Entretien avec le Dr William H. Woodall
En quoi les statistiques et l'analyse des données permettent-elles d'améliorer les résultats dans les établissements de soins de santé ? William H. Woodall, professeur de statistiques à l'université Virginia Tech, mène des recherches sur la question depuis plus de dix ans. Expert renommé concernant le contrôle de la qualité, il a publié plus de 150 articles référencés, dont la plupart portent sur divers aspects de la surveillance des processus. Parmi ses publications liées à la santé, on peut citer "Plotting Basic Control Charts: Tutorial Notes for Healthcare Practitioners", "Use of Control Charts in Health-Care and Public-Health Surveillance" et "Dynamic Probability Control Limits for Risk-adjusted Bernoulli CUSUM Charts". En 2015, il a publié un article en collaboration avec le professeur Stefan Steiner de l'université de Waterloo et le chirurgien Sandy Fogel, "The Monitoring and Improvement of Surgical Outcome Quality". Minitab a demandé au professeur Woodall de partager certaines de ses expériences et réflexions sur le rôle que peut jouer l'analyse des données sur l'amélioration des soins de santé.
L'amélioration de la qualité est-elle différente pour la santé par rapport à d'autres secteurs ? 
Il existe des complications lorsque vous avez affaire à des gens, car les patients eux-mêmes varient d'un individu à l'autre. Donc, dans certains cas, la situation est plus compliquée qu'elle ne l'est dans le secteur de la fabrication, mais la qualité peut être améliorée. En outre, améliorer la qualité des soins de santé implique de sauver des vies et d'améliorer la vie des gens, ce qui rend ce processus bien plus important et intéressant. L'utilisation de méthodes d'amélioration de la qualité basées sur les données est beaucoup plus récente dans le domaine de la santé que dans d'autres types d'organisations, mais cela signifie simplement qu'il y a beaucoup de potentiel. Comme l'a souligné l'Institute for Healthcare Improvement, il est nécessaire de disposer de données avant et après toute initiative d'amélioration des processus pour pouvoir vérifier le niveau de réussite. C'est fondamental. Sans données, impossible de connaître le niveau de performance actuel. De plus, de nombreux processus dans les hôpitaux sont très semblables à ceux de l'industrie, et ils peuvent être améliorés en utilisant des approches plus classiques.
Certains considèrent encore la médecine comme un art plus qu'une science, mais d'après moi, ces personnes sont de moins en moins nombreuses. Je pense qu'il serait utile qu'un cours sur l'amélioration des processus soit dispensé dans toutes les écoles de médecine.
Quel est votre ressenti quant à la perception de l'analyse des données et de l'amélioration de la qualité dans le domaine de la santé ?
On observe une demande croissante de l'utilisation des statistiques dans l'amélioration de la qualité des soins de santé. Il existe un fort intérêt à ce sujet et la Joint Commission, qui certifie les hôpitaux, impose des exigences relatives à l'amélioration de la qualité. Cependant, j'ai l'impression que les prestataires de santé sont souvent beaucoup moins à l'aise avec les analyses statistiques et de données que les ingénieurs de fabrication, par exemple. Beaucoup de gens s'engagent dans le domaine de la santé dans le but de travailler avec des individus et non avec des chiffres. D'après mon expérience, certains professionnels de la santé ne sont pas assez préparés à l'analyse des données. Par exemple, j'ai déjà observé des médecins prélever des données sur le temps passé dans une salle d'attente ou d'autres mesures similaires, qui sont des données continues, puis les convertir en données binaires de succès/d'échec basées sur une limite de spécification supérieure. Ils ne se rendent pas compte que, par cette conversion, ils perdent beaucoup d'informations précieuses sur leurs données. Même si de nombreux statisticiens sont impliqués dans les essais cliniques, il est nécessaire que davantage de statisticiens et d'ingénieurs industriels travaillent en collaboration avec les praticiens sur les projets et l'analyse des données pour l'amélioration de la qualité.
Les besoins en analyse de données pour les praticiens sont-ils uniques ?
