Écologie du soin : la maladie vue en soins primaires

Une étudiante termine son internat hospitalier convaincue que la douleur thoracique cache presque toujours quelque chose de grave. Elle a passé des mois à voir des infarctus, des dissections et des embolies dans le service. Le premier mois dans un service de soins primaires, elle reçoit plusieurs personnes par semaine pour une douleur thoracique, et presque toutes ont une douleur musculaire, un reflux ou de l'anxiété. Elle n'est pas devenue moins attentive. C'est la population qui a changé.

Ce phénomène a un nom : l'écologie des soins, l'étude de qui tombe malade, qui demande de l'aide et où cette aide a lieu. Ce texte présente le carré classique à l'origine du concept, montre ce que les mises à jour dans différents systèmes de santé ont trouvé et explique pourquoi le cadre de prise en charge change la fréquence des maladies, le spectre de gravité et la performance des examens. Enfin, il discute de ce que cela change dans le raisonnement de ceux qui reçoivent les patients à l'entrée du système.

Points principaux

• La plupart des personnes qui ont un problème de santé dans un mois ne consultent pas, et une très petite partie arrive à l'hôpital.
• Ce schéma se répète dans des études de plusieurs pays sur près d'un siècle, avec des différences liées à l'organisation de chaque système.
• Les personnes reçues en soins primaires ont, en moyenne, une probabilité plus faible de maladie grave que celles qui arrivent à l'hôpital.
• La sensibilité et la spécificité d'un examen peuvent changer selon la population où il est utilisé, en raison du spectre de la maladie.
• Les symptômes d'alarme ont une faible valeur prédictive en soins primaires, mais non négligeable, et cette valeur augmente avec l'âge.
• Beaucoup de symptômes courants s'améliorent avec le temps, et une partie reste sans explication médicale même après des années.
• Transposer en soins primaires le raisonnement appris à l'hôpital tend à générer trop d'examens et du surdiagnostic.

Sommaire

• Le carré de White : qui tombe malade, qui consulte, qui arrive à l'hôpital
• Ce qui a changé et ce qui se répète sur près d'un siècle
• Ce qui change d'un niveau à l'autre
• Spectre : le même examen dans une autre population
• Douleur thoracique : un exemple de cadre en pratique
• Symptômes d'alarme en soins primaires
• Symptômes courants et ce qu'il en advient
• Ce que cela change dans le raisonnement du clinicien
• Questions fréquentes
• Messages à retenir

Le carré de White : qui tombe malade, qui consulte, qui arrive à l'hôpital

En 1961, White et ses collègues ont publié une figure devenue classique dans la formation en santé. À partir d'enquêtes à domicile et de registres de services, ils ont estimé ce qui arrive à mille adultes au cours d'un mois typique. La revue historique de Spinelli et ses collègues reproduit les chiffres : sur mille adultes, environ 750 signalent une maladie ou une lésion, 250 consultent un médecin, neuf sont hospitalisés, cinq sont adressés à un autre médecin et un arrive dans un centre médical universitaire (Spinelli, 2023).

La figure est souvent dessinée comme un grand carré, qui représente la population, avec des carrés de plus en plus petits à l'intérieur. Le plus petit, celui de l'hôpital universitaire, est presque un point. Le message des auteurs était direct : l'expérience de ceux qui se forment et font de la recherche dans ce point ne représente pas la maladie telle qu'elle existe dans la communauté.

Certains détails du dessin importent pour lire les chiffres avec prudence. Les données venaient d'enquêtes menées dans deux pays, à des périodes différentes, et excluaient les personnes de moins de 16 ans et les grossesses sans complication (Spinelli, 2023). L'unité de temps était le mois, et non l'année. Cela signifie que la même personne peut être dans le carré de la population un mois et dans celui de l'hôpital le mois suivant.

La valeur du carré ne réside pas dans la précision des chiffres, qui varient beaucoup selon le lieu et l'époque. Elle réside dans la forme. Il oblige à penser d'où viennent les patients que nous étudions et qui reste de côté quand on ne regarde que l'hôpital. Pour le raisonnement clinique, cette question a des conséquences pratiques, qui apparaissent dans les sections suivantes.

