Les prévisions d'urgence hospitalières, régionales et nationales peuvent-elles s'accorder en Portugal ? Oui.

Le coût caché des prévisions qui ne s’additionnent pas

Un service des urgences peut apparaître très chargé dans une prévision et calme dans une autre, selon le niveau observé. Un hôpital peut prévoir une semaine difficile tandis que son total régional indique le contraire. Ce désaccord modifie le nombre d’infirmières programmées, la disponibilité des lits et l’acheminement des fournitures au bon endroit et au bon moment.

La plupart des anciens systèmes de prévision traitent chaque site comme une série isolée. Un modèle surveille Lisbonne, un autre Porto, un autre le pays. Chacun peut être précis dans sa propre échelle, mais les chiffres peuvent ne pas correspondre lorsqu’ils sont cumulsés. Si les prévisions hospitalières ne correspondent pas aux totaux régionaux, les planificateurs se retrouvent avec des réponses contradictoires. Le même problème apparaît lorsque les régions ne s’additionnent pas au niveau national.

Le coût est caché car aucun écran unique ne montre les trois niveaux à la fois. Un gestionnaire peut voir un nombre plausible pour l’hôpital et un nombre plausible pour le pays sans remarquer qu’ils ne peuvent pas tous deux être vrais pour la même semaine. Dans un ensemble de tests, les prévisions standard du transformateur présentaient des erreurs d’agrégation côté prévision de près de 14,6 %, 20,8 % et 18,4 % sur les trois niveaux hiérarchiques. Ce ne sont pas de simples arrondis. Cela signifie que les plans de niveau inférieur peuvent pointer dans une direction différente des plans de niveau supérieur.

Un seul modèle qui apprend le Portugal de haut en bas

Les services des urgences portugais sont suivis à trois échelles administratives, de l’hôpital au pays.

Chaque hôpital appartient à l’une des cinq administrations régionales de santé, et un total national se situe au-dessus de toutes. Le nouveau système, appelé HierSTT, fait un ensemble de prévisions pour les trois échelles.

Il ne forme pas de modèles séparés puis ne les assemble pas. Au lieu de cela, un prévisionniste national apprend d’abord la forme générale de la demande dans tout le pays. Cette prévision est ensuite utilisée comme contexte pour les prédictions régionales. Chaque prédiction hospitalière reçoit également la prévision régionale pertinente avant d’être consignée.

Les données portugaises couvrent 81 hôpitaux regroupés dans les mêmes cinq administrations régionales. Elles s’étendent du 1er janvier 2021 au 20 avril 2024. Dix hôpitaux nouvellement ouverts ont été exclus car leur historique était trop court.

Pour chaque prévision, le modèle examine 42 jours de dossiers. Il prévoit ensuite les visites des patients pour les 28 prochains jours.

Au sommet, un transformateur à fusion temporelle lit le passé avec des cellules mémoire. Il utilise également l’attention pour comparer différents jours dans cette période future.

Ses poids d’entrée peuvent changer jour après jour, de sorte que les signaux météorologiques ou de mortalité comptent davantage lorsqu’ils sont utiles.

En dessous de ce niveau, le modèle utilise des blocs encodeurs qui mélangent temps et espace. Un chemin d’attention suit un hôpital ou une région à travers son propre historique. Un autre chemin compare tous les emplacements au même moment, afin que les pics partagés puissent être appris.

Lors de la construction d’une prévision, chaque décodeur local commence avec des faits calendaires qu’il connaît déjà.

Le mois, le jour de la semaine, les jours fériés et l’état d’ouverture font partie de ces entrées connues. La prévision de niveau supérieur pour chaque jour futur est également ajoutée à la requête locale.

L’entraînement ajoute une pénalité douce chaque fois que les prévisions inférieures ne correspondent pas aux supérieures.

Le poids choisi était de 0,3, ce qui a donné le meilleur équilibre testé. La pénalité compare les totaux prédits, pas les totaux observés, donc elle enseigne l’accord interne.

Trois vérifications sont utilisées : les sommes hôpitalières doivent correspondre aux totaux régionaux et tous les niveaux doivent atteindre le total national.

