Analyse des trajectoires de santé

Prévision du besoin médical avec BayesiaLab

Les bases de données de l’assurance maladie contiennent la trace précise des trajectoires de soin des personnes. Il est alors possible de modéliser leur comportement de façon probabiliste pour d’évaluer l’impact de l’évolution de la demande de soin sur les organisations existantes, notamment pour les personnes âgées.

BayesiaLab a été utilisé dans le cadre d’une étude concernant la population des plus de 75 ans du sud DEUX Sèvres (plus de 15 000 personnes) afin d’établir une typologie des soins adaptées aux nouveaux enjeux démographiques.

L’outil permet d’établir des modèles dynamiques d’évolution de la dépendance et de comparer leurs prédictions aux données réelles enregistrées dans les bases de l’assurance maladie.

Sur un plan économique, BayesiaLab permet de mesurer la régularité des consommations de soins poste par poste et donc de dimensionner de façon prévisionnelle l’évolution du besoin. Ici, MED, PHA, ART, etc. représentent les remboursements de consultation médicales, de pharmacie, les arrêts de travail…
Le réseau ci-dessous modélise l’influence du passé lointain, proche ou récent sur l’avenir immédiat, proche ou lointain. Il fait état d’une grande régularité de comportement et donc d’une grande prédictibilité.