Mesurer la qualité et les résultats que CMS rémunère réellement

# Mesurer la qualité et les résultats que CMS rémunère réellement

Une patiente de 68 ans souffrant d'insuffisance cardiaque sort de l'hôpital un mardi. Dix-huit jours plus tard, elle est de retour aux urgences, essoufflée. Pour l'équipe clinique, c'est un événement triste mais banal. Pour la direction financière de l'hôpital, cette seule réadmission est un point de donnée dans une formule qui peut faire varier de plusieurs millions de dollars les paiements Medicare sur l'année.

Cette leçon montre comment des données brutes de sortie deviennent un score qualité, pourquoi l'ajustement au risque est le cœur du sujet, et comment les Centers for Medicare and Medicaid Services (CMS), l'agence fédérale qui gère Medicare, transforment ces scores en argent réel.

Pourquoi les résultats sont devenus une base de paiement

Pendant l'essentiel du XXe siècle, les hôpitaux étaient payés au volume : plus d'admissions, plus d'actes, plus de revenus. C'est le « fee-for-service ».

À partir des années 2010, CMS a basculé vers le « value-based payment », c'est-à-dire qu'une partie de ce que gagne un hôpital dépend de la qualité et des résultats, pas seulement de l'activité. La logique : une réadmission signale souvent que quelque chose s'est mal passé (préparation de la sortie défaillante, confusion sur les médicaments, absence de rendez-vous de suivi).

Deux programmes comptent avant tout pour les données de résultats hospitaliers :

• HRRP (Hospital Readmissions Reduction Program) : pénalise les hôpitaux dont les réadmissions à 30 jours sont supérieures aux attentes pour certaines pathologies.
• HVBP (Hospital Value-Based Purchasing) : récompense ou pénalise sur la base d'un ensemble plus large de mesures de qualité, de sécurité et d'expérience patient.

Les deux sont conçus comme budget-neutral : CMS retient une fraction des paiements et la redistribue selon la performance. Si vous faites moins bien que vos pairs, vous financez le bonus des hôpitaux qui font mieux.

Les métriques clés : réadmissions et mortalité

Deux familles de résultats dominent le scorecard.

Taux de réadmission à 30 jours. Parmi les patients sortis avec une pathologie donnée, quelle part revient dans un hôpital, quel qu'il soit, sous 30 jours ? CMS se concentre sur des pathologies comme l'insuffisance cardiaque, la pneumonie, la bronchopneumopathie chronique obstructive (BPCO) et les prothèses de hanche/genou.

Taux de mortalité à 30 jours. Parmi les patients admis pour une pathologie comme l'infarctus ou l'insuffisance cardiaque, quelle part décède dans les 30 jours ?

Notez le détail « un hôpital, quel qu'il soit ». Un patient peut sortir de l'hôpital A et être réadmis à l'hôpital B : cela compte quand même contre A. C'est pourquoi les hôpitaux s'appuient sur les données de claims, qui suivent le patient d'un établissement à l'autre, et pas seulement sur leurs propres dossiers internes.

Construire le scorecard à partir des données de sortie

Construisons le numérateur et le dénominateur bruts. Imaginez une table de sorties avec une ligne par admission.

-- Simplified 30-day heart failure readmission
WITH index_admissions AS (
  SELECT patient_id, admit_date, discharge_date
  FROM admissions
  WHERE primary_dx = 'heart_failure'
    AND discharge_status <> 'expired'   -- impossible de réadmettre un décès
),
readmits AS (
  SELECT i.patient_id, i.discharge_date
  FROM index_admissions i
  JOIN admissions a
    ON a.patient_id = i.patient_id
   AND a.admit_date > i.discharge_date
   AND a.admit_date <= i.discharge_date + INTERVAL '30 days'
)
SELECT
  COUNT(DISTINCT r.patient_id) * 1.0 /
  COUNT(DISTINCT i.patient_id) AS raw_readmit_rate
FROM index_admissions i
LEFT JOIN readmits r USING (patient_id);

Cela vous donne un taux *brut*. Et un taux brut est presque inutile pour comparer des hôpitaux. Voici pourquoi.

