Characterizing emergency clinician engagement with social drivers of health data among patients with opioid use disorder

Cette étude transversale révèle que, bien que les cliniciens des urgences consultent plus fréquemment les données sur les déterminants sociaux de la santé lors des rencontres liées au trouble de l'usage d'opioïdes, ces interactions restent rares, ne prédisent pas la prescription de traitements médicamenteux et ne réduisent pas les disparités raciales et ethniques dans l'accès aux soins.

L'essentiel

🏥 Le Contexte : L'Urgence et les "Invisibles"

Imaginez le service des urgences d'un grand hôpital comme une gare centrale très fréquentée. Des milliers de gens arrivent chaque jour, certains pour une fracture, d'autres pour un mal de tête, et d'autres pour des problèmes liés à l'addiction aux opioïdes (une dépendance grave aux médicaments ou drogues).

Dans cette gare, les médecins ont un grand tableau de bord numérique (le dossier médical électronique). Depuis quelques années, on a ajouté de nouvelles cases sur ce tableau pour noter les "facteurs sociaux" : est-ce que le patient a un toit ? A-t-il de quoi manger ? A-t-il de l'argent pour le bus ? C'est comme si on ajoutait une section "Météo sociale" sur le tableau de bord.

L'idée était simple : si les médecins voient ces infos, ils pourront mieux aider les patients, surtout ceux qui luttent contre la dépendance, car leur situation sociale influence souvent leur guérison.

🔍 L'Enquête : Regardons ce qui se passe vraiment

Les chercheurs (une équipe de médecins et de statisticiens) ont décidé de faire un travail de détective. Au lieu de demander aux médecins "Avez-vous lu ces infos ?", ils ont regardé les logs d'activité (l'historique de ce qui a été cliqué, ouvert ou modifié sur l'ordinateur). C'est comme regarder les traces de pas dans la neige pour savoir où les médecins sont allés.

Ils ont analysé plus de 17 000 visites à l'urgence entre 2023 et 2024.

📉 Les Résultats Surprenants

Voici ce qu'ils ont découvert, traduit en images :

1. Les médecins ne remplissent presque jamais les nouvelles cases.
   C'est comme si on avait installé un nouveau panneau "Météo sociale" sur le tableau de bord, mais que les médecins ne prenaient jamais la peine de l'écrire. Moins de 1 % des visites ont vu une nouvelle information sociale ajoutée.

2. Ils regardent parfois les infos, mais pas souvent.
   Les médecins ont regardé les informations sociales existantes dans seulement 19 % des cas (environ 1 visite sur 5).

   • Ce qu'ils préfèrent regarder : Les codes médicaux structurés (comme des étiquettes pré-écrites) qui sont faciles à voir, un peu comme regarder l'horloge accrochée au mur.
   • Ce qu'ils ignorent : Les notes libres ou les dossiers complexes. C'est comme si, pressés par le temps, ils ne regardaient que les gros titres et pas les détails.

3. Les patients avec une dépendance (OUD) sont un peu mieux traités, mais pas assez.
   Quand un patient arrive avec un problème de dépendance aux opioïdes, les médecins regardent un peu plus souvent les infos sociales (27 % du temps contre 16 % pour les autres). C'est comme s'ils disaient : "Ah, c'est un cas complexe, je devrais vérifier son dossier social." Mais même là, ils ne le font pas la plupart du temps.

💊 Le Lien avec le Traitement (La "Médication")

Le but ultime était de voir si regarder ces infos sociales aidait à prescrire le bon traitement (des médicaments comme la buprénorphine pour aider à se désintoxiquer).

• Le résultat clé : Regarder les infos sociales n'a pas changé la décision de prescrire le médicament.

• Le problème inquiétant : Quand les médecins voyaient des infos sociales négatives (pas de logement, pas d'argent), ils avaient tendance à moins prescrire le traitement.

