Evaluation des politiques de santé afin de réduire le taux d’accouchements par césarienne

Problème:




L’accouchement par césarienne est une méthode d’accouchement dans laquelle un chirurgien pratique une incision dans l’abdomen et l’utérus d’une femme pour faire sortir le bébé. La méthode d’accouchement la plus naturelle est la délivrance vaginale, dans laquelle le bébé quitte l’utérus de la mère par son canal vaginal.


Dans l’idéal, la césarienne ne doit être utilisée que lorsque l’accouchement vaginal met en danger la vie ou la santé de l’enfant ou de la mère. Elle implique une chirurgie majeure de l’abdomen, qui s’accompagne de risques bien supérieurs pour la mère et pour l’enfant à ceux associés avec l’accouchement vaginal. L’accouchement par césarienne coûte également 50 % plus cher.


Au cours des 40 dernières années, le taux d’accouchements par césarienne a considérablement augmenté, passant de 4,5% en 1965 à 32,8 % en 2012. Beaucoup de ces césariennes, 50 % selon certains chercheurs, ne sont pas nécessaires. En 2009, les hospitalisations liées aux accouchements représentaient 7,6 % de tous les coûts des patients hospitalisés, pour un total de 27,6 milliards de $.


La nécessité de réduire le taux d’accouchement par césarienne est reconnue par de nombreux chercheurs depuis des années. Pour la première fois, dans une recherche menée pour l’Etat de Washington State, Alan Mills, FSA MAAA ND, actuaire chercheur, et ses collègues ont reproduit cette partie du système de soins américain dans un modèle de simulation, afin de permettre aux parties prenantes, notamment les agences de santé, les assureurs, les cliniciens et les législateurs, de tester leurs hypothèses sur le modèle pour trouver les solutions appropriées.


Solution:




Les chercheurs ont approché le problème au niveau des Etats individuels car les Etats diffèrent en termes d’environnement de maternités, notamment les infrastructures d’administration des soins et les conditions Medicaid. A ce stade du projet, ils ont étudié quatre Etats : l’Etat de Washington, l’Illinois, l’Etat de New York et la Virginie de l’ouest, parce qu’ils voulaient un éventail de taux d’accouchements par césarienne.


Ils ont décidé de choisir la méthode de modélisation basée sur des agents parce qu’elle permettait aux modélisateurs de refléter le comportement de nombreux agents hétérogènes agissant indépendamment. De plus, la modélisation basée sur des agents leur permettait de refléter les effets de réseau et les commentaires, lorsque les femmes et les obstétriciens prennent leurs décisions sur ce que font leurs amis et collègues et sur les expériences passées.

Regional Healthcare Simulation Model Animation

Model Animation on the Region's Map

Agent Behaviour in Healthcare Simulation Model 

General Agent Behaviour in the Model


Le modèle incluait les types d’agents suivants:

  • Les femmes
  • Les obstétriciens
  • Les infirmières sages-femmes certifiées (CNM)
  • Les sages-femmes licenciées (LM)
  • Les hôpitaux
  • Les assureurs de santé
  • Medicaid

Les chercheurs ont affecté les agents de paramètres à l’aide de données réelles importées depuis Excel. Pour les informations privées, ils ont généré des données synthétisées basées sur les données réelles.


Il était important de simuler correctement les comportements clés des agents afin de refléter le processus de prise de décision réel. Les comportements simulés incluaient les femmes qui choisissent le personnel d’accouchement (obstétriciens, CNM ou LM), le personnel d’accouchement qui choisit l’hôpital, le type d’accouchement (vaginal ou césarien), le processus de soumission d’une demande de remboursement aux assureurs/Medicaid, et le remboursement.



Tous les comportements étaient basés sur le même modèle comportant dix composants principaux (voir l’image). Par exemple, les femmes choisissent leur personnel d’accouchement en fonction du mois de l’accouchement (données d’entrée), de la motivation (type d’accouchement désiré) et attributs (lieu géographique).


Le modèle comportait une interface interactive afin que les utilisateurs puissent jouer avec les paramètres (motivations, distributions géographiques, etc.), lancer des expérimentations, et voir comment différentes politiques pouvaient affecter le comportement du système. La fenêtre des résultats contenait les résultats concernant la finance et la population, afin que les utilisateurs puissent aisément voir et comparer l’efficacité de diverses stratégies. Le modèle incluait également une visualisation sur la carte, dans laquelle tous les agents étaient animés et le problème était situé géographiquement.


Résultats:




A l’aide d’AnyLogic, les chercheurs ont créé un environnement d’apprentissage orienté vers le jeu, à base de simulation, pour que les parties prenantes puissent mieux explorer le problème et tester les stratégies possibles. Les séances de formation, qui s’appuyaient sur le modèle de simulation, ont accru la compréhension du problème par les parties prenantes de manière significative et ont pu mener au développement de meilleures politiques pour diminuer le taux des césariennes inutiles.


Les principaux résultats des expérimentations ont montré que la réforme du remboursement des prestataires de soins antérieurement suggérée ne fonctionnerait pas toute seule, et que les parties prenantes avaient besoin d’une stratégie à plusieurs facettes. De même, si l’on voulait ré-outiller la force de travail dans le cadre de la stratégie, cela prendrait beaucoup de temps.