Trois idées résument ce que le carré enseigne. La première est que la majeure partie de la morbidité est résolue à la maison, sans contact avec le système de santé. La deuxième est que, parmi ceux qui demandent de l'aide, la majorité est prise en charge et résolue hors de l'hôpital. La troisième est que l'hôpital universitaire, où se forment la plupart des professionnels et où se fait la majeure partie de la recherche, voit une fraction minime et très sélectionnée de la population.

Ce qui a changé et ce qui se répète sur près d'un siècle

Quarante ans plus tard, Green et ses collègues ont refait l'exercice avec les données d'une enquête nationale de 1996. Dans la nouvelle version, sur mille personnes par mois, 800 ont des symptômes, 327 pensent à consulter, 217 vont dans un cabinet médical, 113 dans un service de soins primaires, 65 vers des pratiques complémentaires, 21 dans un service ambulatoire hospitalier, 14 reçoivent des soins à domicile, 13 vont aux urgences, huit sont hospitalisées et une arrive dans un centre universitaire (Spinelli, 2023). La mise à jour a inclus les enfants et de nouveaux contextes de soins, mais le format général est resté le même.

La revue de Spinelli et ses collègues a rassemblé les études d'écologie des soins publiées entre 1928 et 2018, dans huit pays, et a trouvé deux régularités sur 90 ans : une grande proportion de personnes ayant des problèmes de santé qui ne consultent pas et un faible nombre d'hospitalisations et d'orientations (Spinelli, 2023). Les auteurs attirent aussi l'attention sur des limites fréquentes : les études utilisent des définitions différentes de symptôme et de consultation et dépendent presque toujours de ce que les personnes se rappellent et rapportent.

Les différences entre les études en disent autant que les ressemblances. Une analyse de la même enquête de 1996 a montré que le cabinet médical était le lieu de soins le plus courant dans tous les sous-groupes, et que l'absence d'une source habituelle de soins était la seule caractéristique associée de façon indépendante à moins de soins dans les cinq contextes étudiés (Fryer, 2003). Avoir une assurance santé et une source habituelle de soins en même temps était associé à plus de soins dans tous les contextes, sauf aux urgences.

Des études plus récentes montrent que le schéma résiste aux changements de politique. Une analyse d'enquêtes nationales entre 2002 et 2016, portant sur 525 804 personnes-années, a trouvé une baisse du contact avec les médecins de soins primaires, plus marquée chez les personnes âgées et celles en mauvaise santé, et presque aucun changement du tableau général après une grande réforme de la couverture (Johansen, 2019). Une cohorte provinciale, qui a suivi des adultes de 2002 à 2017, a trouvé des schémas presque stables malgré cinq changements majeurs du système, avec l'hospitalisation en hôpital universitaire autour d'un adulte sur cent par an (McAlister, 2020).

L'organisation du système modifie toutefois la forme du carré. Une enquête téléphonique avec 3 508 entretiens, comparée à la littérature internationale, a trouvé un recours très élevé aux spécialistes et à l'hospitalisation dans un système à accès libre à tous les niveaux et sans frontière claire entre soins primaires et secondaires (Hoffmann, 2019). Les auteurs attribuent une partie de ce recours à l'absence de la fonction coordinatrice d'une forte offre de soins primaires.

Ce qui change d'un niveau à l'autre

Le carré montre combien de personnes atteignent chaque niveau. La question clinique est autre : ces personnes sont-elles différentes ? La réponse de la littérature est oui, et de façon systématique. Celles qui arrivent à l'hôpital ont passé une série de filtres. Elles ont eu des symptômes persistants ou assez graves pour chercher de l'aide, ont été évaluées par quelqu'un qui a décidé de les orienter et, souvent, ont déjà fait des examens qui ont renforcé la suspicion.

Starfield et ses collègues, dans une revue sur la contribution des soins primaires aux systèmes de santé, résument la conséquence : les spécialistes formés à l'hôpital voient des patients qui ne représentent pas la façon dont les problèmes se présentent dans la communauté, et les patients de la communauté ont une probabilité préalable bien plus faible de maladie grave (Starfield, 2005). Comme les propriétés des examens dépendent de cette probabilité, ceux qui transposent dans la communauté l'attente de l'hôpital tendent à surestimer la chance de maladie.

