Clustering des groupes de pathologies selon les similarités de séjours hospitaliers : Synthèse [printed text] /
Stephan Devriese 
, Author ;
Carine Van de Voorde, Author . -
Brussels [Belgium] : KCE = Federaal Kenniscentrum voor de Gezondheidszorg = Centre Fédéral d'Expertise des Soins de Santé = Belgian Health Care Knowledge Centre, 2016 . - 41 p. : ill., ; A4. - (
KCE Reports B. Health Services Research (HSR); 270Bs) .
ISSN : D/2016/10.273/61 : € 0,00
Languages : French (
fre)
| Descriptors: |
Classification
WX 157.8 Diagnosis-related groups
Indexation
2015-53 ; Cluster Analysis ; Data Interpretation, Statistical ; Health Care Reform ; R270
|
| Abstract: |
Le KCE publie une première étude exploratoire sur le clustering des séjours hospitaliers en prévision de la réforme du financement des hôpitaux. Une analyse de variabilité a également été proposée pour le cluster à faible variabilité, afin d’identifier les groupes de pathologies pouvant être candidates à un forfait prospectif. |
| Contents note: |
PRÉFACE 1 -- SYNTHÈSE 2 -- 1. INTRODUCTION 5 -- 1.1. CONTEXTE 5 -- 1.2. CHAMP DE L’ETUDE ET OBJECTIFS 7 -- 1.3. METHODES 7 -- 2. LE FINANCEMENT DES HÔPITAUX EN BELGIQUE 8 -- 2.1. LE BUDGET DES MOYENS FINANCIERS (BMF) 8 -- 2.2. HONORAIRES DES MEDECINS 9 -- 2.3. FINANCEMENT MIXTE POUR LES SPECIALITES PHARMACEUTIQUES 10 -- 2.4. FINANCEMENT DE L’HOSPITALISATION DE JOUR 10 -- 3. DÉFINITION DES TROIS CLUSTERS 12 -- 3.1. QUELLES SONT LES DONNÉES UTILISÉES ? 12 -- 3.1.1. Données hospitalières minimales (RHM) 12 -- 3.1.2. Données de facturation des hôpitaux (SHA et HJA) 12 -- 3.1.3. Données de la cellule technique de traitement (TCT) 13 -- 3.1.4. Données de l’analyse 13 -- 3.2. MÉTHODE D’ANALYSE DE CLUSTERS 16 -- 3.2.1. Qu’est-ce qu’une analyse de clusters ? 16 -- 3.2.2. Choix de la méthode de clustering 16 -- 3.2.3. Quelles variables prendre en compte ? 16 -- 3.2.4. Validation des clusters 17 -- 3.2.5. Intrus 18 -- 3.3. RÉSULTATS DE L’ANALYSE DE CLUSTERS 18 -- 3.3.1. Variables identifiées par l’HINoV 18 -- 3.3.2. Description des trois clusters 19 -- 3.3.3. Validation des trois clusters 23 -- 3.4. LES CLUSTERS PEUVENT-ILS SERVIR DE BASE À TROIS SYSTÈMES DE FINANCEMENT DIFFÉRENTS ? 24 -- 4. ÉVALUER LES APR-DRG POUR UN PAIEMENT FORFAITAIRE PAR SÉJOUR 26 -- 4.1. CHAMP D’APPLICATION 26 -- 4.2. VISUALISATION DE LA VARIABILITÉ DES APR-DRG-SOI DU CLUSTER DE SOINS À BASSE VARIABILITÉ 27 -- 4.2.1. Identifier des modèles à basse variabilité intra et interhospitalière 27 -- 4.2.2. Visualiser la variabilité sur l’échelle d’origine de la variable 27 -- 4.3. EXEMPLE CONCRET : APR-DRG 301 – ARTHROPLASTIE DE LA HANCHE 30 -- 5. DISCUSSION ET CONCLUSION 33 -- 5.1. TROIS CLUSTERS 33 -- 5.1.1. Conclusion 33 -- 5.1.2. Améliorer les données pour de prochaines analyses 33 -- 5.2. APR-DRG-SOI ÉLIGIBLES POUR UN FORFAIT PAR SÉJOUR 33 -- 5.2.1. Conclusion 33 -- 5.2.2. Prochaines étapes vers un forfait par séjour 33 -- 5.2.3. Aspects liés à la mise en œuvre 36 -- 5.3. CONCLUSION GÉNÉRALE 36 -- RECOMMANDATIONS 38 -- REFERENCES 40 |
| Link for e-copy: |
https://kce.fgov.be/sites/default/files/page_documents/KCE_270B_Clustering_group [...] |
| Format of e-copy: |
PDF (1,75 Mb) |
| Record link: |
https://kce.docressources.info/index.php?lvl=notice_display&id=3872 |
Clustering des groupes de pathologies selon les similarités de séjours hospitaliers / Brussels [Belgium] : KCE = Federaal Kenniscentrum voor de Gezondheidszorg = Centre Fédéral d'Expertise des Soins de Santé = Belgian Health Care Knowledge Centre (2016)