Ceci était le premier modèle de simulation dans le monde traitant le problème du taux élevé de césariennes à un niveau régional.

Voyez la vidéo de la présentation d’Alan Mill à la conférence AnyLogic 2014:

More Case Studies

  • Modélisation des opérations dans les entrepôts de distribution pharmaceutique
    Cardinal Health, une société de distribution et de logistique pharmaceutique d’un milliard de dollars, gère plusieurs produits pharmaceutiques de marque et génériques, ainsi que des produits sans ordonnance, des articles de santé et de beauté et sa propre marque privée. Brian Heath, Directeur des Analyses avancées chez Cardinal Health, également utilisateur expérimenté des logiciels AnyLogic, a eu recours à la modélisation basée sur des agents pour résoudre divers problèmes de l’entreprise, économisant ainsi plus de 3 millions de $ chaque année.
  • Aide à la décision en soins de santé par simulation hybride – Unités d’AVC mobiles
    Les AVC causent de graves invalidités, génèrent des coûts élevés en soins et en rééducation, et leur fréquence augmente au sein d’une population de plus en plus âgée. Les thromboses en sont la source prédominante et, dans la mesure du possible, celles-ci doivent être traitées par thrombolyse (sauf en cas de thrombose hémorragique, et en veillant à attendre 4,5 heures après l’attaque). Actuellement, le processus de transport et l’administration interne des hôpitaux font perdre un temps précieux au patient. La mise en place d’unités d’AVC mobiles est apparue comme un remède possible.
  • Modélisation par simulation basée sur les statistiques des soins de santé
    Afin de prendre leurs décisions, les professionnels de la santé ont besoin d’outils pour planifier, tester et évaluer les nouvelles technologies et interventions. Patrick Einzinger et Christoph Urach de DWH Simulation Services et de l’Université de technologie de Vienne, en partenariat avec l’Association autrichienne des assurances sociales (AASI), ont pu analyser les données publiques afin de prendre des décisions critiques pour le futur.
  • Simulation de l’exploitation dans une maternité
    Ce modèle simule le service de maternité dans un hôpital en cours de construction. Le but de ce modèle est de servir de support aux discussions sur les ressources, les capacités et les méthodes de travail requises pour cette nouvelle maternité. Le projet a été réalisé pour l’hôpital de l’université de Karolinska dans le comté de Stockholm (Suède).
  • Evaluation de la capacité de prise en charge en termes de patients hospitalisés
    Le comté de Stockholm (Suède) dirigeait un projet de construction d’un nouvel hôpital hautement spécialisé. L’administration de la santé du comté a demandé si elle obtiendrait un niveau acceptable de production de soins à l’aide des investissements et des plans en cours concernant divers problèmes opérationnels et stratégiques. Pour obtenir des réponses à ces questions, elle a utilisé la modélisation de simulation d’AnyLogic.
  • Traitement de tous les besoins en soins des patients sous dialyse
    Le comté de Stockholm (Suède), comme chaque pays ou région, expérimente un besoin continu de prise en charge des besoins en soins de santé de divers groupes de patients. Chaque groupe peut être considéré comme une sous-population, avec ses propres caractéristiques et défis spécifiques. Le projet de simulation à l’étude se concentrait sur les patients sous dialyse, un groupe qui doit se rendre dans des installations de soins de manière fréquente.
  • Applications de réponses aux désastres à l’aide de la modélisation basée sur des agents
    Dans son effort pour trouver des solutions opérationnelles pratiques pour trouver une réponse rapide et efficace à une crise imprévue ou une catastrophe naturelle, Batelle avait besoin de tester l’efficacité d’une mise enplace d’un abri en 48 heures dans un scénario d’abri nucléaire improvisé (IND). Le but visé était de réduire les doses de radiations reçues pendant une évacuation de masse non coordonnée, en comparant l’évacuation immédiate avec la mise en place d’un abri.
  • Formulation de politiques sur les soins de santé à l’aide de la simulation
    Cette initiative du Départment de l’ingénierie mécanique et industrielle de l’univerité de Toronto, le Centre de recherche sur l’ingénierie de la santé (CRHE), répondait au désir immédiat et irrésistible d’apporter des améliorations dans le rendement et la qualité du système de santé Canadien.
  • An Agent-Based Explanation for SPMI Living Situation Changes
    Over the past 60 years, the number of Severely and Persistently Mentally Ill (SPMI) patients in the US living in the community increased. Yet a growing minority of people with severe illness are worse off because they are homeless or incarcerated. In this case study, IBM Global Research and Otsuka Pharmaceuticals used an agent-based approach to model these remarkable swings.
  • Outpatient Appointment Scheduling Using Discrete Event Simulation Modeling
    Indiana University Health Arnett Hospital, consisting of a full-service acute care hospital and a multispecialty clinic, faced poor statistics because the number of no-show patients (those who don’t show up for their scheduled appointments) rose dramatically to 30%. This was primarily connected to the fact that clinic schedules were driven by individual preferences of the medical staff, which led to increased variations in scheduling rules. To eliminate the problem, the client wanted to develop a scheduling methodology that would benefit the clinic, doctors, and patients.