Index maître des patients (MPI) et gestion des données de référence : fonctionnement et exemples

Plus les prestataires de soins disposent d'informations sur un patient, meilleurs sont les soins qu'ils peuvent lui prodiguer.

Les protocoles normalisés comme FHIR, soutenus par des réglementations nationales, facilitent la collecte de données sur les patients provenant de laboratoires, d'hôpitaux, de centres de diagnostic, etc. Mais déterminer si différents enregistrements appartiennent à la même personne ou contiennent des données en double peut représenter un défi. C'est le problème central que la gestion des données de référence (MDM) en santé est conçue pour résoudre — et l'index maître des patients (MPI) en est le sous-système centré sur le patient, associé à un algorithme de couplage d'enregistrements approprié.

Dans cet article, nous aborderons :

• Ce que sont l'index maître des patients (MPI) et le couplage d'enregistrements, et comment ils s'inscrivent dans la gestion des données de référence en santé ;
• Comment implanter un MPI et quelles méthodes peuvent être utilisées ;
• Comment choisir le bon algorithme de couplage d'enregistrements.

Qu'est-ce qu'un index maître des patients (MPI) ?

L'index maître des patients (MPI) est un logiciel utilisé dans les organismes de soins de santé pour identifier de façon unique chaque patient et regrouper ses multiples enregistrements. Il permet de s'assurer que tous les prestataires de soins ont accès à des informations précises sur les patients.

Le couplage d'enregistrements est le processus d'appariement des enregistrements en double. L'algorithme d'appariement (méthode) est le cœur de l'index maître des patients. Il calcule la similarité de deux enregistrements et détermine s'ils sont identiques.

Conseil : Si vous cherchez un outil complet pour gérer les dossiers de patients, le terme « index maître des patients » est un mot-clé utile pour vos recherches. Si vous souhaitez plutôt comprendre son fonctionnement, continuez simplement à lire cet article et faites une recherche sur le « couplage d'enregistrements » plus tard.

Comment le MPI s'inscrit dans la gestion des données de référence en santé

La gestion des données de référence (MDM) en santé est la discipline qui consiste à construire une vue unique et fiable des entités dont dépend le reste du système — patients, prestataires, organismes, établissements, payeurs. Chacune de ces entités présente ses propres particularités, mais le schéma d'ingénierie est le même : ingérer depuis de nombreux systèmes sources, apparier les enregistrements qui font référence à la même entité du monde réel, et résoudre les conflits en un enregistrement de référence (golden record) en lequel les consommateurs en aval peuvent avoir confiance.

L'index maître des patients est la partie spécifique aux patients dans ce tableau d'ensemble. C'est de loin la composante de la MDM en santé dont on parle le plus, car l'identité du patient est là où les erreurs coûtent le plus cher : un enregistrement de patient dupliqué fragmente un historique clinique ; un enregistrement fusionné par erreur crée un événement de sécurité. Ainsi, lorsque les équipes parlent de « MPI », elles désignent presque toujours une capacité de gestion des données de référence limitée à Patient — le même mécanisme d'appariement, de blocage, de fusion et d'audit que l'on utiliserait pour toute autre entité de référence, appliqué simplement là où les enjeux sont les plus élevés.

Dans le reste de cet article, nous examinons comment ce mécanisme fonctionne concrètement.

Comment fonctionne un index maître des patients

L'implantation de l'index maître des patients suit un pipeline spécifique, composé de plusieurs étapes clés :

• Nettoyage et normalisation des données — nettoyer les données et standardiser leur format ;
• Blocage — regrouper préalablement les enregistrements pour réduire le nombre de comparaisons et améliorer les performances ;
• Calcul de score et appariement — le « cœur » du processus : identifier la similarité des enregistrements et effectuer un appariement automatique ou manuel ;
• Liaison ou fusion des enregistrements en double.

Examinons maintenant chaque étape plus en détail.

Index maître des patients : nettoyage et normalisation des données

La première étape consiste à nettoyer les données.

