BARHAYIGA NSIMIRE BERTHE

Médecin Spécialiste en Anesthésie et Réanimation

Chef des Travaux

Thèse présentée en vue d’obtention du grade d’Agrégé de l’Enseignement Supérieur en Médecine

Promoteur: Professeur Ordinaire Dr KILEMBE MANZANZA Adolphe
Faculté de Médecine,
Département d’Anesthésie-Réanimation
Université de Kinshasa

Co-Promoteur: Professeur Ordinaire Dr MUNYANGA MUKONGO Sylvain
Faculté de Médecine,
Ecole de Santé Publique
Université de Kinshasa

Co-Promoteur: Professeur Dr KIBADI KAPAY Anatole
Faculté de Médecine,
Département de Chirurgie
Université de Kinshasa

RESUME

CONTEXTE

L’analyse des causes d’accidents anesthésiques montre que ceux-ci sont toujours multifactoriels et que le risque zéro n’existe pas, c’est ainsi tout acte médical même conduit avec compétence et respect des données acquises de la science comporte toujours un risque.

Les objectifs sont les suivants :

  • Élaborer un modèle de prédiction des accidents anesthésiques en utilisant le modèle bayésien afin de déterminer les facteurs favorisants ces derniers au cours des actes appliqués en Anesthésiologie en milieu hospitalier Congolais ;
  • Evaluer la validité (interne et’ externe) du modèle subjectif bayésien en le confrontant aux cas hypothétiques générés par le panel des experts ayant
    contribuer à son élaboration et aux cas réels (Objectifs) recrutés dans les hôpitaux de Kinshasa;

MÉTHODOLOGIE

L’étude a utilisé une méthodologie à la fois qualitative et quantitative et elle constitue une revue synthétique des 4 études menées dans la ville de Kinshasa.

  • Une étude qualitative, analytique, prédictive par l’approche bayésienne des facteurs favorisant la survenue des accidents et incidents anesthésiques. Laquelle a réuni 15 experts dans huit grandes institutions hospitalières de la ville de Kinshasa et abouti l’élaboration du MSB ainsi qu’à l’identification des principaux facteurs susceptible de générer les accidents anesthésiques.
  • Une seconde étude aussi qualitative de validation interne de Modèle Subjectif Bayésien de prédiction des accidents anesthésiques à partir des cas
    hypothétiques générés par les experts sélectionnés dans les institutions hospitaliers concernées afin d’évaluer la validité du modèle subjectif bayésien
    en le confrontant aux cas hypothétiques générés par les différents experts ayant servis à son élaboration.
  • Une troisième étude à la fois qualitative de validation externe de Modèle Subjectif de Bayes de Prédiction des Accidents Anesthésiques en milieux
    hospitaliers de Kinshasa/RD Congo. Laquelle a consisté en la confrontation dudit modèle aux cas réels ou Objectifs colligés dans les institutions hospitaliers précitées et au modèle de régression logistique de ces même cas.
  • Une étude quantitative de type descriptif corrélationnel prédictif dans les hôpitaux de Kinshasa pour identifier les prédicteurs des accidents
    anesthésiques parmi les facteurs de risque du MSB par la régression de Cox avec un seuil de signification fixée à 5%.

RÉSULTATS

Le modèle subjectif de Bayes construit a mis en évidence plusieurs facteurs de risque des accidents anesthésiques regroupés en huit facteurs indépendants mutuellement exclusifs dont sept ont un impact très positif sur les accidents anesthésiques et a ensuite estimé les différentes probabilités pour qu’un facteur identifié puisse générer un accident anesthésique, étant donné la présence ou l’absence du facteur.
Les confrontations dudit modèle au~ différents cas hypothétiques générés par le panel des experts et aux différents cas réels recrutés dans la ville de Kinshasa ainsi qu’au modèle de régression logistique ont montré une bonne validité intrinsèque et extrinsèque avec des valeurs de sensibilité, de spécifité, des valeurs prédictives positives, les valeurs prédictives négatives et les valeurs d’efficacité globale extrêmement élevées d’où le modèle subjectif de Bayes ainsi construit a été jugé très performant dans la prédiction des accidents anesthésiques chez les malades devant subir un acte anesthésique.

Enfin la régression de Cox a montré en analyse multivariée que tous les facteurs de risque identifiés par le MSB (F1-8) ont émergé comme prédicteurs des AA dans la population étudiée et la force d’association observée avait persisté pour tous les facteurs sauf pour le F2.

CONCLUSION

Ces études établissent pour la toute. première fois dans une population africaine, un modèle mathématique permettant de prédire la survenue ou non des accidents anesthésiques chez les malades devant subir un acte anesthésique dans nos hôpitaux de Kinshasa/RD Congo. Elle a identifié huit principaux facteurs de risque des AA, qui méritent une attention particulière car leur analyse a montré leur présence prédisait de manière significative les AA au cours des actes chirurgicaux.

Le MSB trouve son intérêt surtout dans l’élaboration des arbres des décisions cliniques, dans la prédiction des AA et dans la mise en place des algorithmes de prévention et de traitement des AA.
MOTS CLES : Accident anesthésique, inférence, prédiction et modèle mathématique de Bayes