• Citer

Apport de la mise en place d'un algorithme pour la surveillance semi-automatisée des infections de site opératoire.

par Xhonneux, Raphaëlle
Président du jury Petit, Anne-Dominique
Promoteur Byl, Baudouin
Co-Promoteur Simon, Anne
Publication Non publié, 2022-05-20

Mémoire

• Accès en ligne
• Détails
• Contenu
• Statistiques

Résumé :

Contexte : Parmi les infections associées aux soins (IAS), les infections de site opératoire (ISO) se situent en troisième position en termes de prévalence. Les hôpitaux qui disposent d’un programme de prévention et de contrôle des infections présentent des taux d’IAS significativement plus faibles. Objectif : Développer un nouvel outil pour la surveillance rétrospective des ISO. Type d’étude : Approche exploratoire par le biais d’une étude de cohorte rétrospective unicentrique menée dans un hôpital wallon sur des patients adultes ayant subi une arthroplastie de la hanche ou du genou entre 2019 et 2020. Méthode : Nous avons évalué la validité des données de patients opérés, extraites de manière automatisée et informatisée par le logiciel Qlik Sense, en comparaison aux données obtenues par une méthode d’analyse manuelle des Dossiers Patients Informatisés (DPI), considérée comme gold standard. Nous avons analysé la sensibilité et la valeur prédictive positive de ces données reconnues comme étant des facteurs prédictifs d’une ISO, de manière à développer un algorithme pour la surveillance semi-automatisée des ISO. La performance de cet algorithme a été comparée à la méthode d’analyse manuelle des DPI afin d’évaluer l’apport de cette nouvelle stratégie de surveillance. Résultats : Bien qu’une minorité de résultats bactériologiques n’aient pas été retrouvés par le logiciel Qlik sense pour 1.1% (analyse 2019) à 1.3% (analyse 2020) des données, l’évaluation de la performance de notre algorithme a été concluante avec 100% de sensibilité et une valeur prédictive positive entre 50% et 100% selon la catégorie d’intervention chirurgicale. En conclusion, l’apport de la surveillance semi-automatisée basée sur cet algorithme de diagnostic des ISO profondes est multiple puisqu’il allie standardisation, performance, rapidité, et efficience. Background : Among Haelthcare-Associated Infections (HAI), surgical site infections (SSI) rank third in terms of prevalence. Hospitals with an infection prevention and control program have significantly lower rates of HAI.Objective : To Develop a new tool for retrospective surveillance of SSI.Design : Exploratory approach through a single-center retrospective cohort study conducted in a Walloon hospital on adult patients who underwent hip or knee arthroplasty surgery between 2019 and 2020.Method : We assessed the data validity from operated patients, extracted in an automated and computerized manner by Qlik Sense software, in comparison with data obtained by a manual analysis method of Electronic Health Records (EHR), considered as gold standard. We analysed the sensitivity and positive predictive value of these data, which are know to be predictive factors of SSI, in order to develop an algorithm for semi-automated SSI surveillance. The performance of this algorithm was compared to the manual EHR analysis method in order to evaluate the contribution of this new surveillance strategy.Results : Although a minority of bacteriological results were not found by the Qlik sense software for 1.1% (2019 analysis) to 1.3% (2020 analysis) of the data, the evaluation of the performance of our algorithm was conclusive with 100% sensitivity and a positive predictive value between 50% and 100% depending on the category of surgical procedure. In conclusion, the contribution of semi-automated monitoring based on a deep SSI diagnostic algorithm is multiple since it combines standardization, performance, rapidity, and efficiency.