Quand la cohérence est intégrée, la précision n’a pas à souffrir

La cohérence peut être intégrée dans le processus d’entraînement, au lieu d’être corrigée après que les prévisions sont faites. Au lieu de corriger les prévisions plus tard, HierSTT ajoute une pénalité d’entraînement lorsque les totaux inférieurs manquent aux prévisions supérieures. Cette pénalité est douce, donc le modèle apprend toujours à prédire avec précision les comptes réels des visites.

Le poids de cette pénalité compte car il fixe l’équilibre entre l’accord et la précision. Sans pénalité de cohérence, l’erreur moyenne sur les niveaux était d’environ 7,13 %. Les prévisions hospitalières étaient moins précises, avec un taux d’erreur de 10,87 %. Avec un poids de cohérence de 0,3, l’erreur moyenne est tombée à environ 7,06 %. L’erreur hospitalière est passée de 10,87 % à 10,81 %, tandis que l’erreur nationale s’est améliorée de 929,89 visites à 897,78 visites. L’erreur régionale n’a augmenté que légèrement, passant de 162,10 visites à 162,77 visites.

Elle est également devenue plus cohérente interne, l’erreur d’agrégation hôpital-région tombant de 2,34 % à 2,03 %. L’erreur hôpital-nationale est passée d’environ 3,28 % à 2,83 %, et l’erreur région-nationale est passée de 3,49 % à 3,11 %.

Pousser le poids beaucoup plus haut rend les prévisions moins précises tout en améliorant modestement la cohérence. Avec un poids presque maximal de 0,99, l’erreur moyenne a augmenté à environ 7,46 %. L’erreur hospitalière est passée de 22,16 visites par prévision à 24,15 visites. L’erreur régionale a bondi de 162,10 visites à 186,68 visites, et l’erreur nationale était pire qu’avec le meilleur poids.

Avec un poids encore plus élevé, l’erreur hospitalière a atteint 11,86 % et l’erreur régionale 5,66 %. L’erreur d’agrégation côté prévision est tombée en dessous de 1 %, mais le coût en termes de précision était élevé. Le modèle ne force pas simplement les totaux à correspondre car la supervision directe reste active.

La perte de précision couvre 87 séries, tandis que la pénalité de cohérence n’en couvre que sept contraintes d’agrégation. Même avec un poids très élevé, l’erreur nationale est restée proche de sa meilleure valeur, environ 5,47 % contre 5,44 %.

Une seule voix pour les prévisions hôpital, région et nation

La découverte centrale est simple dans sa forme et difficile à réaliser dans la pratique. Un seul modèle peut prévoir les visites aux urgences de 81 hôpitaux, cinq régions et du pays tout entier tout en maintenant ces prévisions alignées entre elles. Cet alignement n’est pas une correction cosmétique appliquée après que les chiffres ont été produits. Il est appris pendant l’entraînement, donc le modèle apprend qu’une prévision hospitalière doit être incluse dans un total régional, et un total régional doit être inclus dans un tableau national. Le bénéfice est pratique : les planificateurs peuvent utiliser des estimations de personnel locales sans découvrir plus tard qu’elles contredisent le plan de capacité au-dessus d’eux.

La leçon plus large dépasse les salles d’urgence portugaises. De nombreux systèmes sont construits en couches, des cliniques aux districts, des usines aux chaînes d’approvisionnement, des centrales électriques aux réseaux, des magasins aux régions. Lorsque chaque couche est prévue séparément, les totaux s’écartent. Ce schéma suggère qu’un seul modèle hiérarchique peut réduire cet écart sans sacrifier beaucoup de précision à aucun niveau. Cela montre aussi pourquoi forcer les prévisions à s’accorder après le fait aide souvent moins que de leur enseigner à s’accorder dès le départ.

L’opportunité est claire : meilleure coordination, moins de surprises et des décisions prises sur des chiffres qui s’accordent entre eux. Les obstacles sont tout aussi réels. Les données arrivent de manière inégale à travers les niveaux, les pics rares peuvent être lissés, les ouvertures ou fermetures peuvent déplacer rapidement la demande, et un modèle construit pour un cadre peut nécessiter une adaptation soignée ailleurs. La partie la plus difficile ne sera pas de produire des totaux cohérents ; ce sera de maintenir ces totaux utiles lorsque le système sous-jacent change.

Si les prévisions pouvaient enfin parler d’une seule voix à tous les niveaux de soins, que deviendrait-il possible d’autre ?