• Langue : Français
• Discipline : Epidémiologie, santé publique, recherche clinique, technologies biomédicales
• Identifiant : 2022ULILS006
• Type de thèse : Doctorat
• Date de soutenance : 21/03/2022

Résumé en langue originale

Contexte : Les hospitalisations répétées chez les personnes âgées augmentent la morbidité, la mortalité, la perte d’indépendance fonctionnelle et le coût des dépenses de santé. De nombreuses études se sont intéressées à la ré-hospitalisation chez les personnes âgées, mais elles se sont limitées à l’analyse de la première ré-hospitalisation sur une durée déterminée allant de 30 jours à 24 mois. L’effet de chaque ré-hospitalisation sur le risque de ré-hospitalisation future a été très peu étudié. De plus, les études sur la ré-hospitalisation n’incluent pas l’analyse du décès alors qu’il modifie la probabilité de survenue d’une nouvelle ré-hospitalisation. Cependant, La modélisation des hospitalisations multiples et du décès peut être envisagée dans le cadre d’un paradigme d’analyse statistique bien défini.L’objectif global de cette thèse est d’analyser le risque de ré-hospitalisation chez les sujets âgés à l’aide de modèles statistiques de durée pour les évènements récurrents.Méthode : (1) Nous analyserons dans un premier temps le risque de ré-hospitalisation par le modèle de Fragilité et le risque de décès par le modèle de Cox pour variables dépendantes du temps, sur la cohorte PAERPA regroupant plus de 38 000 personnes âgées. (2) Nous déterminerons l’importance de la ré-hospitalisation face aux autres facteurs de risque connus à l’aide des mêmes modèles, sur la cohorte DAMAGE regroupant plus 3 000 patients âgés sortant d’unité de gériatrie aiguë. (3) Nous expérimenterons l’analyse conjointe du risque de ré-hospitalisation et de décès à l’aide du modèle Joint, sur les deux cohortes précédentes.Résultats : (1) Les ré-hospitalisations sont de plus en plus proches dans le temps après chaque nouvel évènement. Les modèles spécifiques à l’analyse des évènements récurrents ont montré que le risque de ré-hospitalisation augmentait au fur et à mesures des hospitalisations consécutives, tout comme le risque de décès. Ces modèles permettent également de mettre en évidence l’hétérogénéité interindividuelle de la population face au risque de ré-hospitalisation, présente chez les personnes âgées. (2) Dans l’année suivant la sortie d’unité de gériatrie aiguë, un patient sur deux est ré-hospitalisé et un patient sur trois décède. La ré-hospitalisation est le principal facteur de risque de ré-hospitalisation future et de décès chez ces patients. (3) L’analyse conjointe d’évènements récurrents et évènement concurrent par le modèle Joint est complexe, notamment sur de grandes cohortes comme les nôtres, et nous semble non adapté à l’utilisation directe par les cliniciens.Conclusion : Les modèles statistiques spécifiques aux évènements récurrents sont adaptés à l’analyse du risque de ré-hospitalisation chez les personnes âgées. Ils permettent de prendre en considération les possibles hospitalisations répétées au cours du temps et l’hétérogénéité interindividuelle de la population âgée. Ces modèles permettront : d’analyser de manière fiable et rapide les données massives en santé ; de décrire au mieux le recours aux soins hospitaliers des personnes âgées ; et de proposer des prises en charges plus ciblées aux patients âgés ré-hospitalisés.

Résumé traduit

Background: Repeated hospitalizations in older people increase morbidity, mortality, loss of functional independence, and health care costs. Many studies have looked at hospital readmission in older patients, but they have been limited to the analysis of the first readmission only and over a defined period of time ranging from 30 days to 24 months. The effect of each hospital readmission on the risk of future hospital readmission has been little studied. Furthermore, studies on hospital readmission do not include analysis of death, even though it modifies the probability of new hospital readmission. However, modeling of repeated hospitalizations and death can be considered within a well-defined statistical analysis paradigm.Method: (1) We will first analyze the risk of hospital readmission using the Frailty model and the risk of death using the Cox model for time-dependent variables, on the PAERPA cohort of more than 38 000 older people. (2) We will determine the importance of hospital readmissions in relation to other known risk factors using the same models, on the DAMAGE cohort of more than 3,000 older patients discharged from an acute geriatric unit. (3) We will experiment with the joint analysis of the risk of hospital readmissions and death using the Joint model, on the two previous cohorts.Results: (1) Hospital readmissions tend to be closer in time after each new event. Specific models for the analysis of recurrent events have shown that the risk of hospital readmission increases with each consecutive hospitalization, as does the risk of death. These models also highlight the inter-individual heterogeneity of the population with respect to the risk of hospital readmission, which is present in older people. (2) Within one year of discharge from an acute geriatric unit, one in two patients is readmitted to the hospital, and one in three dies. Hospital readmission is the main risk factor for future hospital readmissions and death in these patients. (3) The joint analysis of recurrent and concurrent events by the Joint model is complex, especially in large cohorts such as ours, and does not seem to be suitable for direct use by clinicians.Conclusion: Statistical models specific to recurrent events are adapted to the analysis of the risk of hospital readmission in older people. They make it possible to take into account repeated hospitalizations over time and the inter-individual heterogeneity of the older population. These models will enable to: reliably and rapidly analyze massive health data; better describe the use of hospital care by older patients, and propose more targeted care for the ones who are readmitted to the hospital.