La même revue indique que le premier contact avec les soins primaires est associé à des soins plus adaptés et de moindre coût, et que le recours aux examens et aux traitements guidé par une probabilité surestimée entraîne des effets indésirables pour les patients (Starfield, 2005). La différence n'est pas une question de compétence. Un excellent spécialiste peut se tromper davantage dans la communauté précisément parce qu'il a calibré son regard sur une population sélectionnée.

Le tableau ci-dessous résume les différences typiques entre les deux contextes. Ce sont des tendances moyennes, et non des règles pour chaque personne.

Caractéristique	Soins primaires	Hôpital ou service de référence	Ce qui change dans le raisonnement
Qui se présente	Des personnes de la communauté, souvent au début des symptômes	Des personnes filtrées par la gravité, la persistance ou l'orientation	La probabilité de départ est différente
Fréquence de maladie grave	Faible pour la plupart des motifs de consultation	Élevée pour les motifs qui ont conduit à l'hospitalisation	Un même symptôme n'a pas le même poids
Phase de la maladie	Initiale, avec des signes vagues et incomplets	Avancée ou déjà définie	Les signes classiques apparaissent moins souvent
Problèmes par personne	Plusieurs à la fois, physiques et psychosociaux	En général un problème principal	Le motif de consultation doit être lu dans son contexte
Performance des examens	Peut différer de ce qui est décrit dans les études hospitalières	Proche de celle des études menées dans le même contexte	Il faut savoir où l'examen a été validé
Rôle du temps	Le retour et l'observation sont des outils viables	Des décisions plus rapides et plus d'examens	Attendre avec un plan peut être une option

Le raisonnement formel sur la probabilité pré-test et le taux de base est expliqué dans d'autres textes du blog, avec l'exemple du même examen dans des populations différentes. Le point ici est antérieur au calcul : savoir dans quelle case de la figure se trouve la personne.

Spectre : le même examen dans une autre population

On enseigne souvent que la sensibilité et la spécificité sont des propriétés fixes d'un examen, tandis que les valeurs prédictives changent avec la prévalence. La première partie de la phrase est une simplification. Leeflang et ses collègues ont analysé 23 méta-analyses d'exactitude diagnostique, avec 416 études au total, et ont trouvé des variations de zéro à 40 points de pourcentage de la sensibilité ou de la spécificité entre les études de plus faible et de plus forte prévalence (Leeflang, 2013). L'association avec la prévalence était statistiquement significative dans huit de ces méta-analyses.

La direction la plus fréquente était une spécificité plus faible lorsque la prévalence était plus élevée, sans effet systématique sur la sensibilité (Leeflang, 2013). Les auteurs proposent comme mécanisme probable le spectre des patients, c'est-à-dire les différences de gravité de la maladie et de conditions similaires entre les populations étudiées. La recommandation pratique est d'utiliser la prévalence comme indice pour choisir les études d'exactitude qui ressemblent le plus à son propre contexte.

Usher-Smith et ses collègues décrivent cet effet de spectre dans les examens de diagnostic, de dépistage et de prédiction de risque (Usher-Smith, 2016). Un examen développé dans une population à forte prévalence a souvent une sensibilité plus faible et une spécificité plus élevée lorsqu'il est utilisé dans une population à faible prévalence. Une maladie plus grave est plus facile à détecter, ce qui fait paraître l'examen meilleur dans les populations où elle prédomine.

La conception de l'étude compte aussi. Une étude qui compare des patients dont la maladie est confirmée à l'hôpital avec des témoins sains de la communauté réunit les deux extrêmes du spectre et tend à surestimer l'exactitude (Usher-Smith, 2016). L'exemple donné par les auteurs est simple : un test de grossesse évalué dans une clinique prénatale n'aura pas la même performance lorsqu'il est utilisé chez des personnes de la communauté qui ne savent pas encore si elles sont enceintes.

Pour ceux qui travaillent en soins primaires, cela suscite trois questions avant de faire confiance à un chiffre d'exactitude :

• Où l'étude a-t-elle été menée, et quels patients étaient inclus ?
• Les patients avaient-ils la même phase et la même gravité de maladie que celles que je vois habituellement ?
• Le groupe sans maladie incluait-il des personnes atteintes d'autres affections qui imitent la maladie recherchée ?

