Existe-t-il un lien entre le taux d’occupation des lits, la charge en soins et la mortalité dans les services de réanimation ?

Question évaluée :

Plusieurs études suggèrent que plus le volume d’activité d’un service de réanimation (défini par le nombre de patients admis en réanimation) est élevé, meilleur est le pronostic des patients (1). Les facteurs sous-jacents demeurent peu clairs et se pose la question si des facteurs organisationnels tels que le taux d’occupation des lits ou la charge en soins ont une influence sur le pronostic. Pour tenter de répondre à cette question, les auteurs ont conduit une étude observationnelle rétrospective sur l’ensemble des patients adultes admis dans les services de réanimation autrichiens entre 2013 et 2022 afin d’étudier l’existence d’une association entre le taux d’occupation des lits de réanimation, la charge en soins et la mortalité des patients.

Méthode :

Il s’agit d’une étude observationnelle rétrospective multicentrique effectuée sur la base de données du «  Centre autrichien de documentation et d'assurance qualité en médecine de soins intensifs » (Austrian Center for Documentation and Quality Assurance in Intensive Care Medicine (ASDI) database) entre le 01/01/2013 et 31/12/2022. L’ASDI database est une base de données nationale autrichienne qui collecte et analyse des informations sur les patients en soins intensifs. Ses objectifs principaux sont de surveiller et d’améliorer la qualité des soins intensifs et d’optimiser les ressources hospitalières. Elle regroupe des données des patients (comorbidités, motif d’admission), des scores de gravités dont le SAPS III, des données sur les soins : le TISS-28 (Therapeutic Intervention Scoring System), la durée du séjour en réanimation et la mortalité.

Le TISS-28 est un outil d’évaluation utilisé en soins intensifs pour mesurer la charge de travail infirmière en fonction des interventions thérapeutiques nécessaires pour chaque patient.

Le score TISS-28 est calculé en attribuant un certain nombre de points à 28 interventions spécifiques réparties en différentes catégories, telles que la surveillance et soins de base, le soutien ventilatoire, hémodynamique, rénal, des procédures thérapeutiques spécifiques.

Plus le score est élevé, plus le patient requiert des soins intensifs et une charge de travail infirmière importante. Il est souvent utilisé pour ajuster les effectifs en fonction des besoins des patients. Un score supérieur à 20 indique un besoin élevé en soins intensifs. Il peut également être utilisé pour évaluer l’évolution de la gravité du patient et faire des analyses de coûts.

Le nombre de lits de réanimation en Autriche est plus élevé que la moyenne européenne et est de 21,8 lits pour 100.000 habitants. Il existe 4 niveaux d’hôpitaux (1,2,3 et spécialisés), 3 niveaux de réanimation avec des ratios patients/IDE de 2/1, 2.5/1 ou 3/1. Le taux d’occupation est défini par le ratio entre le nombre de lits occupés sur le nombre de lits disponibles (<50%, 51-75%, 76-100% et > 100%). La charge en soins est définie par le score TISS-28 (≤20, 21-30, 31-40, >40). Ces 2 paramètres étaient mesurés trois fois par jour afin de tenir compte des variations inhérentes à l’activité journalière de réanimation.

L’estimation du risque de décès en réanimation était effectuée par modèle de survie de Cox. Les variables d’ajustement étaient recueillies à l’admission en réanimation avec des données à l’échelle de l’hôpital, des soins intensifs et du patient (période d’admission, comorbidités, motif d’admission, SAPS III) et temps dépendantes (taux d’occupation des lits, charge en soins, jour de semaine ou week-end, période de la journée). Des analyses de sensibilité étaient effectuées, entre autres pour prendre en compte les interactions entre le taux d’occupation des lits et la charge en soins. Des analyses avec stratification étaient également effectuées pour prendre en compte le type de soins intensifs, le type d’hôpital et la période d’admission (pré et per COVID). 

Résultats :

415 584 patients, majoritairement des hommes (58,4%), âgés en médiane de 69ans [57-78] ont été admis dans 144 services de réanimation entre le 01/01/2013 et le 31/12/2022. Les taux de mortalité en réanimation et hospitalière étaient respectivement de 10,2% et 15,2%. La capacité médiane des services de réanimation était de 7 lits [6-8]. Une surutilisation des lits de réanimation n’était pas associée à une mortalité accrue (HR 1,06 [0,99-1,15]) à l’exception de la période COVID (entre 2020 et 2022). A l’inverse, un taux d’occupation < 75% était associé à une mortalité accrue avec un HR 1,10 [1,05-1,15]. Une charge en soins basse (TISS-28 ≤ 20) par rapport à une charge en soin standard (TISS-28 entre 21-30) étaient associée à un meilleur pronostic (HR (95% CI) 0.88 (0.78–0.99), p=0.049). Une surcharge en soins par rapport à la classe de référence n’était pas associé à un surrisque de décès, sauf au sein des soins intensifs situés dans les hôpitaux locaux.

Commentaires :

Ces résultats suggèrent qu’en dehors de la période COVID, les services de réanimation ayant un turnover de patients et une charge en soins élevés n’ont pas une surmortalité comparativement aux autres services. En d’autres termes, cela signifie que la qualité des soins délivrée par les professionnels travaillant dans ces services n’est pas impactée par leur charge en soins plus élevée que la moyenne. D’autres études seront nécessaires pour comprendre quels facteurs favorisent cela.

