Introduction

La notion de la logistique hospitalière s’est inspirée des concepts de la logistique industrielle pour instaurer ses principes, ses méthodes de management et ses outils d’optimisation dans les établissements de santé en prenant en considération les attentes du client ‘patient’. De ce fait, la logistique hospitalière paraît plus critique vu son domaine d’application. La chaîne de prise en charge du patient se compose de trois maillons ; amont, interne et aval. Le maillon amont définit l’intervention préhospitalière, assurée par les acteurs de régulation et de transport qui s’occupent de l’écoute, de l’orientation, des soins ambulatoires et du transport ambulancier vers l’unité de soin si nécessaire. Le maillon interne donne suite à l’accueil du patient au sein de l’hôpital, qui selon l’état du patient décide son hospitalisation, une intervention chirurgicale ou autre. Le maillon aval s’intéresse à la suite des soins et donne lieu soit à la guérison, soit au décès. Notre article s’articule autour de la performance du système hospitalier à l’hôpital public marocain. Comment l’hôpital au Maroc peut rendre le temps d’attente de ses patients de plus en plus minimal ? Dans quelle mesure la fonction maintenance au sein de l’hôpital peut-elle rendre les dispositifs médicaux disponibles ? Pour répondre à ces hypothèses de recherche, le présent article s’articule ainsi.  La section 2 est dédiée à la présentation du système hospitalier au monde, la section 3 présente le système hospitalier au Maroc. Dans le reste de l’article, nous focalisons l’étude sur le pilotage de la performance via le tableau de bord de la fonction Maintenance. Notre objectif est de définir les facteurs clés de succès de la logistique hospitalière et de proposer des KPIs (Key Performance Indicators) liés aux Dispositifs Médicaux (DM) à l’hôpital public au Maroc.

Le système hospitalier au monde

À l’échelle mondiale, beaucoup sont les travaux ayant été menés pour la modélisation et la simulation du flux des patients au service des urgences. Ce service est connu pour son hétérogénéité, la diversité des attentes des patients et la fluctuation de la demande. Les services d’accueil des urgences souffrent du problème de l’engorgement, puisqu’on se trouve devant un choix entre les soins programmés (hors Covid) et ceux non programmés (Covid) au sein de l’hôpital. Le service d’accueil devient un facteur générateur d’une véritable entropie au sein de l’organisation hospitalière. Différents chercheurs ont pu cerner les facteurs présentant un impact significatif sur l’allongement du temps de passage des patients au service des urgences. Nous trouvons Chauvet et al., (2006) qui ont étudié le problème de minimisation du temps d’attente des patients dans le service des urgences. Ils ont suivi la modélisation ASCI qui se base sur l’Analyse, la Spécification, la Conception et l’Implantation pour l’aide à la décision. Ils ont élaboré un modèle de connaissance d’une unité de soin pour le service des urgences pédiatriques du Nouvel Hôpital d’Estaing en France ainsi qu’un modèle d’action sur le logiciel de simulation de processus Witness. Ces solutions ont permis des améliorations en termes de diminution de temps d’attente des patients et l’augmentation du nombre moyen de patients traités. Dans la mesure de l’optimisation d’affectation de ressources, Glaa et al., (2006) ont élaboré un algorithme de détermination de la valeur maximale du taux d’utilisation d’une Infirmière Diplômée d’Etat (IDE), et ont résolu le problème d’affectation en assurant une affectation optimale des IDE au sein du service des urgences de l’hôpital Valenciennes à base de la programmation linéaire. Dans une perspective de modélisation dynamique de flux de patients des urgences, Jlassi et al., (2006) ont adopté la méthode IDEF3X (Integration Definition for Function modeling) pour l’hôpital Sfax en Tunisie afin de faire face à la disparité dans les différentes activités du service des urgences. Suite à quoi, des résultats comme l’insuffisance du personnel médical, le manque des équipements et l’inadéquation des infrastructures ont été relevés. Dehas et al., (2006) ont conçu un outil d’aide à la décision permettant de déterminer les besoins théoriques en lits et en personnel paramédical dans différents services de soins à l’hôpital Khalil Amrane Bjaa en Algérie. Après leur étude statistique menée sur les arrivées des patients au service des urgences, les auteurs ont relevé l’importance du temps de séjour des patients et une surcharge de la salle de consultation. De leur côté, Belaidi et al., (2006) ont mené une étude pour la résolution du problème de désorganisation des services des urgences du CHU Saint Etienne. Des méthodes de couplage de modélisation de l’entreprise et de la simulation de flux ont été conçues pour faire face à ce problème. Ils ont pu créer une unité rapide qui permet de diminuer le temps de prise en charge et la durée moyenne de séjour des patients. Par la méthode GRAI (Graphes de Résultats et Activités Inter reliées) qui se focalise sur la partie décisionnelle et qui s’applique dans une optique générale d’amélioration des performances, ces auteurs ont prouvé qu’il s’agit de différents niveaux d’abstraction de modélisation : conceptuel, organisationnel et opérationnel, et d’une approche multivue, dont la vue processus de prise en charge des patients a été faite et a bien montré la difficulté des examens complémentaires, l’indisponibilité des lits d’hospitalisation et le manque de la synchronisation et de la coordination interne et externe de différents services de l’hôpital, ce qui génère automatiquement des temps d’attente pour les patients et allonge leur durée de séjour. Tao et al., (2006) ont répondu à la problématique de prise en charge rapide pour les patients les moins urgents dans les hôpitaux. Ils ont présenté un modèle en huit étapes : enregistrement, triage et soins, mise en box, consultation et diagnostic, mise en observation, mutation des patients, hospitalisation, soins de suite, formalités de sortie. Par une simulation du processus de passage des patients des urgences de Saint Josef et Saint Lux avec le logiciel de modélisation des processus métiers Aris, ces auteurs ont créé un processus de prise en charge rapide pour les patients moins urgents.

