Les TIC au service de l'évaluation et de la qualité des soins. Le projet Réseau canadien de surveillance sentinelle en soins primaires - Michel GREIVER, Gilles BROUSSEAU
Présentation réalisée par Michel GREIVER et Gilles BROUSSEAU dans le cadre du colloque "La communication au coeur de la e-santé. Opportunités et enjeux pour les patients, les professionnels de la santé et les organisations" qui s'est déroulé le 3 octobre 2013 à l'Université du Québec à Montréal (UQAM).
Similaire à Les TIC au service de l'évaluation et de la qualité des soins. Le projet Réseau canadien de surveillance sentinelle en soins primaires - Michel GREIVER, Gilles BROUSSEAU
Similaire à Les TIC au service de l'évaluation et de la qualité des soins. Le projet Réseau canadien de surveillance sentinelle en soins primaires - Michel GREIVER, Gilles BROUSSEAU (20)
Les TIC au service de l'évaluation et de la qualité des soins. Le projet Réseau canadien de surveillance sentinelle en soins primaires - Michel GREIVER, Gilles BROUSSEAU
1. Réseau canadien de surveillance sentinelle
en soins primaires
Un nouveau logiciel pour
mesurer la qualité des soins
Colloque francophone international
« La communication au cœur de la e-santé »
Dre Michelle Greiver et Dr Gilles Brousseau
Montréal, 4 octobre 2013
2. Divulgation de l’enseignant/
du présentateur
• Enseignant : Michelle Greiver
• Relations avec des intérêts commerciaux :
– Subventions/soutien à la recherche : sans objet
– Bureau des conférenciers/honoraires : sans objet
– Frais de consultation : sans objet
– Autres : sans objet
3. Divulgation de l’enseignant/
du présentateur
• Enseignant : Gilles Brousseau
• Relations avec des intérêts commerciaux :
– Subventions/soutien à la recherche : sans objet
– Bureau des conférenciers/honoraires : sans objet
– Frais de consultation : sans objet
– Autres : sans objet
4. Divulgation de soutien commercial
• Conflits d’intérêt potentiels :
– Ce projet de recherche est subventionné
par Inforoute Santé Canada.
– Le Réseau Sentinelle est subventionné par
l’Agence de la Santé Publique du Canada
6. Démonstration du projet Inforoute
Bienvenue - Agenda
Introduction
Contexte
Historique du RCSSSP
Retour d’informations standardisées
Rapports personnalisés: projet Inforoute
Équipes de soins primaires
Démonstration du DPT - OPD
Questions / discussions
6
7. Historique
Pourquoi le RCSSSP?
Les données actuelles pour les maladies chroniques:
Base de données sur les admissions et les départs des hôpitaux
Données via la facturation provinciale
Sondages
Recensement
Alors que la majorité des patients atteints de maladies
chroniques sont pris en charge et suivis en cliniques de
soins primaires
Nous avons besoin d’informations sur les soins primaires
7
8. Historique
Les dossiers médicaux électroniques,
sources d’information:
1. La plupart des canadiens ont un médecin de famille (85%)1
2. Plus de 70% consultent leur médecin de famille chaque année2
3. La majorité de la prévention et du dépistage de maladies
chroniques se situe au niveau des soins primaires.3
The College of Family Physicians of Canada. The College of Family Physicians of Canada Takes Action to Improve Access to Care for Patients in Canada [News
Release]. 2009.
2.
Dunlop S, Coyte PC, McIsaac W. Socio-economic status and the utilisation of physicians’ services: results from the Canadian National Population Health Survey.
Social Science & Medicine. 2000;51:123-133.
3.
Clinical Prevention Policy Review Committee BcMoH. Establishing Clincal Prevention Policy in British Columbia: Part I What is worth Doing? . British Colombia: Center
for Health Services and Policy Research; 2007:i- 46.
1.
8
9. Réseau canadien de surveillance sentinelle en soins primaires
RCSSSP
Comité permanent du Collège des Médecins de Famille du
Canada
Fondé en 2008
Subventionné par:
Agence de la Santé Publique du Canada
Inforoute Santé Canada
Partenaires
Collège des médecins de famille du Canada
Départements de médecine familiale au Canada
Institut Canadien d’Information sur la Santé
9
10. Historique
Un réseau de surveillance des maladies
chroniques
Cliniciens et chercheurs en collaboration pour un projet national
Données recueillies à intervalles réguliers des DME.