Assurez-vous que les identifiants (tels que l'adresse, le sexe, le NAS, etc.) sont formatés de façon cohérente pour obtenir des résultats plus précis. Pour ce faire, on peut supprimer la ponctuation, convertir en majuscules et standardiser les valeurs.

Normalisez les terminologies : alors que le sexe peut être représenté par « Masculin/Féminin » dans un jeu de données et « Homme/Femme » dans un autre, il doit être codé de la même façon.

Si une valeur est invalide et n'a été saisie que pour satisfaire à un champ obligatoire (p. ex. « Bébé garçon » dans le champ Prénom ou « 00000000 » pour un numéro d'assurance sociale), il est recommandé de réinitialiser la valeur à « NULL », car l'algorithme peut être sensible à de telles entrées.

La situation idéale se présente lorsque votre source de données fournit des données propres dans le même format (mêmes noms pour les attributs), mais ce n'est pas toujours le cas et il faut généralement convertir ses données dans un format uniforme.

Nous recommandons d'utiliser HL7 FHIR pour les formats de données normalisés, car nous constatons une adoption significative de FHIR et il semble que FHIR deviendra une lingua franca pour l'échange de données en santé dans un avenir proche. Notre solution d'index maître des patients et de gestion des données de référence MDMbox est implantée sur la base de FHIR.

Index maître des patients : blocage

Une fois les données nettoyées et normalisées, on peut commencer le processus de blocage des enregistrements. Si un index maître des patients contient un million d'enregistrements, une comparaison directe de tous les enregistrements nécessiterait mille milliards de comparaisons, mais il est possible de réduire considérablement ce nombre.

Cela implique habituellement de faire passer le jeu de données à travers une série de filtres, en utilisant à chaque fois un attribut ou une méthode différent pour identifier les correspondances possibles, mais il existe un compromis entre performance et précision, et il est important de choisir la bonne clé de blocage.

Le blocage consiste généralement à diviser les enregistrements en groupes plus petits — ou « blocs » — en fonction de certains critères (filtres), par exemple en utilisant une similarité souple (comme le prénom, le sexe, l'année de naissance, le code postal, etc.).

Comme le montre le schéma d'exemple ci-dessous, une opération de blocage peut générer des blocs candidats en utilisant l'attribut Nom de famille et la première lettre du Prénom, ou elle peut créer des blocs à partir d'autres attributs, comme le Numéro de téléphone ou le Code postal :

L'appariement s'effectue ensuite à l'intérieur du bloc, ou entre deux blocs au sein du même attribut :

Il convient de noter que différentes exécutions de cette opération peuvent révéler différentes correspondances réelles, de sorte que la combinaison des résultats peut potentiellement découvrir la majorité des correspondances réelles.

L'objectif est de minimiser le nombre de candidats ; les lignes directrices devraient donc être :

• Assez larges pour englober tous les enregistrements pertinents au sein du même bloc ;
• Assez spécifiques pour permettre une comparaison efficace des candidats dans un délai raisonnable.

Index maître des patients : calcul de score et appariement

Le « cœur » de l'index maître des patients est le processus de calcul de score et d'appariement, et à cette étape, il est crucial de déterminer si deux enregistrements sont susceptibles de désigner le même individu. Les algorithmes peuvent classer les enregistrements en deux groupes — Correspondance ou Non-correspondance — ou un troisième groupe, Correspondance possible, où la décision peut être déléguée à des humains.

L'appariement peut être réalisé selon différentes méthodes :

• La méthode déterministe (basée sur des règles) — utilise un ensemble de règles (par exemple, correspondance du NAS, de la date de naissance et du nom de famille) et est également appelée logique d'appariement exact. Les règles déterministes peuvent être conçues avec un niveau élevé de spécificité ;
• La méthode probabiliste (basée sur un score ou Fellegi-Sunter) — cette méthode lie les enregistrements lorsque la somme de tous les accords pondérés l'emporte sur les désaccords.