Le type de données qu'un professionnel de la santé est susceptible de trouver n'est pas toujours le même que dans une usine de fabrication. Ainsi, si les professionnels de la santé apprennent à améliorer la qualité des soins de santé en utilisant des données sur la qualité de fabrication à titre d'illustration, on peut comprendre leur sentiment selon lequel les méthodes ne leur sont pas applicables. Il peut s'agir de problèmes différents. Dans le domaine de la santé, l'accent est mis sur l'utilisation des données d'attribut et sur les réponses liées au temps nécessaire pour effectuer telle ou telle autre tâche. De nombreux projets partent de la volonté de réduire l'intervalle de temps entre les interventions chirurgicales, le temps entre les infections nosocomiales, le délai de réception des résultats aux tests et autres mesures similaires. Beaucoup de données sont binaires. Pour donner un exemple, au bout de 30 jours après la chirurgie, soit les patients survivent, soit pas. C'est pourquoi rares sont les applications nécessitant l'utilisation de lois normales dans le domaine de la santé. C'est aussi pourquoi lorsqu'un professionnel de la santé est formé sur l'amélioration de la qualité des soins, il se peut qu'il ne veuille pas commencer avec les mêmes méthodes qu'un professionnel du secteur de la fabrication. Personnellement, je commencerais par les méthodes d'analyse des données d'attributs et des données relatives au temps.
Comment vous êtes-vous engagé dans l'application de l'analyse des données dans le domaine de la santé ?
J'ai étudié l'amélioration des processus et le contrôle de la qualité dans l'industrie pendant plus de 30 ans, mais je travaille aussi sur la surveillance liée aux soins de santé depuis plus de dix ans. J'ai commencé à m'intéresser à l'amélioration de la qualité liée à la santé sous l'influence du professeur Stefan Steiner de l'université de Waterloo, qui travaillait en collaboration avec des médecins au Royaume-Uni sur le suivi de la qualité des résultats liés à la chirurgie. Nous avons ensuite passé plusieurs années à étudier et à développer des méthodes de surveillance de la santé publique. Au cours des dernières années, j'ai travaillé avec le Dr Sandy Fogel, chirurgien de la clinique Carilion à Roanoke, en Virginie. Il fait partie des responsables du programme National Surgical Quality Improvement (NSQIP), où son rôle consiste à améliorer la qualité des résultats relatifs à la chirurgie. En comparant les résultats ajustés en fonction du risque qu'il a obtenus avec ceux d'autres hôpitaux participant au programme NSQIP, le Dr Fogel a pu identifier les domaines devant être améliorés. Ensuite, avec ses collègues, ils ont cherché à mettre en oeuvre les meilleures pratiques permettant de réduire le taux de mortalité global après une intervention chirurgicale, ainsi que le taux d'infections sur site opératoire. L'année dernière, nous avons publié les résultats de son travail en tant qu'étude de cas. J'ai récemment analysé les données collectées par le Dr Fogel, en démontrant que ses initiatives d'amélioration des processus ont permis de réduire la durée moyenne de séjour à l'hôpital après une intervention chirurgicale. Cela est lié au programme Enhanced Recovery after Surgery Program.
Certains professionnels se sont-ils montrés réticents à la mise en oeuvre des méthodes d'amélioration de la qualité et à l'utilisation des outils statistiques dans leur travail ?
Je crois que le principal obstacle à une utilisation plus répandue des données et des outils statistiques relève du manque de formation. Des méthodes simples peuvent sans doute résoudre la grande majorité des problèmes, "simple" étant un terme relatif.
La principale difficulté concernant la mise en oeuvre des modifications est de convaincre les gens de changer leurs habitudes. Parvenir à ce qu'ils changent est une tâche difficile, car ils n'en n'ont pas envie. Les individus tels que le Dr Fogel n'ont aucune réticence à utiliser des méthodes statistiques, mais selon lui, la plus grande barrière à l'amélioration de la qualité des résultats liés à la chirurgie est que les chirurgiens doivent modifier leur fonctionnement car, comme nous tous, ce sont des créatures d'habitude. Ils aiment et savent très bien répéter sans cesse la même chose, car ils ont confiance en ce qu'ils font. Le plus souvent, c'est le processus, et non les chirurgiens, qui doivent être améliorés. Mais il existe un autre facteur, qui est que, dans une entreprise de fabrication, un superviseur exige souvent des changements. Dans certains hôpitaux, les médecins travaillent comme prestataires indépendants, donc il faut les convaincre de changer. Dans l'article que nous avons rédigé ensemble, le Dr Fogel explique qu'il est préférable de modifier les processus discrètement, c'est-à-dire là où les chirurgiens ne sont pas directement impliqués.
