Aller au contenu principal
Data Source
N/A
Organizer
Dr. Christopher James Doig, Dr. Christiane Job McIntosh

Background

Patients admitted to the ICU are the sickest and most complex in the health care system often requiring expensive lifesaving technologies and interventions (e.g., invasive monitoring, intubation and mechanical ventilation, vasoactive medications, dialysis etc.)(Jacobs and Noesworthy, 1990). Further, care within an intensive care unit is provided by a collaborative team of health professionals, including nurses, respiratory therapists, pharmacists, occupational and physiotherapists, and social workers. Many efforts have been made to develop ICU metrics to reflect the performance of a healthcare system. One definition of a physician’s clinical performance (PCP) is “the quantitative assessment of physician performance based on the rates at which their patients experience certain outcomes of care and the rates at which physicians adhere to evidence-based processes of care during their actual practice of medicine”(Street, 2006). Traditionally, physicians participate in performance evaluations that are called 360 evaluations. The 360 model of feedback utilizes information from self-assessment, colleagues, non-physicians and patients. These assessments are useful, but fail to consider additional sources of data (e.g. patient specific outcomes including ICU or hospital length of stay, complications, and mortality) that may provide a more encompassing picture of physician performance.  We are interested in developing a model for assessing the performance of an individual physician. Performance is a confluence of multiple factors, particularly knowledge, skills, and behavioral competence. PCP assessment is beneficial to ensuring high-quality medical care, and may inform quality improvement initiatives amongst physicians.

Physician Participants:

In this dataset, each physician had 360 feedback evaluations completed anonymously by a random sample of allied health professionals working in the ICU, and peer physicians including medical directors, physicians from non-critical care disciplines. Questions are linked to 7 domains (Medical Expert, Communicator, Leader, Advocate, Professional, Scholar, and Collaborator). Each question was scored on a 5-points likert scale.  


Physician characteristics available included: (1) age, (2) background medical discipline before critical care training, (3) an administrative leader defined as a physician, (4) an education leader in the university, (5) university rank.

Patient Participants:

At hospital discharge, trained health record technicians abstract patient-specific data, including demographic, clinical, and administrative information. All multisystems ICU’s conform to the same standards for nursing, respiratory therapy and other allied health care professional training, have uniform departmental policies and protocols, standard equipment (eg, monitoring, drug infusion, and ventilators), and a standard drug formulary. However, each ICU might have different working environments, including variability in patient profiles (some which may not be measured/available e.g. socio-economic status, ethnic background, chronic disease burden). 

Patient Status and Outcome Scores:

APACHE II is an ICU-specific acuity of illness score calculated at the time of ICU admission based on the derangement of 12 physiological variables, age, and a chronic health score.(Naved et al., 2011) 
The SOFA (Sepsis-associated organ failure assessment) score was developed by an expert consensus panel to describe the severity of organ failure at and following ICU admission. In addition, SOFA was designed to complement the acuity of illness score.(Lambden et al., 2019).

 

Research Question

Data Description

Les données utilisées dans cette étude de cas sont des données « fictives » qui ont été développées en consultation avec des professionnels des services de santé des soins intensifs. Les descriptions des données sont fournies ci-dessous. 

Défi de l'étude de cas

Sur la base des ensembles de données fournis, votre défi est de développer des indicateurs de qualité valides pour évaluer les performances des intensivistes. Par exemple, un diagnostic précoce et approprié par un expert médical peut entraîner des interventions spécialisées plus précoces, telles que la réanimation et le traitement antibiotique, dont on sait qu’elles diminuent le taux de mortalité des patients. Par ailleurs, même si le médecin est un expert, la plupart des interventions dépendent de professionnels paramédicaux qui effectuent les interventions recommandées par le médecin. Par conséquent, c'est peut-être le médecin qui est un chef d'équipe/communicateur/collaborateur expert qui obtiendra les meilleurs résultats. 

Les patients admis en unité de soins intensifs sont affectés au médecin traitant de service pour la durée de leur séjour. Une façon possible d'aborder cette étude de cas serait d'examiner la variabilité entre les intensivistes s’agissant des résultats de leurs patients gravement malades. On pourra examiner les ensembles de données fournis ci-dessous pour déterminer si les évaluations 360 des médecins expliquent les différences observées dans les résultats pour les patients. Par ailleurs, les personnes travaillant dans une unité de soins intensifs particulière peuvent avoir développé une « culture d'équipe » et, par conséquent, l'examen des résultats par unité de soins intensifs pourrait être une autre approche. 

À vous de choisir comment relever le défi présenté ci-dessus. Si vous n'êtes pas sûr que votre ou vos questions de recherche répondent aux critères du concours d'études de cas, veuillez vérifier auprès des organisateurs. Vous pourrez également prendre en compte des données ou paramètres trouvés dans des sources accessibles au public et/ou dans la littérature publiée.

 

Variables

N/A

 

Data Access

Les ensembles de données décrits ci-dessus peuvent être téléchargés ici :

  • Lien vers les données d'évaluation à 360 degrés des médecins
  • Lien pour les données sur les caractéristiques du patient à l'admission aux soins intensifs
  • Lien vers les données de trajectoire SOFA du patient
  • Lien vers les données caractéristiques du médecin
  • Lien vers le dictionnaire de données

Coordonnées de l'organisateur

Cette étude de cas a été préparée par les docteurs Christopher James Doig, Christiane Job McIntosh et Chel Hee Lee avec l'aide et les conseils des autres membres du comité pour les études de cas de la Société statistique du Canada. Pour toute question ou préoccupation, veuillez contacter : christiane.jobmcintosh@ahs.ca ou chelhee.lee@ahs.ca. 

Prix

Nous avons le plaisir d'annoncer qu'un prix de 750 $ sera remis à l'équipe gagnante par le Département de médecine des soins intensifs, Alberta Health Services & University of Calgary. En plus du prix en espèces, les membres de l'équipe gagnante pourraient bénéficier d'opportunités de recherche/collaboration. 

 

References

Jacobs, P., & Noseworthy, T. W. (1990). National estimates of intensive care utilization and costs: Canada and the United States. Critical Care Medicine, 18(11), 1282–1286.
Lambden, S., Laterre, P. F., Levy, M. M., & Francois, B. (2019). The SOFA score—development, utility and challenges of accurate assessment in clinical trials. Critical Care, 23(1), 1–9.
Naved, S. A., Siddiqui, S., & Khan, F. H. (2011). APACHE-II score correlation with mortality and length of stay in an intensive care unit. Journal of the College of Physicians and Surgeons Pakistan, 21(1), 4.
Street, A. (2006). Future of quality measurement in the National Health Service. Expert Review of Pharmacoeconomics & Outcomes Research, 6(3), 245–248.