Base de données longitudinales pour la surveillance et la recherche
10 réseaux de recherche axés sur la pratique clinique
au Canada, 8 provinces
12 différents logiciels
415 pratiques cliniques, objectif 600 – 1 000 pratiques
493,000 patients, objectif 600 000 à 1 000 000 en 2015
10
11. Réseau canadien de recherche en soins primaires
•Colombie Britannique
-BCPCReN Wolf Medical Systems
10 réseaux, 8 provinces, 12 logiciels
•Alberta
- SaPCReN, Calgary–MedAccess
- AFRPN, Edmonton–MedAccess, Wolf
•Manitoba
- MaPCReN, Winnipeg–JonokeMed
•Ontario
- DELPHI, London– Healthscreen/Optimed,
Oscar, Nightingale, Accuro
- UTOPIAN, Toronto–Nightingale, Bell EMR, PSS
- CSPC, Kingston– P&P, Oscar, Bell EMR, PSS
•Québec
- Q-Net, Montréal–Da Vinci, Purkinje
•Nouvelle Écosse/ Nouveau Brunswick
- MARNet, Halifax–Nightingale, Purkinje
•Terre-neuve
- APBRN, St. John’s–Wolf, Nightingale
12. Infrastructure
Développement de l'infrastructure de gestion
de l'information en soins primaires
Communauté collaborative pour la gestion des données en
soins primaires
Expérience pour l’extraction des données, la normalisation, la
standardisation et le nettoyage, de différents logiciels et
dans des endroits divers au Canada
Capacités d’analyse et de gestion des informations recueillies
(épidémiologistes, étudiants PhD et MSc)
Peut contribuer au développement d’initiatives locales, par le
partage des nouvelles connaissances
12
13. Processus
Processus du RCSSSP
8 conditions chroniques:
- hypertension
- arthrose
- démence
- diabète
- MPOC
- dépression
- épilepsie
- maladie de Parkinson
Données anonymes obtenues tous les trois mois
Vérification pour s’assurer que toute identification
personnelle a bien été retirée
14. Processus
…Processus du RCSSSP
Les données nettoyées sont transférées au dépôt
sécurisé situé au “High Performance Computing Virtual
Laboratory” à l’Université Queen’s, Kingston, Ontario
Les données incluent:
- données démographiques
- examens physiques
- visites en clinique
- médicaments
- conditions de santé
- résultats de laboratoires
- facteurs de risque (tabagisme)
- références aux spécialistes
- procédures
15. Rapports uniformes de rétroaction
Rapports uniformes dans tout le Canada
Le RCSSSP nettoie les données et utilise ces données
pour classifier les patients selon la présence ou l’absence
de maladies chroniques.
Rapports standards sur les maladies chroniques
Pour tout le réseau canadien : RCSSSP (National)
Provincial
Local
Par clinique (même site)
Par médecin
15
17. Rapport de rétroaction personnalisé
Rapports personnalisés avec le DPT - OPD
Logiciel:
DPT = Data Presentation Tool
OPD = Outil de Présentation des Données
Programmé par les gestionnaires de l’informatique au RCSSSP
(Dave Jackson, Brian Forst)
Disponible dans chaque réseau
Utilise les données du RCSSSP pour présenter les
informations personnalisées concernant les:
Médicaments
Maladies multiples
Soins offerts
Autres questions
17
19. Données locales et planification des programmes
Retourner les données à une équipe de
soins primaires
Projet en démonstration
CMFC, RCSSSP et Inforoute (investisseur stratégique)
“Mettre en œuvre un outil évolutif pour l’amélioration
de la qualité en soins primaires”
Retourner leurs données nettoyées par le RCSSSP à
une équipe de soins primaires
Fournir le DPT-OPD à l’équipe, pour leur permettre de
produire leurs propres rapports.
19
20. Objectifs du projet DPT-OPD
1. Développer un tableau de bord de qualité pour
l’équipe et les médecins
2. Améliorer la qualité des données
3. Transformer le texte libre en codes SNOMED CT
4. Développer un processus pour identifier les
patients dans le cycle des soins pour assurer le
suivi systématique en soins de santé
5. Développer un processus évolutif pour l’utilisation
des données pour améliorer la qualité des soins
21. Exemples de l’exploitation du DPT-OPD
Rapports:
Données sur la vaccination contre la varicelle (patients
qui ont reçu une ou deux doses de vaccin)
Données sur les pilules contraceptives(Diane-35,Alesse)
Planification, applications:
Application pour “Quality Improvement and Data Support
Specialist (QIDSS)”
Application, Hôpital General de North York, entrepôt de
données en commun: Application réussie
22. Exemples de l’exploitation du DPT-OPD
Amélioration de la qualité:
Splénectomie (SNOMED) pas de vaccin contre la pneumonie
Recherche:
Identification des patients avec risques plus élevés pour
invitation à un projet de recherche sur maladies chroniques.