Cela pourrait être en lien avec l’organisation des services et la présence de professionnels de soins tels que des kinésithérapeutes, des pharmaciens cliniciens ou des infirmiers de pratique avancée permettant de mieux sécuriser les soins (4). Cela pourrait être en lien avec le management des services qui soutient à la fois un haut niveau d’activité et d’exigence en termes de sécurité des soins. Parmi les modalités pour sécuriser les soins il y a la formation régulière des soignants au sein de l’équipe notamment sur les protocoles de soins utilisés, l’utilisation de protocoles de soins, la priorisation de la qualité du travail en équipe avec notamment une communication sécurisée et standardisée lors des transmissions et la possibilité de « oser dire » au sein de l’équipe ou la réalisation de retours d’expériences lors de la survenue de presque évènements ou d’évènements indésirables associés aux soins. Cela pourrait être en lien avec une satisfaction élevée des soignants y travaillant. Ces derniers ayant choisi volontairement d’y travailler tout en sachant que la charge en soins à laquelle ils seraient exposés était plus élevée que la moyenne.

A l’inverse, cette étude suggère que les services ayant un taux d’occupation des lits inférieur à 75% ont une surmortalité. Cela peut être en lien entre autres avec un taux de ressources moindres (quelles soient humaines ou matérielles) une perte d’expertise et en automatisme du fait de l’activité moindre mais également en lien avec le management et la culture de sécurité dans le service. Ce pourrait être également lié aux types de patients présents dans les réanimations lors d’un faible taux d’occupation des lits. Ces périodes sont souvent en lien avec une activité chirurgicale moindre. Les patients alors admis en réanimation sont souvent plus médicaux avec un taux de décès plus important, en lien avec leur pathologie.  

 Cette étude ne permet en revanche pas de détecter s’il existe un taux d’occupation maximal (qui pourrait être source de burn-out avec un impact négatif sur la qualité des soins délivrée) et/ou une charge en soins limite à ne pas dépasser telles que le ratio de patients sous suppléances d’organes complexes.

La surmortalité associée à la période COVID retrouvée dans cette étude est semblable à celle retrouvée dans d’autres systèmes de santé, et ce quels que soient les niveaux de réanimation (2) (3).

Points forts de l’étude :

• Objectif de l’étude : implication pratique pour les décisions stratégiques à prendre en cas de crise sanitaire dans le cas des services de soins ayant un turn-over et une charge en soins élevés
• Validité interne : données issues d’une large base administrative nationale sur une échelle de temps significative
• Méthodologie : Analyses de sensibilité effectuées en tenant compte d’une éventuelle interaction entre la surutilisation des lits et la charge en soins
• Utilisation d’un marqueur de charge en soins (score TISS-28) reconnu, recueilli de manière prospective, de manière plurijournalière sur toute la période de l’étude et déjà utilisé en Autriche pour optimiser l’organisation du travail.

Points faibles :

• Validité externe des résultats au regard de l’organisation des soins en Autriche qui est très différente de celle de la France (densité en lits plus importante, taille médiane des services de réanimation plus faible)
• Utilisation de valeurs médianes et de blocs horaires qui peuvent sous-estimer les pics d’activité ou de charge en soins
• Absence d’ajustement sur des caractéristiques organisationnelles ou managériales associées au pronostic des patients de réanimation.

Implications et conclusions :

Le taux de survie dans les services de réanimation autrichiens n’est pas impacté par le taux d’occupation des lits (hormis pendant la période COVID) ni la charge en soins élevée (sauf dans les services de réanimation situés dans les hôpitaux locaux).

Références cités dans les commentaires:

1. Nguyen YL, Wallace DJ, Yordanov Y, Trinquart L, Blomkvist J, Angus DC, et al. The Volume-Outcome Relationship in Critical Care: A Systematic Review and Meta-analysis. Chest. juill 2015;148(1):79‑92.
2. Neupane M, Warner S, Mancera A, Sun J, Yek C, Sarzynski SH, et al. Association Between Hospital Type and Resilience During COVID-19 Caseload Stress : A Retrospective Cohort Study. Ann Intern Med. oct 2024;177(10):1370‑80.
3. Neupane M, De Jonge N, Angelo S, Sarzynski S, Sun J, Rochwerg B, et al. Measures and Impact of Caseload Surge During the COVID-19 Pandemic: A Systematic Review. Crit Care Med. 1 juill 2024;52(7):1097‑112.
4. Zampieri FG, Salluh JIF, Azevedo LCP, Kahn JM, Damiani LP, Borges LP, et al. ICU staffing feature phenotypes and their relationship with patients’ outcomes: an unsupervised machine learning analysis. Intensive Care Med. nov 2019;45(11):1599‑607.

CONFLIT D'INTÉRÊTS

Article commenté par Dr. Yên-Lan NGUYEN, MD, MPH, PhD, PH anesthésie-réanimation, GHU Paris Centre Sorbonne Université, Cochin, AP-HP, Paris

Le contenu des fiches REACTU traduit la position de leurs auteurs, mais n’engage ni la CERC ni la SRLF.

Envoyez vos commentaires/réactions à la CERC.

CERC

G. LABRO (Secrétaire)
S. BOURCIER
A. BRUYNEEL
C. DUPUIS
S. GENDREAU
S. GOURSAUD
G. FOSSAT
N. HIMER
T. KAMEL
O. LESIEUR
A. ROUZÉ
V. ZINZON