Le système hospitalier au Maroc

Dans une démarche de mesure de performance du service des urgences du CHU Ibn Rochd, Eloualidi et al., (2009) ont développé l’outil statistique SADT (Structured Analysis and Design Technique) pour comprendre le fonctionnement du service des urgences et identifier les anomalies existantes. A l’aide de l’outil dynamique Witness pour évaluer la performance du processus de prise en charge aux urgences, ces auteurs ont complété leurs recherches d’amélioration au sein des urgences du CHU qui ont été couronnées par l’ajout d’une salle de consultation et d’un guichet à l’accueil au niveau de la modélisation à moyen terme, ainsi que l’ajout d’une machine de radiologie pour la planification à long terme. A la lumière de cet état de l’art, au monde et au Maroc, les modèles de la gestion hospitalière varient selon les systèmes de santé et les cadres conceptuels de la performance qui leur sont propres. Nous allons mener une étude de performance orientée vers la maintenance des DM à l’hôpital public marocain.

La fonction maintenance à l’hôpital

La maintenance joue un rôle majeur pour le fonctionnement optimal d’un établissement de santé, en assurant la disponibilité maximale des DM et réduisant ainsi les temps d’arrêt. Une bonne gestion de la maintenance permet de synchroniser les actions de maintenance internes ou externalisées, de prévoir la chronologie du déroulement des différentes tâches. Sur le long terme, elle optimise les moyens nécessaires en fonction des délais et des chemins critiques, en lançant les travaux au moment choisi, et en rendant tous les moyens nécessaires disponibles.

Selon Ahuja et Kumar (2009), la maintenance est devenue aujourd’hui une approche intégrale centrée sur les équipements pour optimiser la productivité manufacturière. Ainsi, la maintenance vise à entretenir un équipement afin de lui permettre d’assurer sa mission et d’atteindre les objectifs souhaités. Konecny & Thun (2011) ajoutent que la maintenance contribue à l’optimisation de la maintenance prédictive, préventive et corrective. La maintenance corrective est exécutée après la détection d’une panne et destinée à remettre un bien dans un état dans lequel il peut accomplir une fonction requise. C’est une maintenance qui intervient après une défaillance. Elle est caractérisée par un aspect aléatoire et nécessite des ressources humaines compétentes et une disponibilité de ressources matérielles (pièces de rechange et outillage). Dans le contexte sanitaire, la maintenance des équipements hospitaliers ou dispositifs médicaux fera l’objet de cet article. Selon l’article premier du dahir (n° 1-13-90), on entend par dispositif médical DM, à l’exception des produits d’origine humaine, « Tout matériel, article ou produit, utilisés à des fins médicales et dont l’action ne serait pas obtenue par un mécanisme pharmacologique, immunologique ou métabolique »¹Dahir n 1-13-90 relatif aux Dispositifs Médicaux Bulletin ...continue. Selon la loi (n°84-12) relative aux dispositifs médicaux, un DM est « Tout instrument, appareil, équipement, matière, produit, ou autre article utilisé seul ou en association, y compris les accessoires et logiciels intervenant dans son fonctionnement, destiné par le fabricant à être utilisé chez l’homme à des fins médicales ou chirurgicales et dont l’action principale voulue par ce dispositif médical n’est pas obtenue par des moyens pharmacologiques ou immunologiques ni par métabolisme, mais dont la fonction peut être assistée par de tels moyens»²La loi no 84-12 relative aux dispositifs médicaux, telle ...continue. Nous utiliserons dans la partie empirique des indicateurs clés de performance (KPI) de la fonction maintenance, au sein de l’hôpital public marocain.