L'ajustement au risque : le cœur du sujet

Supposons que l'hôpital A soit un centre universitaire de centre-ville qui traite les patients les plus malades, les plus âgés, les plus pauvres. L'hôpital B est un établissement de banlieue avec des patients en meilleure santé. A aura plus de réadmissions quelle que soit la qualité de ses soins.

Comparer leurs taux bruts reviendrait à punir A pour avoir bien fait un travail difficile. L'ajustement au risque corrige cela. Il pose la question : compte tenu du mix de patients propre à cet hôpital (âges, autres diagnostics, admissions antérieures), combien de réadmissions *attendrait*-on ? Puis il compare l'attendu à l'observé.

CMS publie une mesure fondée sur un ratio. Le résultat clé s'exprime souvent comme un ratio entre résultats prédits et attendus :

• Ratio proche de 1,0 : performance conforme aux attentes compte tenu de vos patients.
• Ratio supérieur à 1,0 : moins bon qu'attendu.
• Ratio inférieur à 1,0 : meilleur qu'attendu.

CMS multiplie ce ratio par le taux moyen national pour produire un taux de réadmission standardisé au risque (RSRR) ou un taux de mortalité standardisé au risque (RSMR). Ce sont ces chiffres qui pilotent réellement le paiement.

Les modèles utilisent une régression logistique hiérarchique et ajustent sur des variables cliniques (comorbidités issues des codes diagnostiques) mais, délibérément, n'ajustent *pas* tout. Par exemple, les facteurs socio-économiques ont été traités dans le HRRP via un regroupement par pairs plutôt qu'intégrés directement au modèle clinique, un choix de conception destiné à éviter d'abaisser les exigences pour les hôpitaux qui servent des populations défavorisées. Le sujet reste débattu.

Vous n'avez pas besoin de construire ces modèles vous-même. CMS publie la méthodologie, et les résultats sous-jacents sont publics sur l'outil Care Compare de Medicare, où chacun peut consulter la performance d'un hôpital.

🎬 [VIDEO: "How Risk Adjustment Works in Value-Based Care" - youtube.com - une explication claire de pourquoi les ratios observé/attendu comptent plus que les taux bruts]

Des scores aux star ratings

CMS condense de nombreuses mesures dans l'Overall Hospital Quality Star Rating, un résumé de 1 à 5 étoiles affiché au public.

Le star rating regroupe des dizaines de mesures en catégories telles que :

• Mortalité
• Sécurité des soins
• Réadmission
• Expérience patient
• Soins rapides et efficaces

Chaque hôpital obtient un score de synthèse, puis les hôpitaux sont répartis en tranches d'étoiles. Les patients voient les étoiles ; les dirigeants voient les mesures sous-jacentes. Passer de 4 à 3 étoiles change rarement la décision d'un patient donné, mais cela pèse sur les négociations avec les payeurs, la réputation et les schémas d'adressage.

Point important : le star rating public et les programmes de paiement (HRRP, HVBP) utilisent des mesures qui se recoupent sans être identiques. Ne supposez pas qu'un bon star rating signifie zéro pénalité de paiement.

Convertir les résultats en dollars

Voici le mécanisme qui fait de ce sujet une question de finance, et pas seulement de clinique.

Dans le cadre du HRRP, CMS calcule un « excess readmission ratio » pour chaque pathologie mesurée. Si votre hôpital réadmet plus qu'attendu, CMS applique une réduction de paiement à *l'ensemble* de vos paiements Medicare en hospitalisation pour l'année, dans la limite d'un pourcentage plafonné (la pénalité maximale a été de 3 % des paiements Medicare inpatient de base).

Faites le calcul à l'échelle. Prenez un hôpital avec, disons, 200 millions de dollars de paiements Medicare inpatient annuels (chiffre illustratif). Une pénalité de 1 % représente 2 millions de dollars. Passer d'une pénalité de 1 % à 0,4 %, grâce à une amélioration modeste des réadmissions en insuffisance cardiaque et pneumonie, vaut largement plus d'un million de dollars, chaque année.