Vous pouvez utiliser ce tableau pour comparer rapidement et facilement les méthodes :

Le MDMbox utilise la méthode probabiliste (modèle basé sur l'algorithme Fellegi-Sunter), qui est un type de classificateur bayésien, et compare les valeurs d'attributs spécifiques tels que le prénom, la date de naissance ou le NAS. Si les attributs semblent identiques, cela augmente la probabilité de correspondance, et si les attributs ne correspondent pas, la probabilité de correspondance diminue.

Ainsi, nous utilisons un système qui nous aide à déterminer la probabilité que deux enregistrements soient identiques. Nous commençons par estimer la probabilité que deux enregistrements choisis aléatoirement correspondent. Nous comparons ensuite les enregistrements pour voir s'ils ont des points communs, comme la même date de naissance, le même NAS ou le même numéro de téléphone.

Voici donc une façon simple et rapide d'expliquer le fonctionnement de l'algorithme : il compare les enregistrements et évalue avec précision les preuves, ce qui nous permet de déterminer la probabilité d'une correspondance :

• Les colonnes comportant un plus grand nombre de valeurs uniques, comme la date de naissance, le NAS ou le numéro de téléphone, sont plus susceptibles d'établir une correspondance solide, car il est peu probable que ces valeurs dans deux enregistrements choisis aléatoirement correspondent par hasard.
• Lorsqu'une colonne ne correspond pas, c'est généralement une preuve contre une correspondance. Nous devons également reconnaître que cette preuve peut ne pas être entièrement fiable dans les cas où des facteurs externes, tels qu'un changement de nom à la suite d'un mariage, un déménagement qui ferait que le patient aurait un code postal différent, ou une simple faute de frappe lors de la saisie des données, peuvent entraîner une non-correspondance dans la colonne.

Si ce score de preuve total atteint ou dépasse un seuil configurable, connu sous le nom de valeur de coupure, les enregistrements sont considérés comme correspondants et peuvent être appariés. Si le score est inférieur au seuil, les enregistrements sont considérés comme appartenant à des individus distincts et ne sont pas appariés dans l'index maître des patients.

Une pratique courante consiste à examiner la distribution des scores et à choisir une méthode de similarité qui donnera le taux souhaité de faux positifs ou de faux négatifs. Cela peut aider à équilibrer le besoin de précision avec la nécessité de minimiser la charge de travail des réviseurs humains. Pour une présentation pratique de ce calibrage, consultez notre guide sur la configuration et le réglage d'un modèle d'appariement de patients.

Démarrez avec le serveur FHIR Aidbox pour le stockage de données, les intégrations, l'analytique en santé, et plus encore, ou engagez notre équipe pour soutenir vos besoins en développement de logiciels.

Choisir l'algorithme d'appariement

Par défaut, Fellegi-Sunter semble être l'option la plus appropriée. Il nécessite un expert pour sa configuration, mais peut donner de bons résultats.

Si vous disposez de moins de sources de données fiables avec des relations étroites, des règles déterministes simples suffiront, mais il n'existe aucun moyen d'évaluer leur précision.

Liaison ou fusion ?

Une fois les enregistrements appariés, il est important de décider si vous devez lier ou fusionner les enregistrements.

• Lier les enregistrements signifie que l'on conserve tous les enregistrements en double tels quels, mais qu'on les relie entre eux. Si vous avez des sources différentes pour différents doublons, il n'y aura aucun problème pour mettre à jour les enregistrements.

Cela est utile dans les cas où les données sont continuellement agrégées à partir de différentes sources, car cela permet à l'index maître des patients de suivre les relations entre les enregistrements sans avoir à résoudre continuellement les conflits de fusion.

• Fusionner les enregistrements signifie combiner les enregistrements en un seul enregistrement hybride.

Cela implique de combiner les données de plusieurs enregistrements en un seul enregistrement contenant toutes les informations pertinentes sur un patient. Par rapport à la liaison, la fusion permet une récupération des données plus simple et plus rapide, ainsi qu'une utilisation plus efficace de la mémoire.

Cependant, la gestion des conflits de fusion et des liaisons faussement positives peut être plus complexe dans ce type de système.

