Un travail de modélisation pour mieux comprendre l’activité réelle… et ses impacts.
Au cours des derniers mois, j’ai mené un travail d’analyse portant sur la montée en charge du service de maternité et plus particulièrement sur les pratiques de placement des futures mamans dans les chambres.
Ce travail a été réalisé en collaboration avec :
-
le directeur des opérations,
-
la cadre du service de maternité,
-
la bed manager,
-
ainsi qu’avec l’appui des équipes soignantes.
Notre objectif commun : comprendre précisément comment les patientes sont placées, identifier les incohérences et proposer une vision objective des mécanismes d’affectation.
Un contexte souvent évoqué… mais rarement mesuré
Dans les pratiques du service, certaines idées reçues circulaient :
« Ne signez pas pour une chambre particulière, vous serez placées systématiquement dedans. »
Or, les données internes montraient parfois l’inverse :
-
des femmes ayant signé pour une chambre particulière se retrouvaient malgré tout en chambre double,
-
des placements incohérents avec la demande réelle,
-
des situations défavorables pour les patientes,
-
et un manque à gagner direct pour l’établissement, lié à une utilisation sous-optimale des chambres particulières.
Il devenait donc essentiel de produire une représentation objective, visuelle et dynamique de l’activité, afin de mieux comprendre ce qui se passe réellement dans le service.
Un travail d’analyse basé sur les données du DPI
Pour mener cette étude, je me suis appuyé sur les données issues du Dossier Patient Informatisé (DPI), notamment :
-
les affectations en chambre,
-
les dates d’entrée et de sortie,
-
les préférences de chambre exprimées par les patientes,
-
et l’activité jour par jour du service.
Ces données ont été retraitées pour produire une vision temporelle fidèle de l’occupation réelle des lits.
Une simulation vidéo pour représenter l’activité du service
Afin d’aider l’équipe de management à visualiser la dynamique du service, j’ai conçu un outil permettant de générer automatiquement une animation de l’occupation des chambres.
Cette vidéo représente :
-
la position de chaque chambre dans le service,
-
les entrées et sorties,
-
les choix des patientes (simple, double, choix inconnu),
-
l’adéquation ou non entre leur demande et le placement réel,
-
et plusieurs indicateurs : taux d’occupation, taux d’adéquation, file active, etc.
Les couleurs accompagnent la lecture :
🟢 adéquation entre la demande et le placement
🔴 non-adéquation (ex : patiente voulant une chambre particulière mais placée en double)
🟠 choix non renseigné
⚪ chambre libre
Cette représentation dynamique permet d’identifier immédiatement :
-
les surcharges,
-
les décisions de placement problématiques,
-
les périodes tendues,
-
les impacts économiques du sous-usage de chambres particulières.
Une vidéo totalement factice… mais très proche de ce qui est réalisable
La vidéo présentée dans le cadre de mes tests est une simulation :
-
le plan du service est fictif,
-
les données sont générées artificiellement,
-
aucune information réelle de patiente n’est utilisée.
Elle sert uniquement à illustrer le type d’analyse et de restitution visuelle que je peux produire à partir de données réelles.
Le modèle sous-jacent, lui, est conforme à ce qu’il est possible de faire avec les données issues du DPI.
Ce que ce type d’analyse permet réellement
Une fois appliqué à des données réelles du service, ce type d’outil permet :
-
d’objectiver les pratiques,
-
d’identifier les « mauvaises habitudes » de placement,
-
de quantifier les impacts (satisfaction patiente, perte financière),
-
d’améliorer la communication entre les équipes,
-
de simuler des scénarios (hausse d’activité, réorganisation, travaux),
-
et surtout : d’améliorer l’expérience des futures mamans.
Un exemple concret de ce que je peux réaliser
Cette simulation illustre les possibilités à :
-
exploiter des données issues du DPI,
-
reconstruire fidèlement une timeline complète des séjours,
-
analyser l’activité sous un angle opérationnel,
-
produire des restitutions compréhensibles et actionnables,
-
modéliser des flux complexes sur plusieurs mois,
-
et transformer ces données en un outil visuel intuitif pour les équipes de direction et les soignants.