Les indicateurs clés de performance en matière de maintenance

Le pilotage de la fonction maintenance permet, en effet, d’assurer une maîtrise de l’activité et de sa performance, une évaluation de la pratique en interne et un suivi externe. Certains indicateurs peuvent être utiles pour suivre la performance en matière de maintenance au sein d’un établissement de santé. Nous déployons dans notre étude trois (3) KPI liés à la maintenance, le MTBF, le MTTR et le DO. Le MTBF ou « Mean Time Between Failures » est la moyenne des temps de bon fonctionnement (TBF). Un temps de bon fonctionnement est le temps compris entre deux défaillances. Le MTTR signifie « Mean Time To Restoration » est la moyenne des temps techniques de réparation (TTR). Le TTR est le temps durant lequel on intervient physiquement sur l’équipement en panne. Il débute lors de la prise en charge de ce bien jusqu’après les contrôles et essais avant la remise en service. La DO est la disponibilité opérationnelle d’un équipement qui correspond à son aptitude à la réparation par la mesure de l’efficacité de sa maintenance. Les formules de calcul sont explicitées respectivement ci-après :

Pour faire face à la pandémie de la Covid-19, l’hôpital public marocain a adopté une série de mesures de sécurité préventive.

L’Hôpital Sidi Hssain Ben Nasser (SHBN) à Ouarzazate et la gestion de la crise

Afin de maintenir la stabilité du système de santé, et d’assurer la continuité des soins médicaux et la disponibilité de diverses ressources matérielles pour les citoyens durant cette période de crise, le centre hospitalier provincial Sidi Hssain Ben Nasser (SHBN) à Ouarzazate, l’un des hôpitaux publics impliqués dans la gestion de la crise Covid19, a  instauré un service de prise en charge des cas de la Covid-19, une unité d’isolement des cas suspects jusqu’à preuve de confirmation ou bien de négation, et une équipe d’intervention rapide chargée de collecter des sujets contacts a été mise en place. Les raisons pour lesquelles, notre étude sera penchée vers ledit hôpital, et plus précisément la performance des DM de son service maintenance (fig. 1).

Matériel et méthodes

Il s’agit d’une étude empirique qui vise à analyser et proposer un tableau de bord de la fonction maintenance au sein de l’hôpital SHBN. L’étude a été réalisée durant une période de (4) mois de janvier à avril 2021. Cette étude repose sur une approche mixte : qualitative et quantitative. L’approche qualitative basée sur des entretiens menés auprès de certains responsables hiérarchiques, ce qui a donné lieu à une analyse SWOT (tableaux 1 et 2). L’approche quantitative, basée sur l’analyse des historiques des données relatives aux pannes des DM, ce qui a donné lieu à une analyse Pareto (tableau 3).

Analyse SWOT

 L’analyse SWOT, effectuée au sein de l’hôpital SHBN, a permis de dévoiler les forces, faiblesses, opportunités et menaces au sein dudit hôpital (tableaux 1 et 2).

D’après ce qui précède, et parmi les faiblesses majeures de l’hôpital, le manque de suivi des pannes des DM, ce qui engendre des arrêts inattendus. L’analyse Pareto, nous permettra de lister les services hospitaliers responsables des pannes, par classe d’importance.