Améliorez l'interopérabilité avec les solutions de santé HL7 FHIR : CapMinds FHIR Service

Le compromis du MPI : précision contre coût

Si les données sont continuellement agrégées à partir de différentes sources, une stratégie de liaison semble préférable, car il n'est pas nécessaire de résoudre continuellement les conflits de fusion, tandis que les liaisons faussement positives pourraient simplement être annulées par déliaison.

D'un autre côté, ce système ne traite pas uniquement d'un seul enregistrement de patient, et la plupart des interactions portent sur des ensembles d'enregistrements.

Dans les systèmes réels, il est courant d'utiliser une approche hybride, combinant à la fois la liaison et la fusion. En effet, le problème du compromis entre maintenir l'intégrité des données et permettre des requêtes flexibles d'une part, et créer un portrait complet et précis des données d'autre part est insoluble.

L'hybridation rend l'ensemble du système plus complexe, mais aboutit au résultat souhaité. Par exemple, un système pourrait d'abord lier les enregistrements appariés pour créer une relation entre eux, puis fusionner les enregistrements liés en un seul enregistrement consolidé.

Alternativement, un système pourrait d'abord fusionner les enregistrements appariés, puis lier les enregistrements consolidés résultants.

Le compromis entre la liaison et la fusion dépend des objectifs et des exigences spécifiques du système. Si l'accent est mis sur le maintien de l'intégrité des données et la possibilité de requêtes flexibles, la liaison peut être préférée. Si l'accent est mis sur la création d'un portrait complet et précis des données, la fusion peut être préférée.

Pour expérimenter l'implantation d'un index maître des patients et l'appariement d'enregistrements, essayez la version de développement gratuite de MDMbox. Elle offre un environnement complet pour tester ces fonctionnalités, en fournissant tous les outils nécessaires sans aucune limitation.

Conclusion

Voici plusieurs points clés à garder à l'esprit lors de l'implantation d'un index maître des patients dans le cadre de votre stratégie de gestion des données de référence en santé :

• S'assurer que les données utilisées sont de bonne qualité et intègres ; sinon, elles doivent être nettoyées et normalisées ;
• Choisir l'algorithme le plus approprié en fonction de toutes vos exigences de projet spécifiques et de la qualité des données dont vous disposez ;
• Établir le compromis entre la fusion et la liaison des enregistrements, ou créer un système hybride ;
• Traiter le MPI comme une entité au sein d'un programme plus large de gestion des données de référence — les mêmes primitives d'appariement, de fusion et d'audit s'étendent aux prestataires, aux organismes et aux établissements.

Notre MDMbox utilise la méthode probabiliste basée sur l'algorithme Fellegi-Sunter, car elle s'est avérée très efficace pour obtenir des résultats précis et performants. Cet algorithme a été largement étudié, optimisé pour une utilisation avec des bases de données relationnelles (SQL) et a obtenu d'excellents résultats sur de grands jeux de données.

Dans MDMbox, les opérations d'appariement et de fusion de patients s'exécutent en quelques millisecondes, même à grande échelle. La déduplication en lots est tout aussi efficace — par exemple, l'identification de tous les candidats en double dans un jeu de données de 5 millions de patients prend environ 20 minutes. Pour un exemple concret, consultez comment nous avons trouvé des milliers d'enregistrements en double dans le registre NPI en utilisant la même approche.

De plus, MDMbox fournit une interface utilisateur intégrée pour les gestionnaires de données, permettant aux équipes de revoir et de résoudre les conflits de fusion, de gérer les doublons potentiels et de suivre des journaux d'audit complets de fusion et de défusion pour une transparence et un contrôle totaux. En savoir plus

Auteurs : Nikolai Ryzhikov, directeur technique chez Health Samurai Ivan Shukshin, ingénieur logiciel principal chez Health Samurai

Voir aussi : Dossiers de patients en double dans l'analytique en santé, Fournisseurs de MPI et sémantique de $merge des patients, Données synthétiques en santé, et FHIR comme format de stockage de données.