Le post sur comment lire les études de diagnostic détaille ces points, et le texte sur sensibilité, spécificité et valeurs prédictives montre comment ils se combinent avec la probabilité de départ.

Douleur thoracique : un exemple de contexte en pratique

La douleur thoracique est un bon exemple parce qu'elle inquiète dans tous les contextes. Aux urgences, la préoccupation dominante est le syndrome coronarien aigu, et des outils comme le score HEART ont été conçus pour cette population. En soins primaires, la répartition des causes est autre.

Une revue systématique avec méta-analyse a réuni 11 études menées en soins primaires, portant sur environ 6 500 patients présentant une douleur thoracique (Haasenritter, 2015). Le syndrome de la paroi thoracique représentait d'un quart à la moitié des cas, les causes respiratoires et psychogènes environ un cas sur dix à près d'un sur cinq chacune, et la maladie coronarienne stable environ sept à 11 sur cent (Haasenritter, 2015). Le syndrome coronarien aigu ou l'infarctus se situaient entre un et quatre cas sur cent patients (Haasenritter, 2015).

Les auteurs présentent ces chiffres comme des probabilités pré-test utiles au médecin de famille. Ils ne disent pas que la douleur thoracique en soins primaires est bénigne. Ils disent que le point de départ diffère de celui des urgences, et que l'évaluation doit en tenir compte dans les deux sens.

En pratique, cela se traduit par quelques attitudes. La première est de reconnaître que la cause la plus probable de douleur thoracique en soins primaires est souvent musculosquelettique, sans écarter la possibilité d'une cause grave. La deuxième est d'utiliser l'interrogatoire et l'examen pour identifier qui se trouve dans le petit groupe à haut risque nécessitant une évaluation urgente. La troisième est d'éviter d'appliquer à qui se trouve au cabinet des outils et des seuils conçus pour les urgences sans savoir s'ils ont été validés en soins primaires. Et, lorsque l'évaluation initiale ne montre pas de gravité, de convenir d'une consultation de suivi et de donner des consignes sur les signes d'alerte.

L'interrogatoire comme premier outil est la principale ressource pour ce tri, surtout là où les examens ne sont pas disponibles sur place.

Symptômes d'alarme en soins primaires

Les symptômes d'alarme sont l'autre face de la même pièce. Enseignés à l'hôpital comme signes de maladie grave, ils apparaissent fréquemment en soins primaires chez des personnes qui n'ont pas de cancer. Jones et ses collègues ont utilisé une grande base de données de médecine générale comptant 762 325 patients de 128 services pour mesurer la valeur prédictive positive de symptômes d'alarme enregistrés pour la première fois (Jones, 2007).

En trois ans, la valeur prédictive de l'hématurie pour un cancer urinaire était d'environ sept cas sur cent chez les hommes et d'un peu plus de trois sur cent chez les femmes (Jones, 2007). Le saignement rectal atteignait environ deux cas sur cent patients pour un cancer colorectal (Jones, 2007). Les valeurs augmentaient avec l'âge et étaient plus élevées chez les hommes ; l'hémoptysie chez les hommes de 75 à 84 ans atteignait environ un cas sur six (Jones, 2007).

Ces chiffres sont bas comparés à l'impression de ceux qui ont appris ces symptômes à l'hôpital, où celui qui présente une hémoptysie est souvent déjà arrivé avec une imagerie anormale. En même temps, ils sont assez élevés pour justifier une investigation dans de nombreuses situations, surtout dans les groupes plus âgés. Ce que l'étude montre, c'est que la valeur d'un symptôme dépend de qui le présente et de l'endroit où il est évalué.

Pour le raisonnement, cela signifie qu'un symptôme d'alarme en soins primaires n'équivaut pas à un diagnostic, mais modifie la probabilité de façon importante. L'âge, le sexe et la durée des symptômes ajustent ce poids. Le premier enregistrement du symptôme est un moment décisif pour décider d'investiguer, de suivre ou d'adresser, et un plan de suivi fait partie de la réponse lorsque l'investigation initiale est négative.