C'est pourquoi les hôpitaux investissent dans :

• La préparation de la sortie et la conciliation médicamenteuse (vérifier que la liste des traitements du patient est correcte à la sortie).
• La prise de rendez-vous de suivi avant le départ du patient.
• Les appels téléphoniques post-sortie dans les 48 à 72 premières heures.
• Des équipes data qui repèrent les patients à haut risque en utilisant les mêmes variables que les modèles CMS.

Le retour sur une infirmière qui appelle les patients insuffisants cardiaques sortis se mesure en partie en réadmissions évitées, et ces réadmissions évitées font bouger le ratio observé/attendu.

Pièges de données courants

Si vous êtes l'analyste à qui l'on demande de « sortir notre taux de réadmission », ces erreurs sont faciles à commettre et coûteuses à laisser passer.

Présenter des taux bruts à la direction. Indiquez toujours si un chiffre est brut ou standardisé au risque. Mettre un taux brut à côté d'un taux standardisé publié par CMS revient à comparer deux choses différentes.

Ignorer les transferts et les réadmissions programmées. Un retour prévu pour une chimiothérapie ou une chirurgie en plusieurs temps n'est pas un défaut de qualité, et CMS exclut de nombreuses réadmissions programmées. Les compter gonfle votre taux.

Manquer les réadmissions hors établissement. Si vous n'utilisez que votre propre EHR (dossier patient informatisé), vous ratez les patients partis chez un concurrent. Les données de claims ou un health information exchange comblent ce trou.

Dénominateurs faibles. Pour une pathologie à faible volume, une ou deux réadmissions supplémentaires font violemment varier le pourcentage. CMS gère cela par un shrinkage statistique dans ses modèles, qui ramène les hôpitaux à petits effectifs vers la moyenne nationale. Votre dashboard interne doit signaler les pathologies dont le nombre de cas est trop faible pour être interprété d'un mois sur l'autre.

Confondre la fenêtre de mesure et l'impact budgétaire. CMS utilise une période de performance pluriannuelle (souvent trois ans de données) pour calculer la pénalité d'un seul exercice. L'amélioration que vous réalisez aujourd'hui se traduira dans les paiements un an ou plus après. Calibrez les attentes en conséquence.

Mise en pratique

Un scorecard interne utile comporte trois couches :

1. Des métriques opérationnelles brutes, mises à jour fréquemment, pour que les équipes cliniques voient vite les tendances.

2. Des estimations approchées standardisées au risque, pour anticiper où CMS va atterrir.

3. Une traduction financière, convertissant les ratios projetés en ajustements de paiement estimés pour que la direction comprenne l'enjeu.

La compétence data qui compte le plus n'est pas la modélisation sophistiquée. C'est la reproduction fidèle des définitions de CMS : les bonnes pathologies, les bonnes exclusions, la bonne fenêtre de 30 jours, et un étiquetage honnête entre brut et ajusté.

Points clés

• Les taux de résultats bruts ne se comparent pas d'un hôpital à l'autre. L'ajustement au risque (observé versus attendu) est ce qui rend les résultats équitables et ce sur quoi CMS paie réellement.
• Les réadmissions suivent le patient, pas les murs. Utilisez les claims ou les données d'échange, car une réadmission chez un concurrent compte quand même contre vous.
• De petites pénalités font de gros montants. Une fraction de pourcent appliquée à l'ensemble des paiements Medicare inpatient revient chaque année et atteint facilement sept chiffres dans un hôpital de taille moyenne.
• Les star ratings publics et les programmes de paiement se recoupent sans se confondre. Ne supposez jamais que de bonnes étoiles équivalent à aucune pénalité ; vérifiez les mesures précises.
• Reproduisez exactement les définitions de CMS. Les bons ensembles de pathologies, les exclusions et la fenêtre de 30 jours comptent plus que des statistiques sophistiquées. Vérifiez avec Care Compare.