L’analyse de cas en maternité haïtienne révèle des taux alarmants de mortalité maternelle et infantile, soulevant des questions cruciales sur l’efficacité des systèmes de santé. Cette recherche innovante propose des solutions viables pour transformer l’approche des soins en Haïti, avec des implications significatives pour l’avenir des services médicaux.
Cas expérimental
Nous avons mené une enquête à trois niveaux au centre de Maternité Isaïe Jeanty :i) vérification des enregistrements du passé, ii) observations et iii) sondages. Nous avons recueilli par journée de sondage, pour ce centre qui fonctionne 10 heures par jour avec une heure de pause, des données d’environ 300 personnes qui se sont présentées pour effectuer une visite médicale.
Le système actuel fonctionne en FIFO et le service d’urgences n’est pas réellement actif pour l’instant. Selon nos observations, 45 % des visiteuses sont contraintes de retourner chez elles sans se faire diagnostiquer après avoir attendu pendant des heures. Nous intervenons à ce niveau pour tenter de réduire le taux d’insatisfaction.
Nous utilisons le logiciel ARENA pour pouvoir déterminer le nombre de secrétaires médicales et de médecins dont on a besoin pour la réalisation des tâches suivantes : préparer le dossier médical de la patiente (en cas de première visite) ou enregistrer la patiente, réaliser le diagnostic ou la consultation. Notre modèle est conçu de sorte qu’il puisse automatiquement ajouter la ressource « secrétaire médicale » ou « médecin » à chaque fois qu’une patiente attend pendant plus de 50 min, dans le premier cas, et
de 60 min, dans le deuxième cas. Ce qui correspond au standard de deux heures d’attente et de consultation pour un patient dans un centre hospitalier haïtien, sans tenir compte des urgences. Des modèles construits en parallèles permettent de gérer l’incrémentation des ressources de façon automatique. Les diagrammes de dimensionnement d’incrémentation des ressources sont présentés dans les figures dans les annexes A-0, A-1 et A-2.
En considérant que les patientes arrivent au centre suivant une distribution de Poisson de moyenne λt = 1.8 par minute, les temps d’enregistrement et de consultation suivent une loi exponentielle dont les moyennes respectives sont égales à 3 et 15.
Pour 10 réplications réalisées, nous avons lancé la simulation sur une période de 540 minutes pour chaque réplication, représentant une journée de travail au centre de Maternité Isaïe Jeanty et Paul Audain. On réalise que les résultats fournis par les différentes réplication ne sont pas trop différents. En effet, dans la première réplication il est conseillé d’utiliser en moyenne 2.57 (~3) secrétaires médicales avec un taux d’utilisation de 65 % et de 8 Médecins en moyenne avec un taux d’utilisation de 92 %.
Dans la troisième réplication, il est conseillé d’utiliser en moyenne 3 secrétaires médicales avec un taux d’utilisation de 57 % et de 9 Médecins en moyenne avec un taux d’utilisation de 80 %. Dans ce tableau (13), nous présentons le résumé des 10 réplications lancées sur 540 minutes équivalent à une journée de travail.
Table 13: Les résultats obtenus pour les 10 réplications
| Table 13: Les résultats obtenus pour les 10 réplications | |
|---|---|
| Parameter/Criteria | Description/Value |
| Réplication | Résultats détaillés pour chaque réplication |
| Secrétaires médicales | Nombre moyen et taux d’utilisation |
| Médecins | Nombre moyen et taux d’utilisation |
| Patients entrants/sortants | Données de flux journalier |
Dans le tableau 13, nous présentons les données concernant le nombre de patients qui entrent et sortent du système correspondant à la demande journalière. À un certain moment de la journée les patientes qui arrivent ne peuvent plus pénétrer dans le système. Elles sont obligées de retourner chez elles sans se faire diagnostiquer.
Ceci est dû non-pas à cause d’une carence au niveau du personnel médical, mais plutôt à des principes internes de fonctionnement du centre (temps de fonctionnement par exemple). Par conséquent, des patientes qui arrivent en fin d’après-midi (après 15h) sont ajoutées sur la liste des patientes non diagnostiquées (PND). Donc, elles repartent tout de suite sans avoir à attendre inutilement dans la file d’attente.
Dans notre modèle d’actions, les blocs « Record » PDE et PDNE représentent respectivement les patientes diagnostiquées enceintes et les patientes diagnostiquées non enceintes. En se basant sur les informations que nous avons recueillies lors de notre enquête, 73 % des patientes diagnostiquées sont réellement enceintes pendant que 27 % ne le sont pas.
Nous voyons que si les médecins consacrent en moyenne 80% de leur temps à ce centre et à voir des patientes, 78% des patientes vont partir chez elles satisfaites (222 sur 284 sont vues par un médecin).
Optimiser les résultats obtenus
En vue d’optimiser les résultats retrouvés dans ARENA, nous avons couplé notre simulation avec un outil d’optimisation. L’OptQuest for ARENA, un module de ce logiciel, est utilisé en vue d’optimiser pour la recherche automatique de solutions optimales de notre modèle. OptQuest est un programme générique qui recherche la dispersion d’outils et qui peut être utilisé avec plusieurs modèles programmés.
Il est disponible dans les versions d’ARENA, Simul8 et simio. Il utilise le même langage que le « Processus Analyser ». La combinaison de recherche de la dispersion et d’algorithmes tabous crée un processus très efficace de recherche de solutions. L’incorporation de tels concepts OptQuest donne la capacité de résoudre des problèmes de simulation basés sur des problèmes complexes avec une efficacité sans précédent (Merrick 2006).
En introduisant des informations sur les contrôles, les contraintes et en définissant l’objectif qui est de minimiser les temps d’attente (temps d’attente avant l’enregistrement + temps d’attente avant la consultation), nous voyons que la solution optimale générée par OptQuest est d’utiliser 2 secrétaires médicales et 11 médecins pour pouvoir répondre à la demande de toutes les patientes. Cette solution semble est la plus plausible pour obtenir une meilleure performance du système au lieu d’utiliser la solution initiale consistant à l’affectation de 2 secrétaires et 15 médecins dans le modèle de la simulation. Celle-ci permet d’optimiser la performance du personnel médical.
Questions Fréquemment Posées
Comment fonctionne le système de soins de maternité à Haïti?
Le système actuel fonctionne en FIFO et le service d’urgences n’est pas réellement actif, ce qui entraîne un taux élevé de patientes retournant chez elles sans diagnostic.
Quels outils sont utilisés pour optimiser les soins en maternité en Haïti?
Nous utilisons le logiciel ARENA pour déterminer le nombre de secrétaires médicales et de médecins nécessaires pour les tâches de préparation et d’enregistrement des patientes.
Quel est le taux d’utilisation des secrétaires médicales et des médecins dans le centre de maternité?
Dans la première réplication, il est conseillé d’utiliser en moyenne 2.57 secrétaires médicales avec un taux d’utilisation de 65 % et 8 médecins avec un taux d’utilisation de 92 %.