TEXT 10. Stone PH, Thompson B, Anderson HV, et al.. Influence of race, sex, and age on management of unstable angina and non-Q-wave myocardial infarction: the TIMI III registry. JAMA. 1996;275(14):1104-1112. FREE FULL TEXT 11. LaBresh KA, Glicklich R, Liljestrand J, Peto R, Ellrodt AG. Using "Get With The Guidelines" to improve cardiovascular secondary prevention. JtCommJ Qual Saf. 2003;29(10):539-550. 12. LaBresh KA, Tyler PA. A collaborative model for hospital-based cardiovascular secondary prevention. Qual Manag Health Care. 2003;12(1):20-27. PUBMED 13. LaBresh KA, Ellrodt AG, Glicklich RG, Liljestrand J, Peto R. Get with the guidelines for cardiovascular secondary prevention: pilot results. Arch Intern Med. 2004;164(2):203-209. FREE FULL TEXT 14. Thomas N, Longford NT, Rolph JE. Empirical Bayes methods for estimating hospital-specific mortality rates. Stat Med. 1994;13(9):889-903. PUBMED 15. Krumholz HM, Brindis RG, Brush JE, et al.. Standards for statistical models used for public reporting of health outcomes: an American Heart Association scientific statement from the Quality of Care and Outcomes Research Interdisciplinary Writing Group: cosponsored by the Council on Epidemiology and Prevention and the Stroke Council: endorsed by the American College of Cardiology Foundation. Circulation. 2006;113(3):456-462. FREE FULL TEXT 16. Institute of Medicine. Leadership by Example: Coordinating Government Roles in Improving Health Care Quality. Washington, DC: National Academies Press; 2002.17. Pear R.. Study tells U.S. to pay more for the best medical care. New York Times. October 31, 2002:A21.18. Marshall M, Roland M.. The new contract: renaissance or requiem for general practice? Br J Gen Pract. 2002;52(480):531-532. PUBMED 19. Calvin JE, Roe MT, Chen AY, et al.. Insurance coverage and care of patients with non-ST-elevation acute coronary syndromes. Ann Intern Med. 2006;145(10):739-748. FREE FULL TEXT 20. O’Connor GT, Quinton HB, Traven ND, et al.. Geographic variation in the treatment of acute myocardial infarction: the Cooperative Cardiovascular Project. JAMA. 1999;281(7):627-633. FREE FULL TEXT 21. Mehta RH, Ruane TJ, McCargar PA, Eagle KA, Stalhandske EJ. The treatment of elderly diabetic patients with acute myocardial infarction: insights from Michigan’s Cooperative Cardiovascular Project. Arch Intern Med. 2000;160(9):1301-1306. FREE FULL TEXT 22. DeLong ER, Peterson ED, DeLong DM, Muhlbaier LH, Hackett S, Mark DB. Comparing risk-adjustment methods for provider profiling. Stat Med. 1997;16(23):2645-2664. PUBMED 23. Eddy DM. Performance measurement: problems and solutions. Health Aff (Millwood). 1998;17(4):7-25. FREE FULL TEXT 24. Thomas JW, Hofer TP. Accuracy of risk-adjusted mortality rate as ameasure of hospital quality of care. Med Care. 1999;37(1):83-92. PUBMED 25. Mannion R, Davies HT, Marshall MN. Cultural characteristics of "high" and "low" performing hospitals. J Health Organ Manag. 2005;19(6):431-439. PUBMED 26. Meyer JA, Silow-Carroll S, Kutyla T, Stepnick LS, Rybowski LS. Hospital Quality: Ingredients for Success; Overview and Lessons Learned. New York, NY: Commonwealth Fund; 2004.27. Gaskin DJ, Hadley J. Population characteristics of markets of safety-net and non-safety-net hospitals. J Urban Health. 1999;76(3):351-370. PUBMED 28. Zaman OL, Cummings L. America’s Public Hospitals and Health Systems, 2004: Results of the Annual NAPH Hospital Characteristics Survey. Washington, DC: National Association of Public Hospitals and Health Systems; 2006.29. Fiscella K, Franks P, Gold MR, Clancy CM. Inequality in quality: addressing socioeconomic, racial and ethnic disparities in health care. JAMA. 2000;283(19):2579-2584. FREE FULL TEXT 30. Bailey JE, Sprabery LR. Inequitable funding may cause health care disparities. Arch Intern Med. 2007;167(12):1226-1228. FREE FULL TEXT

ARTICLE EN RAPPORT

Cette semaine dans le JAMA-Français
JAMA. 2008;300:1845.
Texte Complet