L’exploitation des données de santé, longtemps limitée par leur volume et leur structure, entre dans une nouvelle ère grâce à l’évolution des technologies et à l’émergence de nouveaux types d’informations, notamment génomiques et issues de l’internet des objets médicaux (IoMT). Une analyse rigoureuse de ces données, couplée à l’adoption de terminologies standardisées comme SNOMED CT, s’avère essentielle pour améliorer les soins aux patients, optimiser les ressources et faire progresser la recherche médicale.
Si les dossiers médicaux électroniques (DME) collectent déjà une quantité importante de données, seule une fraction de ces informations est réellement pertinente pour la pratique clinique et l’analyse. L’enjeu réside donc dans la capacité à extraire et à interpréter les données significatives, un processus qui nécessite une expertise en gestion de l’information sur la santé (GIM), et plus particulièrement en codage.
Les professionnels de la GIM jouent un rôle crucial dans cette démarche. Ils doivent non seulement maîtriser les aspects techniques de l’interprétation et de la synthèse des données, mais aussi comprendre leur importance pour l’évaluation de la qualité des soins, la gestion des maladies et l’établissement de bonnes pratiques. L’analyse des données de codage, par exemple, permet de surveiller les performances des équipes, de justifier les investissements en formation continue et d’améliorer la productivité et la précision du codage.
Plusieurs facteurs influencent la productivité du codage, notamment le type de DME utilisé, le nombre de systèmes consultés, les initiatives d’amélioration de la documentation clinique, les délais de réponse aux requêtes des médecins et la charge de travail non liée au codage. Il est impératif de ne jamais compromettre la précision au profit de la productivité, car cela peut entraîner des rejets de remboursement et des contrôles plus stricts. Un équilibre judicieux entre les deux est donc essentiel.
L’évolution des classifications médicales témoigne de la complexité croissante des données de santé. La 11e révision de la Classification statistique internationale des maladies (CIM-11) de l’Organisation mondiale de la santé (OMS) compte désormais 55 000 codes, contre 14 400 pour la CIM-10. Parallèlement, SNOMED CT, une terminologie clinique standardisée, propose plus de 311 000 concepts cliniques, incluant des informations détaillées sur les sites anatomiques, les diagnostics et les procédures.
« SNOMED CT est une terminologie cliniquement validée, sémantiquement riche et contrôlée, conçue pour permettre une représentation efficace des informations cliniques », explique SNOMED International. Elle facilite la capture, la récupération et la réutilisation des données, et offre de nombreux avantages pour l’analyse, notamment l’amélioration des soins aux patients, le soutien à la prise de décision clinique et l’optimisation des ressources.
Les tâches d’analyse peuvent être classées en trois catégories principales : l’analyse au point d’intervention (résumés historiques, aide à la décision), l’analyse basée sur la population (surveillance épidémiologique, recherche sur les maladies) et la recherche clinique (identification de candidats aux essais cliniques, médecine prédictive). Pour tirer pleinement parti de SNOMED CT, il est essentiel de combiner les requêtes basées sur les dossiers patients et les requêtes basées sur la terminologie, en utilisant des outils de visualisation et d’analyse de données performants.
Les entreprises de facturation et de codage qui ont adopté des outils d’analyse prédictive ont constaté un retour sur investissement significatif. Les professionnels de la GIM doivent donc encourager l’adoption de systèmes compatibles SNOMED CT afin d’obtenir des résultats plus précis et mieux informés.