  • L'analogie : Imaginez un mécanicien qui voit que la voiture du client est en mauvais état et qu'il n'a pas de garage. Au lieu de dire "Je vais réparer la voiture maintenant", le mécanicien pense : "Il n'a pas de garage, donc ça ne sert à rien de réparer, il va la casser de toute façon." C'est ce qu'on appelle un biais de découragement. Les médecins pensent que le patient ne pourra pas suivre le traitement à cause de sa situation difficile, alors ils ne le proposent même pas.

• Les inégalités raciales : Malheureusement, les patients noirs, hispaniques ou asiatiques recevaient moins souvent ce traitement, peu importe si le médecin avait lu leur dossier social ou non. Les infos sociales n'ont pas réussi à corriger ces injustices.

💡 La Leçon à Retenir

Cette étude nous dit une chose importante : Avoir plus d'informations ne suffit pas.

C'est comme si on donnait à un chef cuisinier un livre de recettes géant, mais qu'il est si pressé qu'il ne le lit jamais. Ou pire, s'il lit qu'il n'y a pas de four dans la cuisine (le problème social), il décide de ne pas cuisiner du tout.

La conclusion des chercheurs :
Pour vraiment aider les patients, il ne suffit pas de remplir des cases dans un ordinateur. Il faut :

1. Rendre l'information visible au bon moment (comme un panneau lumineux qui clignote quand c'est urgent).
2. Donner des solutions en même temps que les problèmes. Si le médecin voit "Pas de logement", l'ordinateur devrait aussi lui proposer : "Voici un numéro d'urgence pour un hébergement".
3. Éviter les préjugés : Ne pas arrêter de soigner quelqu'un juste parce que sa vie est difficile.

En résumé, les médecins sont occupés, le système est complexe, et pour l'instant, les nouvelles informations sociales sur l'ordinateur ne changent pas grand-chose à la façon dont les patients sont soignés. Il faut des outils plus intelligents pour transformer ces données en actions réelles et équitables.

Résumé technique

1. Problématique et Contexte

Au cours de la dernière décennie, les outils de documentation des déterminants sociaux de la santé (SDOH) dans les dossiers de santé électroniques (DSE/EHR) se sont multipliés, souvent motivés par des politiques de remboursement et d'accréditation. L'objectif est d'améliorer les résultats cliniques en identifiant et en traitant les risques sociaux. Cependant, peu de recherches ont examiné comment les cliniciens interagissent réellement avec ces données (documentation ou consultation) et si cette interaction influence les décisions de traitement.

L'étude se concentre sur le service des urgences (SU), un point d'accès crucial pour les populations vulnérables, en utilisant le trouble lié à l'usage d'opioïdes (OUD) comme cas d'usage spécifique. Les auteurs s'interrogent sur trois questions :

1. Comment les cliniciens des urgences s'engagent-ils avec les données SDOH structurées dans le DSE ?
2. Cet engagement diffère-t-il pour les patients souffrant d'OUD par rapport aux autres patients ?
3. Cet engagement est-il associé à la prescription de traitements médicamenteux pour l'OUD (MOUD : buprénorphine ou méthadone) ?

2. Méthodologie

Conception de l'étude :
Il s'agit d'une étude transversale menée au UCSF Medical Center (San Francisco) entre janvier 2023 et octobre 2024, soit cinq ans après le déploiement d'outils de documentation SDOH.

Échantillon :

• Population : 17 103 visites aux urgences chez des adultes (≥18 ans).
• Groupes : 5 701 visites correspondant à un phénotype OUD (identifié via un algorithme structuré combinant codes ICD-10, prescriptions, toxicologie, notes cliniques, etc.) et 11 402 visites non-OUD appariées (ratio 1:2) par score de propension (âge, race, genre, assurance, etc.).

Données et Mesures :
Les auteurs ont utilisé des journaux d'audit (audit logs) du DSE (Epic) pour tracer le comportement des cliniciens. L'« engagement » est défini comme toute documentation ou consultation de données SDOH durant la visite.
Les types de données SDOH analysés incluent :

1. SDOH Wheel : Questions structurées sur le logement, le transport, la finance, etc.
2. Codes Z ICD-10 : Codes de problèmes sociaux dans la liste des antécédents médicaux.
3. Historique social : Texte libre.
4. Notes de travail social : Notes textuelles non structurées.

