Cargando…

Hospitalisations pour COVID-19 en Île-de-France

INTRODUCTION: En région fortement impactée par l’épidémie de COVID-19, l'ORS-Île-de-France s'est rapidement saisi du sujet des inégalités sociospatiales liées au virus en analysant notamment les différences de morbidité hospitalière à des niveaux infra départementaux. MÉTHODES: L'accè...

Descripción completa

Detalles Bibliográficos
Autores principales: Firdion, L., Mangeney, C., Féron, V., Saunal, A., Ndiaye, K., Telle-Lamberton, M.
Formato: Online Artículo Texto
Lenguaje:English
Publicado: Published by Elsevier Masson SAS 2022
Materias:
Acceso en línea:https://www.ncbi.nlm.nih.gov/pmc/articles/PMC8907806/
http://dx.doi.org/10.1016/j.respe.2022.01.086
_version_ 1784665734937313280
author Firdion, L.
Mangeney, C.
Féron, V.
Saunal, A.
Ndiaye, K.
Telle-Lamberton, M.
author_facet Firdion, L.
Mangeney, C.
Féron, V.
Saunal, A.
Ndiaye, K.
Telle-Lamberton, M.
author_sort Firdion, L.
collection PubMed
description INTRODUCTION: En région fortement impactée par l’épidémie de COVID-19, l'ORS-Île-de-France s'est rapidement saisi du sujet des inégalités sociospatiales liées au virus en analysant notamment les différences de morbidité hospitalière à des niveaux infra départementaux. MÉTHODES: L'accès au dispositif Fast Track de remontée accélérée des données des établissements de santé, spécifiques à la COVID-19 (tables en plus du PMSI), a permis d’étudier l’évolution des hospitalisations liées à la COVID, leur répartition géographique et les caractéristiques des patients franciliens en 2020. Le chaînage des différentes bases de données de l'Assurance maladie a permis d'exploiter les variables sociodémographiques au lieu de résidence des patients. Nous avons utilisé des modèles logistiques, combinant des données individuelles et communales, sur la probabilité d’être hospitalisé ou en réanimation pour COVID ajustés sur l’âge et le sexe avec comme variables explicatives : être en ALD, bénéficier de la C2S, l'AME ou l'AAH, d'avoir un médecin traitant, des travailleurs clés dans la commune de résidence, l'indice de désavantage social et le secteur morphologique de la commune. RÉSULTATS: La suroccupation des services de réanimation franciliens atteint un sommet lors de la première vague à 214 % des capacités d'accueil. La deuxième vague est moins forte en Île-de-France, mais un niveau important d'hospitalisation se maintient en fin d'année. Les communes les plus défavorisées du Nord-Est de l'agglomération parisienne ressortent comme plus touchées. Si nos régressions logistiques font apparaître l’âge et le sexe comme des facteurs prépondérants du risque de forme grave du COVID, elles montrent aussi que les personnes en affection longue durée, bénéficiaires d'aides sociales, habitant des communes denses et défavorisées avec une forte présence de travailleurs clés ont un risque significativement plus élevé d’être hospitalisé ou d'aller en réanimation. DISCUSSION/CONCLUSION: Ces indicateurs remettent en lumière des fortes inégalités sociales de santé en Île-de-France déjà bien connues. Nos résultats territorialisés permettent la mise en place de politiques de santé publique ciblées : barnum de dépistages et de vaccinations dans les territoires vulnérables afin de diminuer ces inégalités.
format Online
Article
Text
id pubmed-8907806
institution National Center for Biotechnology Information
language English
publishDate 2022
publisher Published by Elsevier Masson SAS
record_format MEDLINE/PubMed