Diagramme Pareto

La construction du diagramme Pareto va se faire en plusieurs étapes. En nous basant sur l’historique des pannes de l’année 2021, nous les classons par ordre décroissant, puis nous calculons le pourcentage relatif à chacun des services. La classe A de Pareto, jugée la plus importante, représente les services au sein de l’hôpital dont le pourcentage cumulé varie entre 0 et 80 %. La classe B admet un pourcentage variable entre 80 et 95 %. Tandis que pour la classe C, elle englobe les services dont le pourcentage cumulé est supérieur à 95%. Dans notre exemple, nous avons un total de (127) pannes de DM ayant été détectées dans quinze (15) services différents au cours de l’année 2021 (tableau 3).

À la suite de la classification Pareto, nous recensons sept (7) services à l’origine de près de 80 % des pannes. Nous voyons bien que les services dans la classe A, sont les services responsables de 80 % de dysfonctionnement à l’hôpital (la loi Pareto), à citer : le bloc opératoire, le laboratoire, le bloc central, la radiologie, la réanimation Covid-19, la réanimation ainsi que la salle d’accouchement.

Ce travail d’analyse de causes peut s’avérer très utile afin de se focaliser sur les services qui sont responsables de 80 % des pannes, donc de détecter les services impactant le plus la qualité des soins au sein de l’hôpital SHBN. Ainsi, ce travail suppose un historique fiable et complet à partir duquel nous pourrons extraire des chiffres justes, de façon à élaborer un tableau de bord contenant des indicateurs pour le suivi de la performance de la fonction maintenance.

Dans cette section, nous allons essayer de traiter les différentes données que nous avons pu recueillir au sein de l’hôpital, afin de mesurer la performance de la fonction maintenance à travers l’instauration d’un tableau de bord de gestion avec des KPI pertinents qui permettent d’assurer un suivi des interventions et l’état des équipements.

Mise en place des KPI au sein du service de la maintenance biomédicale

D’une manière générale, la traçabilité informatisée des interventions par le service de la maintenance biomédicale est satisfaisante, avec quelques améliorations.  Cependant, la grande quantité de données générées jusqu’à présent est rarement utilisée. Il a été constaté lors d’une première phase de diagnostic que l’hôpital ne dispose pas d’indicateurs de suivi et de pilotage de la fonction maintenance.

En effet, l’indisponibilité du logiciel de gestion de maintenance qui va assurer un suivi des interventions (GMAO)³GMAO : Gestion de Maintenance assistée par Ordinateur. au sein de l’établissement a engendré une faible exploitation des données. Il devient une obligation donc de structurer cette masse des données et d’informations au sein d’un tableau de bord de gestion puis de rapporter les résultats.

Par conséquent, le décideur va avoir une visibilité complète de l’activité grâce à des KPI pertinents. Il sera au courant du nombre d’interventions en cours, leurs causes, les services concernés, la marque de l’équipement maintenu, le type de matériels maintenus, le temps d’arrêt des équipements ainsi que le la durée d’intervention. Un décideur doit aussi suivre les coûts de chaque intervention au regard des contrats de maintenance associés assortis d’éventuelles pénalités en cas de retard constaté, soit lors de la maintenance préventive ou curative. En général, Il existe deux types de KPI, ceux qui mesurent les activités de maintenance (le coût, le délai et la qualité) et ceux qui décrivent les résultats (MTBF, MTTR et DO).

Résultats et discussion

Cette section est consacrée à la présentation et l’analyse des résultats. La figure n° 2 représente le nombre d’interventions techniques avant et après la Covid-19, ce qui prouve l’accroissement de ces interventions dans l’hôpital.

Nous nous sommes concentrés sur l’année pandémique 2020 afin de voir en détail les interventions techniques par unité. La figure n° 3 illustre que les services dont les interventions sont remarquables, sont le bloc opératoire suivi du laboratoire et de la radiologie. Ce qui prouve que ce sont les services les plus opérationnels dans l’hôpital durant la pandémie, et ce sont également des services qui figuraient dans la classe A de Pareto (tableau 3).

Le service de la réanimation Covid a été instauré au sein de l’hôpital au début de la crise sanitaire de la Covid-19, afin de gérer les flux importants des patients ayant été infectés par le virus, que leur état nécessitait une hospitalisation ou non.

Notre étude de cas concernant l’hôpital public SHBN s’est portée sur deux types d’indicateurs : d’activité et de résultat. Nous commençons par l’indicateur du délai de réparation (indicateur d’activité). La période concernée se situe entre les mois janvier et mai 2021, dont les données sont résumées dans le tableau n° 4.