Quels conseils donneriez-vous à quelqu'un qui souhaite utiliser les données pour améliorer un problème de qualité ?
D'abord, il est important de bien réfléchir aux données dont vous avez besoin. Ensuite, je conseillerais de représenter les données avant de procéder à toute analyse. Les données collectées au fil du temps doivent être tracées dans l'ordre chronologique. Enfin, utilisez les méthodes statistiques adaptées les plus simples. Vous devez convaincre les gens que les conclusions de votre analyse sont valides. Pour cela, ils doivent comprendre l'analyse. Un principe fondamental des statistiques appliquées est que ce qui est compliqué n'est pas forcément le plus adapté. En règle générale, les gens ne se laisseront pas convaincre de changer leurs habitudes si vous vous basez sur des arguments qu'ils ne comprennent pas. Il est donc inutile de rendre les analyses statistiques plus compliquées que nécessaire.
Prévoyez-vous des tendances pour l'amélioration de la qualité et la maîtrise statistique des procédés dans les soins de santé ?
Le secteur de la santé est de plus en plus préoccupé par les résultats. Il existe différents types de mesures de la qualité, et même si l'on a besoin des mesures de processus comme des mesures de résultats, les informations tirées des résultats sont plus précieuses. Le pourcentage de patients en salle d'urgence présentant des symptômes de crise cardiaque qui sont traités dans un certain laps de temps est un exemple classique de mesure de processus. Ces mesures sont très utiles, mais ne nous renseignent pas sur tout ce que nous voulons savoir. Par exemple, je pourrais mesurer si mes étudiants et moi entrons et sortons de la salle de cours à l'heure, à quelle fréquence les étudiants présentent leurs devoirs à temps, et ainsi de suite, mais cela ne signifie pas qu'ils ont appris quoi que ce soit. Voilà pourquoi les mesures des résultats sont si intéressantes. Quelles sont les conséquences pour les patients ? Quels patients ont survécu au bout de 30 jours après une intervention chirurgicale ? Quels sont ceux qui ont eu des infections sur site opératoire dans les 30 jours ? Les mesures issues des résultats sont parfois plus instructives que les mesures de processus, et le gouvernement s'oriente plutôt vers l'évaluation des performances en fonction des mesures des résultats.
En quoi un logiciel statistique peut-il aider les professionnels de la santé à améliorer la qualité au sein de leur organisation ?
Il faut disposer d'un logiciel statistique pour comprendre et analyser les données. J'apprécie et j'utilise Minitab, car c'est un logiciel très facile à utiliser qui fournit toutes les méthodes nécessaires dans les situations d'amélioration des processus. Je recommande l'utilisation de Six Sigma dans le domaine de la santé et encourage quiconque ayant besoin d'un logiciel statistique à envisager d'adopter Minitab. La convivialité de Minitab est particulièrement importante pour les soins de santé.
Pour vous procurer les documents suivants, contactez le Dr William Woodall à l'adresse bwoodall@vt.edu :
Mohammed, M. A., Worthington, P. et Woodall, W. H. (2008), "Plotting Basic Control Charts: Tutorial Notes for Healthcare Practitioners". Quality and Safety in Health Care 17, 137-145.
Steiner, S. H. et Woodall, W. H. (2016). "Debate: What is the Best Method to Monitor Surgical Performance?", BMC Surgery. 16:15 DOI 10.1186/s12893-016-0131-8. Disponible à l'adresse http://bmcsurg.biomedcentral.com/articles/10.1186/s12893-016-0131-8.
Woodall, W. H. (2006), "Use of Control Charts in Health-Care and Public-Health Surveillance" (avec débat), Journal of Technology Quality 38(2), 89-104.
Woodall, W. H., Fogel, S. L. et Steiner, S. H. (2015). "The Monitoring and Improvement of Surgical Outcome Quality". Journal of Quality Technology 47(4), 383-399.
Zhang, X. et Woodall, W. H. (2015). "Dynamic Probability Control Limits for Risk-adjusted Bernoulli CUSUM Charts". Statistics in Medicine 34, 3336-3348.