Résumé :
|
[BDSP. Notice produite par ORSRA 8R0xlnp8. Diffusion soumise à autorisation]. Position du problème : Les possibilités d'utilisation (autres que pour la tarification) des données du Programme de médicalisation des systèmes d'information (PMSI) ont été largement améliorées depuis l'apparition du chaînage au moyen d'un identifiant patient unique anonyme national. À partir des travaux du groupe d'observation épidémiologique du cancer de la région Rhône-Alpes (groupe ONC-EPI), nous passons en revue les difficultés qui subsistent dans l'utilisation des données PMSI dans un but épidémiologique et nous envisageons une approche longitudinale basée sur une exploitation des données durant plusieurs années. Les limites de cette approche sont également discutées. Difficultés : Les principaux problèmes sont liés au manque de qualité des données, en particulier du codage des diagnostics. Ces erreurs proviennent de codes manquants, inappropriés ou avec une hiérarchisation non conforme aux règles du PMSI (entraînant une sur-ou sous-déclaration des cas ou des incohérences du codage dans le temps). Une difficulté, en partie liée à la hiérarchisation et au type de cancer, est le choix de l'algorithme d'extraction. Dans deux études visant à estimer l'incidence des cancers à prise en charge hospitalière (sein, côlon-rectum, rein, ovaire), un premier algorithme, comprenant le code cancer en diagnostic principal, associé à une sélection d'actes chirurgicaux, s'est révélé moins performant que le deuxième basé sur la seule présence du code cancer en diagnostic principal, pour lequel le ratio du nombre d'hospitalisations par patient était stable dans le temps et dans l'espace. Le chaînage durant plusieurs années peut permettre, en retraçant la trajectoire du patient, de détecter et de corriger les imprécisions, les erreurs et les valeurs manquantes et, pour les études d'incidence, de corriger les cas incidents en éliminant les cas prévalents. Discussion : Le chaînage, exhaustif seulement depuis 2007, ne permet pas de rectifier les données dans tous les cas. Les pistes d'avenir passent certainement par l'amélioration des algorithmes de sélection des cas et surtout par le croisement avec des données hors champ PMSI.
|