spelling pubmed-89078062022-03-10 Hospitalisations pour COVID-19 en Île-de-France Firdion, L. Mangeney, C. Féron, V. Saunal, A. Ndiaye, K. Telle-Lamberton, M. Rev Epidemiol Sante Publique C2-2 INTRODUCTION: En région fortement impactée par l’épidémie de COVID-19, l'ORS-Île-de-France s'est rapidement saisi du sujet des inégalités sociospatiales liées au virus en analysant notamment les différences de morbidité hospitalière à des niveaux infra départementaux. MÉTHODES: L'accès au dispositif Fast Track de remontée accélérée des données des établissements de santé, spécifiques à la COVID-19 (tables en plus du PMSI), a permis d’étudier l’évolution des hospitalisations liées à la COVID, leur répartition géographique et les caractéristiques des patients franciliens en 2020. Le chaînage des différentes bases de données de l'Assurance maladie a permis d'exploiter les variables sociodémographiques au lieu de résidence des patients. Nous avons utilisé des modèles logistiques, combinant des données individuelles et communales, sur la probabilité d’être hospitalisé ou en réanimation pour COVID ajustés sur l’âge et le sexe avec comme variables explicatives : être en ALD, bénéficier de la C2S, l'AME ou l'AAH, d'avoir un médecin traitant, des travailleurs clés dans la commune de résidence, l'indice de désavantage social et le secteur morphologique de la commune. RÉSULTATS: La suroccupation des services de réanimation franciliens atteint un sommet lors de la première vague à 214 % des capacités d'accueil. La deuxième vague est moins forte en Île-de-France, mais un niveau important d'hospitalisation se maintient en fin d'année. Les communes les plus défavorisées du Nord-Est de l'agglomération parisienne ressortent comme plus touchées. Si nos régressions logistiques font apparaître l’âge et le sexe comme des facteurs prépondérants du risque de forme grave du COVID, elles montrent aussi que les personnes en affection longue durée, bénéficiaires d'aides sociales, habitant des communes denses et défavorisées avec une forte présence de travailleurs clés ont un risque significativement plus élevé d’être hospitalisé ou d'aller en réanimation. DISCUSSION/CONCLUSION: Ces indicateurs remettent en lumière des fortes inégalités sociales de santé en Île-de-France déjà bien connues. Nos résultats territorialisés permettent la mise en place de politiques de santé publique ciblées : barnum de dépistages et de vaccinations dans les territoires vulnérables afin de diminuer ces inégalités. Published by Elsevier Masson SAS 2022-03 2022-03-10 /pmc/articles/PMC8907806/ http://dx.doi.org/10.1016/j.respe.2022.01.086 Text en Copyright © 2022 Published by Elsevier Masson SAS. Since January 2020 Elsevier has created a COVID-19 resource centre with free information in English and Mandarin on the novel coronavirus COVID-19. The COVID-19 resource centre is hosted on Elsevier Connect, the company's public news and information website. Elsevier hereby grants permission to make all its COVID-19-related research that is available on the COVID-19 resource centre - including this research content - immediately available in PubMed Central and other publicly funded repositories, such as the WHO COVID database with rights for unrestricted research re-use and analyses in any form or by any means with acknowledgement of the original source. These permissions are granted for free by Elsevier for as long as the COVID-19 resource centre remains active.
spellingShingle C2-2
Firdion, L.
Mangeney, C.
Féron, V.
Saunal, A.
Ndiaye, K.
Telle-Lamberton, M.
Hospitalisations pour COVID-19 en Île-de-France
title Hospitalisations pour COVID-19 en Île-de-France
title_full Hospitalisations pour COVID-19 en Île-de-France
title_fullStr Hospitalisations pour COVID-19 en Île-de-France
title_full_unstemmed Hospitalisations pour COVID-19 en Île-de-France
title_short Hospitalisations pour COVID-19 en Île-de-France
title_sort hospitalisations pour covid-19 en île-de-france
topic C2-2
url https://www.ncbi.nlm.nih.gov/pmc/articles/PMC8907806/
http://dx.doi.org/10.1016/j.respe.2022.01.086
work_keys_str_mv AT firdionl hospitalisationspourcovid19eniledefrance
AT mangeneyc hospitalisationspourcovid19eniledefrance
AT feronv hospitalisationspourcovid19eniledefrance
AT saunala hospitalisationspourcovid19eniledefrance
AT ndiayek hospitalisationspourcovid19eniledefrance
AT tellelambertonm hospitalisationspourcovid19eniledefrance