130 likes | 225 Views
Understaffing , overcrowding , inappropriate nurse : ventilated patient ratio and nosocomial infections : which parameter is the best reflection of deficits ? . Journal of Hospital Infection , F. Schwab, E. Meyer, C.Geffers , P. Gastmeier
E N D
Understaffing, overcrowding, inappropriate nurse : ventilated patient ratio and nosocomial infections : whichparameteris the best reflection of deficits ? Journal of Hospital Infection , F. Schwab, E. Meyer, C.Geffers, P. Gastmeier Institute of Hygiene and EnvironmentalMedicine, Charité UniversitéyMedicine Berlin , Berlin, Germany
Contexte (1) • Les établissements sanitaires des Pays à haut revenus/habitant : • Double Objectif : Rationalisation des coûts – Efficacité de la production des soins dans des ressources contraintes • Réorganisation des soins de façon cout-efficiente. • Production à haut rendement. • En Allemagne : • Baisse de 26 % nombre de lits /patient • Baisse de 42% durée moyenne de séjour • Augmentation de 17% du nombre de patients traités de 1991 à 2008. • Facteur combiné : sur-occupation des lits et faible ratio personnel /patient.
Contexte (2) • Dans la littérature : • effets du déséquilibre faible ressource et charge de travail importante sur des indicateurs de santé patients • Andersen BM, Lindemann R, and al « Spread of methicillineresistant staphylococcus aureus in a neonatal intensive unit associatedwithunderstaffing, overcrowding and mixing of patients ». Jhosp Infect 2002; 50:18-24 • Hugonnet S, Villaveces A, Pittet D. « Nurse staffinglevel and nosocomial infections: empiricalevaluation of the case-crossover and case-time control designs. Am J Epidem 2007;165 :1321-1327 • Peu d’études de type multicentrique
OBJECTIF • A l’aide d’une étude multicentrique réalisée sur 182 unités de Réanimations de plusieurs centres hospitaliers berlinois, • mesurer l’influence des paramètres connus tels que • le taux d’occupation des lits, • le ratio infirmière/ patient en Réa • et d’un nouveau paramètre • le ratio infirmière /patient ventilé • Sur l’incidence de bactériémie et de pneumopathie nosocomiale /mois rapporté à une unité de réanimation.
Méthode (1) • KISS : système de surveillance hospitalier des infections nosocomiales allemand depuis 1997. • Centralisation des données mensuelles reportés par unités de Réa (réseau de 182) • Consommations de dispositifs invasifs • Signalement d’infections nosocomiales sur dispositif • Report non obligatoire sur 12 mois. • Nombre de dispositif d’intubation ou de cathéter veineux central par patients-journées d’hospitalisation. • Nombre d’infections sur ventilation ou cathéter veineux central pour 1000 dispositif-journées.
Méthode (2) • Envoi d’un questionnaire : Recueil pour l’année 2007 pour chaque unité de Réa • Effectif du personnel soignant par unité/j • Pour chaque unité de réanimation : type et nb de lits • Taille de chaque hôpital • Utilisation de la base KISS • Nombre d’ IN /dispositif. • Définitions des paramètres suivants : • Durée de séjour : nb de patients-jours /nb de patients. • Taux d’occupation des lits : nb de patients par jour/nb de lits. • Ratio Infirmière /patient par roulement : nb d’ IDE par jour /roulements/ nb de patients par jour • Ratio Infirmière / patient ventilé /roulement : nb de patient par jour /roulement nb de ventilation –journées /jour.
Analyse statistique • Distribution des paramètres en quatre catégories. =< 25th percentile Entre le 25th percentile et le 50th percentile Entre le 50th percentile et el 75th percentile >= 75th percentile Analyse statistique ajustée sur les facteurs de confusion suivant : • Type de réa : interdisciplinaire, médical , chirurgical ou autre • Taille de la Réa =< 8 lits, 9-10,11-14 , >= 15 lits. • Caractéristique de l’hôpital : Universitaire, attaché à un CHU, autre.. • Taille de l’hôpital : <400, 400-999, >=1000 lits. • Prise en compte d’un effet cluster. ( données non indépendante d’une unité de Réa à l’autre). Model de régression linéaire de Poisson. • Mesure statistique : influence de la variation des paramètres (en % d’augmentation) sur l’augmentation de risque d’ IN /mois.
Résultats (1) • Sur 182 unités ayant participé • 159 400 patients / 1921 mois d’analyse à raison de 10,6 mois /Réa. • Soient 563 177 patients-jours. • 1313 cas de pneumonie dont 1064 sur ventilation • 513 cas de bactériémies dont 491 sur CVC • En moyenne : 45, 6 % de réa interdisciplinaires, 2&,4% médicales, 23,6% chirurgicales. • Localisation majoritairement hôpitaux rattachés à un chu (48,9 % ), pour 19,2% dans un CHU.
Résultats (2) • Au sein de chaque unité, le paramètre qui variait le plus mensuellement • Le ratio infirmière/patient ventilé avec une variation médiane de 170% entre les extrêmes pour un ratio médian de 1.82 IDE/patient/roulement. • Puis le taux d’occupation des lits : variation de 28% pour un taux médian de 0.83. • Le ration infirmière-patient: 28% avec un ratio médian à 0.66 iDE /patient /roulement.
Discussion • Résultats surprenants: • pas d’effet statistiquement significatif du ratio IDE/patients sur une augmentation du risque d’IN chez les patients de Réa. • Taux d’occupation élevé associé à un faible augmentation de risque d’IN . • Seul facteur pertinent : rapport entre IDE /patient ventilé Or résultats de la littérature : IN associé à un sous effectif ( ratio IDE/patient) et sur occupation des lits . • « Fridkin and al », (unité de Réa , bactériémie sur CVC et sous effectif en IDE). • Idem Etude Hugonnet and al, • étude suédoise ( Andersen BM and al) , SARM et personnel mal formé.
Discussion • Limites méthodologiques : • Etude mulcentrique, bonne puissance statistique : mais risque manque d’homogénéité des données • Recueil rétrospectif de multiples données administratives à standardisé ( différents selon réa) • Période de recueil de données inférieur à 12 mois : ex extrapolation effectif d’IDE.