Analyse statistique :
Des régressions logistiques multivariées ont été utilisées pour estimer les associations entre l'engagement SDOH, le statut OUD et la prescription de MOUD, en ajustant pour les démographiques (âge, race, genre, assurance). Des analyses de sensibilité et des effets fixes par clinicien ont été testés.

3. Résultats Clés

Fréquence de l'engagement :

• La documentation de nouvelles données SDOH par les cliniciens des urgences était extrêmement rare (< 1 %).
• L'engagement global (documentation + consultation) a eu lieu dans 19,5 % des visites.
• Les cliniciens consultaient principalement les données préexistantes plutôt qu'ils ne les créaient.
  • Codes Z (Liste des problèmes) : 98,4 % de consultation (très accessible depuis l'écran de suivi).
  • SDOH Wheel : 27,9 % de consultation (lorsque des données existaient).
  • Notes de travail social : 16,0 %.
  • Historique social (texte libre) : 3,3 %.

Différences selon le statut OUD :

• L'engagement avec les données SDOH était significativement plus élevé pour les patients avec OUD (26,6 %) comparé aux patients sans OUD (16,0 %) (OR 1,91).

Association avec le traitement MOUD :

• Aucune association significative n'a été trouvée entre l'engagement global avec les données SDOH et la prescription de MOUD (OR 1,11).
• Tendance inquiétante : Une analyse stratifiée suggère que la consultation de données SDOH adverses (risques sociaux) était associée à une probabilité plus faible de prescription de MOUD (bien que non significative statistiquement dans ce modèle), tandis que la consultation de données non adverses était associée à une probabilité plus élevée.
• Disparités raciales et ethniques persistantes : Les patients asiatiques, noirs et hispaniques/latinos avaient significativement moins de chances de recevoir un traitement MOUD, indépendamment de l'engagement des cliniciens avec les données SDOH.

4. Contributions et Significativité

Contributions techniques et scientifiques :

• Utilisation innovante des logs d'audit : C'est l'une des premières études à utiliser des données d'audit log pour mesurer objectivement non seulement la documentation, mais aussi la consultation (review) des données SDOH en milieu d'urgence, contournant ainsi les biais d'auto-déclaration.
• Distinction Documentation vs. Consultation : L'étude met en lumière que si la documentation est quasi inexistante, la consultation de données structurées accessibles (comme les codes Z) est fréquente, mais que cela ne se traduit pas par une action clinique (prescription de MOUD).
• Analyse des biais potentiels : Les résultats soulèvent l'hypothèse que la visualisation de risques sociaux adverses pourrait, paradoxalement, dissuader les cliniciens de prescrire des traitements (comme la buprénorphine) par crainte de problèmes de suivi ou d'adhésion, exacerbant ainsi les inégalités.

Significativité clinique et politique :

• Limites du déploiement passif : Le simple fait d'ajouter des champs de documentation SDOH dans le DSE ne suffit pas à améliorer les soins ou à réduire les disparités.
• Nécessité de supports décisionnels : Pour que les données SDOH aient un impact, elles doivent être présentées au bon moment dans le flux de travail et accompagnées d'outils de décision clinique (CDS) qui guident le clinicien sur la manière de traiter les risques identifiés (par exemple, en proposant des ressources de suivi immédiat).
• Urgence de l'équité : Les disparités raciales dans l'accès aux traitements de l'OUD persistent malgré la disponibilité des données sociales, indiquant que des interventions ciblées sur les biais cliniques sont nécessaires.

Conclusion

L'étude conclut que les cliniciens des urgences consultent rarement les données SDOH et les documentent encore moins. Bien que l'engagement soit plus élevé pour les patients OUD, il ne conduit pas systématiquement à un traitement médicamenteux approprié et ne corrige pas les disparités raciales. L'auteur recommande de passer d'une simple collecte de données à une intégration active de ces données dans des outils d'aide à la décision pour transformer l'information sociale en action clinique équitable.