Symptômes courants et ce qu'il en advient

La plupart des consultations en soins primaires commencent par un symptôme physique, et une bonne partie de ces symptômes n'aboutit pas à un diagnostic défini. Jackson et Passamonti ont suivi 500 patients consécutifs venus consulter dans un service de médecine générale pour une plainte physique et les ont réévalués à plusieurs étapes jusqu'à cinq ans plus tard (Jackson, 2005).

En cinq ans, environ quatre patients sur cinq ont rapporté une amélioration, un peu plus de la moitié a vu son symptôme se résoudre et environ un tiers des symptômes est resté sans explication médicale (Jackson, 2005). La plupart des personnes présentant des symptômes sans explication n'avaient pas de trouble mental, et les troubles de l'humeur ou anxieux n'étaient associés ni à l'absence d'explication ni à une évolution plus défavorable. Une fonction altérée, un symptôme de plus longue durée lors de la première consultation, une inquiétude vis-à-vis de la maladie et l'absence de résolution en trois mois étaient associés à une moindre chance d'amélioration (Jackson, 2005).

Ces constats ont deux conséquences. La première est que le temps est un allié du diagnostic en soins primaires : beaucoup de symptômes se résolvent, et ceux qui persistent ou changent de caractère deviennent plus informatifs. La seconde est que symptôme sans explication n'est pas synonyme de cause psychologique, et étiqueter la personne de cette façon peut clore trop tôt l'investigation de quelque chose qui peut encore apparaître. L'incertitude diagnostique est donc une condition normale de ce contexte, et non un signe d'échec.

Ce que cela change dans le raisonnement du clinicien

Transposer à la porte d'entrée le raisonnement calibré à l'hôpital a un coût. Les examens demandés pour écarter des maladies improbables produisent des résultats faussement positifs, de nouveaux examens et, parfois, des traitements de constats qui n'auraient jamais causé de problème. Le texte sur comment le dommage du surdiagnostic arrive au patient décrit cette cascade, et le billet sur les examens et conduites de faible valeur montre comment les reconnaître.

L'erreur inverse existe aussi. Les soins primaires voient tant de tableaux bénins que le regard peut s'habituer et laisser passer le rare. Les heuristiques classiques, comme la disponibilité et la représentativité, fonctionnent bien la plupart du temps et échouent précisément dans les présentations atypiques. L'écologie du soin n'autorise pas à baisser la garde ; elle aide à décider où la placer.

Le même raisonnement vaut pour les outils numériques. Les vérificateurs de symptômes et les algorithmes entraînés sur des données hospitalières ou sur des vignettes peuvent avoir des performances différentes lorsqu'ils sont utilisés avec des patients en chair et en os dans la communauté. La question de savoir où l'outil a été validé est la même que celle que l'on pose pour tout examen.

Certaines pratiques aident à appliquer l'écologie du soin au quotidien :

• Demander, devant chaque chiffre d'exactitude ou de risque, dans quelle population il a été mesuré.
• Estimer la probabilité de départ à partir du contexte et de la personne, avant de demander des examens.
• Séparer les quelques signes qui exigent une action immédiate des nombreux qui permettent d'observer.
• Utiliser le retour programmé comme partie du raisonnement, avec des critères clairs pour réévaluer.
• Consigner dans le dossier ce qui a été envisagé et pourquoi on a décidé d'investiguer ou d'attendre.

Questions fréquentes

Qu'est-ce que l'écologie du soin ?

C'est l'étude de la façon dont les personnes d'une population tombent malades, cherchent de l'aide et utilisent les différents niveaux du système de santé sur une période. Le modèle classique montre que la plupart des problèmes n'arrivent jamais à l'hôpital (Spinelli, 2023).

Les chiffres du carré de White sont-ils encore valables ?

Les chiffres exacts varient selon le lieu, l'époque et l'organisation du système. La forme générale, avec beaucoup de personnes ayant des problèmes, moins consultant et peu hospitalisées, se répète dans des études portant sur près d'un siècle (Spinelli, 2023).

La sensibilité et la spécificité ne sont pas fixes ?

Pas toujours. Dans plusieurs méta-analyses, elles ont varié selon la prévalence, probablement en raison de différences dans le spectre de la maladie entre les populations étudiées (Leeflang, 2013). Il vaut donc la peine de chercher des études menées dans un contexte proche du vôtre.

