Prédiction du délai de retour à domicile chez les patients hospitalisés en Réanimation

Introduction : l’évolution des patients sortant de réanimation est parfois longue et incertaine, justifiant l’intérêt croissant pour l’optimisation de leurs parcours de soins. Il existe à ce jour peu de modèles valorisant les données acquises au cours d’un séjour en réanimation dans un objectif d’amélioration de l’interface ville-hôpital. Pouvoir estimer au moment de la sortie de réanimation le délai de retour à domicile pourrait permettre d’améliorer la continuité des soins, en mobilisant précocement les acteurs nécessaires à la mise sur pied du réseau de soins d’aval, en particulier le médecin généraliste. L’objectif de ce travail est de développer et évaluer un modèle prédictif du délai de retour à domicile au moment de la sortie de réanimation à partir des données relatives à l’intensité des soins au cours du séjour en réanimation. Matériels et méthodes : étude de cohorte observationnelle, rétrospective et monocentrique, réalisée au sein d’un service de réanimation polyvalente, incluant l’ensemble des patients hospitalisés entre janvier 2016 et décembre 2019. La variable à prédire était un retour à domicile ou au lieu de vie antérieur dans les 7 jours suivant la sortie de soins intensifs. Les variables explicatives recueillies étaient l’âge, le sexe et les données relatives à la prise en charge en soins intensifs (score IGS2 des premières 24 heures, durée de séjour en réanimation, recours au traitement de défaillance d’organe et leurs durées, décision de limitation ou d’arrêt de thérapeutique active). Les observations ont été séparées en un échantillon d’apprentissage et un échantillon test indépendant. Une régression logistique a été réalisée sur les données de la cohorte d’apprentissage. Les performances du modèle de régression logistique ont été comparées à celles d’un modèle de régression n’utilisant que le score IGS2 comme variable explicative sur l’échantillon test.Résultats et discussion : 1952 patients ont été inclus. 6 prédicteurs indépendants ont été retenus dans le modèle de régression logistique : l’âge, le support par nutrition artificielle, l’existence d’une décision de LATA, une épuration extra-rénale, un support par amines vasopressives, une durée de séjour soins intensifs > 5 jours. La valeur prédictive positive du modèle de régression logistique est de 73%, la valeur prédictive négative est de 80%. La valeur prédictive positive du modèle basé uniquement sur le score IGS2 est de 67%, la valeur prédictive négative est de 70%. L’aire sous la courbe du modèle de régression est 0,83, celle du score IGS2 est 0,76.Conclusion : un modèle de régression logistique basé sur les données d’intensité thérapeutique a permis, au sein d’une cohorte de patients admis dans une unité de réanimation polyvalente, d’identifier ceux qui pourront bénéficier d’un retour à domicile dans un délai inférieur à 7 jours après leur sortie d’unité de soins critiques. Ce modèle est plus performant que l’emploi d’un score de gravité largement répandu comme l’IGS2. L’utilisation de telles données, dont le recueil et l’extraction sont simples, pourrait permettre d’améliorer la communication avec le médecin traitant, le patient et son entourage