Contexte. Un système de surveillance semi-automatisé des infections du site opératoire (ISO), Spicmi (Programme de surveillance et de prévention du risque infectieux en chirurgie et en médecine interventionnelle), a été mis en place dans les hôpitaux français en s’appuyant sur les données des dossiers de santé électroniques. Objectif. Évaluer les performances de l’algorithme Spicmi pour la détection des ISO en chirurgie orthopédique et digestive. Contexte. Les données de surveillance ont été recueillies annuellement à partir des dossiers de santé électroniques. L’algorithme identifiait les suspicions d’ISO selon deux critères : (1) reprise chirurgicale durant le séjour initial ou lors d’une réadmission, (2) prélèvements microbiologiques positifs au niveau de la plaie. Les ISO suspectées étaient ensuite validées par les chirurgiens. Méthodes. Une approche de modélisation stochastique a été utilisée pour estimer les intervalles de probabilité des indicateurs de performance. Différents scénarios de détection ont été construits à partir des critères Spicmi. Une analyse de régression logistique a été réalisée à partir des données de surveillance. Les données non disponibles dans la base ont été estimées à partir d’une revue de la littérature et d’avis d’experts. Résultats. La probabilité de reprise chirurgicale après une ISO variait fortement selon les spécialités, allant de 92% en chirurgie orthopédique à 45,2% en gynécologie. En chirurgie orthopédique et digestive, l’algorithme Spicmi a montré une bonne fiabilité pour la détection des ISO en limitant les faux négatifs et les faux positifs (indice de Youden : 0,96 et 0,79 respectivement). La sensibilité (Se) était plus faible en chirurgie digestive (0,7-0,9) qu’en chirurgie orthopédique (0,9-1), tandis que la spécificité (Sp) restait élevée (0,9-1) dans les deux spécialités. Conclusion. L’algorithme Spicmi est prometteur pour optimiser l’utilisation du temps et des ressources dans la surveillance des ISO. Une évaluation complémentaire est nécessaire sur un panel plus large d’interventions chirurgicales.
Rigaud BW, Benhajkassen N, Nkoumazok B, et al.
Semi-automated detection of surgical-site infections using a simple and effective hospital data-based algorithm in the national surveillance system in France. Infect Control Hosp Epidemiol. 2026:1-8. Doi : 10.1017/ice.2025.10379.