Nous déployons la formule :  pour analyser cet indicateur. D’après le tableau n° 4, les interventions qui ne dépassent pas 1 jour sont les plus élevées pendant les mois janvier (98 %) jusqu’au mai (82 %). Un tableau de bord de suivi mensuel de cet indicateur a été proposé pour gérer la performance du service maintenance de l’hôpital (fig. 5).

En ce qui concerne les indicateurs de résultat, nous focalisons l’étude sur (3) KPI, le MTBF le MTTR et la DO, que nous appliquons par la suite sur un autoclave comme exemple de DM. Cet appareil joue le rôle de stérilisateur par la vapeur et également le stérilisateur le plus utilisé. Pour les médecins, L’autoclave est utilisé pour stériliser les équipements médicaux qui sont réutilisables.  Le choix d’étudier ce dispositif peut s’expliquer par sa criticité comme dispositif médical. Nous avons choisi de mesurer sa fiabilité et sa performance à l’aide des indicateurs de résultat cités ci-dessus.

Dans une durée de quatre (4) mois au cours de l’année 2021 (janvier, février, mars, avril). Le tableau n° 5 résume les données de calcul en appliquant les formules citées dans la section théorique.

La figure n° 6 représente un tableau de bord des KPI, MTBF, MTTR et DO. Nous remarquons que de plus en plus le MTBF est grand, il faut réagir pour renouveler le dispositif (exemple de janvier). Le MTTR donne une idée sur le temps moyen de réparation d’un DM. Le mois de février est satisfaisant vis-à-vis de ce KPI. Le mois d’avril reflète une bonne fiabilité du dispositif vu son taux DO élevé.

L’objectif de cette étude était d’analyser les pannes des DM au sein de l’hôpital public marocain, et d’en tirer les services majeurs responsables de ces dernières. L’hôpital provincial SHBN de Ouarzazate était notre exemple d’étude, vu qu’il a été parmi les hôpitaux impliqués dans la gestion de la crise Covid-19. Après avoir détecté les services dont les pannes des DM étaient importantes, nous avons proposé des KPI d’activité et de résultat sur un autoclave de stérilisation, qui fait partie des dispositifs du laboratoire (classe A de l’analyse Pareto selon notre diagnostic) (tableau n° 3). Le premier KPI d’activité proposé est le délai de réparation de la panne. Cet indicateur permettra au décideur de mieux gérer l’intervention et la programmer dans le cadre de la maintenance préventive si le délai de l’intervention dépasse un jour (fig. 5). Les KPI de résultat le MTBF, le MTTR et la DO font l’affaire d’un tableau de bord de suivi mensuel, afin d’assurer une meilleure efficacité du service maintenance à l’hôpital (fig. 6).

Comme perspective de la présente étude, nous avons discuté de la possibilité d’une enquête de satisfaction des clients (patients) à la suite de nos indicateurs proposés, et surtout leur impact sur le temps d’attente dans les services des urgences, afin de minimiser l’engorgement dans l’hôpital public lors des situations pandémiques.

Conclusion

L’étude présentée dans cet article propose un concept de mise en œuvre d’un système de mesure de la performance de la fonction maintenance biomédicale et la conception d’un tableau de bord afin de piloter cette fonction. L’étude a dévoilé des points forts et faibles vis à vis la fonction maintenance au sein de CHPO à l’aide de la méthode SWOT. Concernant la disponibilité de l’équipement biomédical, nous avons identifié l’un des DM pour mesurer sa performance à l’aide d’un tableau de bord sur lequel une attention particulière doit être portée. Cela a permis de mieux maîtriser le système étudié.

Au niveau de la relation entre la logistique et la fonction maintenance, la présente étude nous a confirmé qu’il existe une relation véritable entre les deux. Tandis que l’un des objectifs de l’étude, étant la mise en évidence de l’impact du service logistique sur la performance de la fonction maintenance. Les moyens logistiques présentent un outil fondamental pour assurer le bon fonctionnement de la maintenance, nous avons ainsi développé un tableau de bord pour le suivi de la performance du service maintenance à partir des statistiques et des données des services biomédicaux.

Au fil de notre étude à l’hôpital SHBN, nous avons constaté que la politique hospitalière d’aujourd’hui est orientée vers le développement continu de la qualité des soins, nécessaire à la satisfaction du patient et du personnel hospitalier, surtout lors des situations de crises sanitaires.