UTOPIAN , étude de faisabilité
Projet de résidents: vaccins pneumocoque vs antigrippal
chez les patients avec risques plus élevés
Programme d’amélioration des données:
Problème de codification pour 5 maladies chroniques
10 000 cas de maladies déjà codifiées correctement
Augmentation: 22% en 3 mois
23. Équipe de Médecine de Famille
North York
• 66 médecins
• 40 autres professionnels de santé
• Plus de 220 personnes utilisant les dossiers
électroniques
•
•
•
•
2 logiciels
5 serveurs informatiques, 5 bases de données
17 emplacements
65 000 patients
23
24. Équipe de Médecine de Famille
GMF St-Alexandre
• 12 médecins
• 1 résident en médecine de famille (occasion)
• 1 externe (PEI-McGill)
• 3 infirmières + 1.5 autres professionnels
• 7 secrétaires
• Plus de 22 personnes utilisant Purkinje
• 2 serveurs informatiques, 1 base de données
• 1 emplacement
• 9 650 patients
24
25. Équipe de Médecine de Famille
UMF de Gatineau
• 12 médecins + 7 superviseurs extérieurs
• 24 résidents
• 1 externe (PEI-McGill)
• 3 infirmières + 1 psychologue
• 6 secrétaires
• Plus de 40 personnes utilisant Purkinje
• 2 serveurs informatiques, 1 base de données
• 1 emplacement
• 9 000 patients
25
27. Niveau de l’équipe: Gouvernance des données
• Protocole d’entente entre l’équipe et les
médecins vis à vis :
– La recherche
– L’amélioration de la qualité, la planification des
programmes, les rapports pour le ministère de la
santée
– Confidentialité et sécurité
27
29. Niveau de l’organisation pour la gestion de
l’information
•
•
•
•
Groupes de travail technique
Données standardisées
Entreposage des données
Logiciel d’analyse
• Rapports à l’équipe et au ministère
• Information pour le Conseil de l’équipe
29
30. Standardisation des données
1: Se mettre d’accord
• Par exemple: données consistantes et codées pour
identifier les maladies chroniques
• Diabète 250
• Hypertension 401
• MPOC 496
• Asthme 493
• Dépression 311
• Insuffisance cardiaque 428
30
31. Data standards
2: Mettre en oeuvre la standardisation des
données
• Greffiers pour données
• Logiciel (DPT-OPD)
• Éduquer tous les membres de l’équipe
– Midis - apprentissage
• Manuels (mis dans le Dropbox)
• Communication:
– Courriels +++
– Rencontres en personne
31
32. Confidentialité
• Évaluation de l’impact sur la confidentialité
• Évaluation des risques
– Protocole d’entente pour la gestion des données
– Protéger l’ordinateur qui contient de l’information
personnelle
– Encryptions
– Éducation sur la confidentialité
32
35. Merci aux partenaires, collaborateurs,
investisseurs et médecins sentinnels
HSU Demonstration Project – Strategic Investor:
Funding for this publication was provided by the Public Health Agency of Canada The views expressed herein do not necessarily represent the views of the Public Health Agency of Canada.
Cette publication a été réalisée grâce au financement de l'Agence de la santé publique du Canada. Les opinions exprimées ici ne reflètent pas nécessairement celles de l'Agence de la santé publique du Canada.
Notes de l'éditeur
{"29":"Technical workgroup\nData Expertise: Data Manager\nHardware, connectivity, security: IT managers, consultants\nAnalytic and Measurement Expertise\nClinical Advisors, Super-Users\nDatabase definition: \n“Production” Database: EMR\nDaily activities, data entry\nOptimized for rapid data entry, fast access, search for single patient or single practice\nNot good for large scale queries (slow server down)\nCannot aggregate data from multiple servers or do data analysis\nThe Production database: inputting data\n“Analytical” database\nRuns large scale queries\nProduces large scale reports fast\nEnables data mining and analysis\nNot real time, not for data entry\nThe Analytical database: organizing data to produce Information\nExtract Data from EMR databases\nTransform and Clean data (all weights into kg)\nLoad and merge it into common analytical database\nAnalytical software, resources and expertise needed for data analysis: Data Managers\n"}