Santé : Les modèles prédictifs font leurs preuves à l'international

Différents pays utilisent déjà des modèles prédictifs qui exploitent les données de santé des patients afin de déterminer la probabilité qu'une maladie ou hospitalisation surviennent. En France, les conditions sont réunies pour que de tels modèles soient exploités, selon une récente étude de la Drees.

Utiliser des algorithmes complexes pour évaluer la probabilité du risque est un exercice bien connu des actuaires. Depuis quelques années, les modèles prédictifs trouvent une application concrète dans le domaine de la santé, selon une étude de la Drees intitulée « L'essor des modèles prédictifs dans les systèmes de santé internationaux ».

Un score de risque est associé à chaque individu afin de déterminer la probabilité de développer une maladie chronique, d'être hospitalisé d'urgence ou de se retrouver dans une situation de dépendance. Certains modèles permettent également de déterminer la probabilité de devenir très consommateur de soins, à 30 jours, 6 mois ou 1 an. Ces modèles ont fait leurs preuves dans différentes expériences menées à l'étranger.

En France, un décret du 26 décembre 2016 qui est entré en vigueur le 1er avril 2017 permet aux organismes habilités d'exploiter des données médico-administratives à des fins de recherche et développement. Ce système est géré par la CNAMTS et comprendra à horizon 2019 diverses sources de données : issues de l'Assurance maladie, des hôpitaux, de l'Inserm, des Maisons départementales des personnes handicapées ainsi que à terme un échantillon de données issues des organismes complémentaires. Aujourd'hui, les deux premières catégories de données sont déjà disponibles dans le cadre de la première version du Système national des données de santé (SNDS). Les conditions sont donc favorables à une expérimentation des modèles prédictifs qui ont déjà montré leur utilité à l'international, selon l'étude de la Drees.

Modèles prédictifs, pour quoi faire ?

Les modèles prédictifs se basent sur différentes variables : l'âge et le sexe, ainsi que les diagnostics hospitaliers, ambulatoires et pour certains les prescriptions de médicaments. Dans certains cas, des facteurs de risque tels que l'obésité ou le tabagisme sont intégrés.

Les modèles prédictifs qui déterminent la probabilité de connaître une hospitalisation ou ré-hospitalisation non programmée dans un délai d'un an, 30 jours ou 3 mois sont fiables à 50-80%. Pour certaines pathologies comme les maladies cardio-vasculaires la performance du modèle peut atteindre 85%.

De l'évaluation à la prévention, un champ d'application très large

Le champ d'application de ces modèles est très vaste et plusieurs expériences dans différents pays sont en cours. « Leur capacité prédictive permet, en particulier, de passer d'une logique réactive à une prise en charge préventive », selon l'étude de la Drees. En Allemagne, par exemple, ces modèles sont utilisés pour calculer les allocations des différentes caisses d'assurance maladie publiques. Les budgets alloués aux caisses sont modulés en fonction du profil de leurs assurés. Au Pays-Bas, les modèles permettent de calculer les montants alloués aux compagnies d'assurances privées. A noter que la sélection des individus par les assureurs en fonction de leur profil de risque est interdite dans ce pays. Les assureurs ne peuvent non plus refuser une personne souhaitant souscrire un contrat d'assurance santé.

Un autre type de modèle contribue à identifier les individus à risque afin d'initier des actions de prévention très en amont. Aujourd'hui, ces programmes n'interviennent qu'après un premier épisode d'hospitalisation. Au Royaume-Uni, des modèles sont utilisés depuis 2006 pour identifier les patients qui présentent un risque d'hospitalisation ou de ré-hospitalisation. Les patients qui présentent un risque élevé peuvent bénéficier d'une hospitalisation à domicile préventive, incluant un médecin généraliste, une infirmière, un pharmacien et un travailleur social ou ergothérapeute si besoin. Dans plusieurs états du Canada et à New York des expériences similaires sont en cours. Anticiper une probable situation de perte d'autonomie devient également possible grâce à ces modèles.

Hiérarchiser les priorités

En Suède, certaines régions utilisent ces modèles pour identifier les personnes âgées les plus vulnérables et déterminer à quelles personnes les infirmières doivent rendre visite en priorité. Un service similaire est mis en place au pays de Galles pour hiérarchiser les patients en fonction de la probabilité d'hospitalisation.

Une autre expérience menée aux Etats-Unis et recensée dans l'étude de la Drees permet également aux assureurs privés de recruter les assurés dans des programmes de gestion des maladies chroniques.