La douleur thoracique en soins primaires est-elle presque toujours bénigne ?

Les causes les plus fréquentes sont musculosquelettiques, respiratoires et psychogènes, et le syndrome coronarien aigu est peu fréquent dans ce contexte (Haasenritter, 2015). Peu fréquent ne veut pas dire absent, et l'évaluation initiale sert précisément à trouver qui a besoin de soins urgents.

Symptôme sans explication signifie-t-il cause émotionnelle ?

Pas nécessairement. Dans un suivi de cinq ans, la plupart des personnes présentant des symptômes sans explication médicale n'avaient pas de trouble mental (Jackson, 2005).

Ce texte guide-t-il la conduite individuelle ?

Non. Il explique un concept des soins primaires et les données probantes à son sujet, et ne remplace pas l'évaluation clinique de chaque patient.

Messages à retenir

• Rappelez-vous à quel point du carré de White se trouve la personne devant vous.
• Estimez la probabilité de départ en fonction du contexte, avant de penser aux examens.
• Vérifiez où l'examen, le score ou l'outil que vous comptez utiliser a été validé.
• Méfiez-vous d'une précision issue d'études qui comparent des patients de l'hôpital à des personnes en bonne santé de la communauté.
• Traitez les symptômes d'alarme comme un changement de probabilité, ajusté selon l'âge et le sexe.
• Intégrez le suivi programmé et l'explication des signes d'alerte au plan.
• Ne confondez pas un symptôme sans explication avec une cause émotionnelle.
• Consignez le raisonnement et les critères pour réévaluer.

Références

1. Fryer GE Jr, Green LA, Dovey SM, Yawn BP, Phillips RL, Lanier D. Variation in the ecology of medical care. Ann Fam Med. 2003. PMID 15040437. DOI 10.1370/afm.52.
2. Haasenritter J, Biroga T, Keunecke C, et al. Causes of chest pain in primary care: a systematic review and meta-analysis. Croat Med J. 2015. PMID 26526879. DOI 10.3325/cmj.2015.56.422.
3. Hoffmann K, Ristl R, George A, Maier M, Pichlhöfer O. The ecology of medical care: access points to the health care system in Austria and other developed countries. Scand J Prim Health Care. 2019. PMID 31512566. DOI 10.1080/02813432.2019.1663593.
4. Jackson JL, Passamonti M. The outcomes among patients presenting in primary care with a physical symptom at 5 years. J Gen Intern Med. 2005. PMID 16307629. DOI 10.1111/j.1525-1497.2005.0241.x.
5. Johansen ME, Richardson CR. The ecology of medical care before and after the Affordable Care Act: trends from 2002 to 2016. Ann Fam Med. 2019. PMID 31712291. DOI 10.1370/afm.2462.
6. Jones R, Latinovic R, Charlton J, Gulliford MC. Alarm symptoms in early diagnosis of cancer in primary care: cohort study using General Practice Research Database. BMJ. 2007. PMID 17493982. DOI 10.1136/bmj.39171.637106.AE.
7. Leeflang MM, Rutjes AW, Reitsma JB, Hooft L, Bossuyt PM. Variation of a test's sensitivity and specificity with disease prevalence. CMAJ. 2013. PMID 23798453. DOI 10.1503/cmaj.121286.
8. McAlister FA, Tonelli M, Wiebe N, et al. The ecology of medical care for adults in Alberta, 2002/03 to 2016/17: a retrospective cohort study. CMAJ Open. 2020. PMID 32184280. DOI 10.9778/cmajo.20190188.
9. Spinelli H, Trotta A, Martinovich V, Alazraqui M. Studies on the ecology of medical care: a comparative analysis in historical perspective, 1928-2018. Salud Colect. 2023. PMID 38006657. DOI 10.18294/sc.2023.4549.
10. Starfield B, Shi L, Macinko J. Contribution of primary care to health systems and health. Milbank Q. 2005. PMID 16202000. DOI 10.1111/j.1468-0009.2005.00409.x.
11. Usher-Smith JA, Sharp SJ, Griffin SJ. The spectrum effect in tests for risk prediction, screening, and diagnosis. BMJ. 2016. PMID 27334281. DOI 10.1136/bmj.i3139.