Evaluating Redundancy and Biases in EHR Social Determinants of Health Data Screening

Cette étude analyse les données de déterminants sociaux de la santé de 1,8 million de patients pour identifier les redondances dans les questionnaires et les biais démographiques, proposant ainsi des méthodes afin d'alléger la charge clinique et d'améliorer l'équité des protocoles de dépistage.

L'essentiel

Imaginez que l'hôpital soit comme un grand restaurant. Pour bien servir ses clients (les patients), le chef (le personnel soignant) ne se contente plus de demander « Qu'est-ce que vous avez mal ? ». Il veut aussi savoir ce qui se passe dans la vie du client : a-t-il assez à manger ? A-t-il de l'argent pour payer le loyer ? Ces facteurs, appelés déterminants sociaux de la santé, sont aussi importants que la maladie elle-même.

Cependant, dans ce grand restaurant, on a commencé à poser trop de questions, et parfois de manière un peu désordonnée. Les chercheurs de l'UNC Health ont décidé de faire un audit de ce « menu de questions » pour voir s'il était efficace ou s'il y avait des problèmes.

Voici ce qu'ils ont découvert, expliqué simplement :

1. Le problème du « Menu Redondant » (La Redondance)

Imaginez que le serveur vous demande trois fois la même chose, mais avec des mots différents :

• « Avez-vous de l'argent pour manger ? »
• « Votre frigo est-il vide ? »
• « Avez-vous peur de ne pas pouvoir acheter à manger ce mois-ci ? »

C'est ce qu'on appelle de la redondance. Les chercheurs ont vu que pour certaines questions (surtout sur la faim et l'argent), les réponses étaient presque toujours les mêmes. C'est comme si vous remplissiez trois fois le même formulaire pour obtenir un seul résultat.
Leçon : On peut simplifier le menu ! En supprimant les questions inutiles qui disent la même chose, on fait gagner du temps précieux aux médecins et aux patients, comme si on allégeait un sac à dos trop lourd.

2. Le problème du « Serveur Partiel » (Les Biais)

C'est là que ça devient plus délicat. Les chercheurs ont remarqué que le serveur ne posait pas les mêmes questions à tout le monde de la même manière.

• Qui pose les questions ? Il s'est avéré que les femmes et les patients blancs étaient plus souvent interrogés sur certains sujets que d'autres groupes. C'est comme si le serveur s'arrêtait plus souvent aux tables des femmes et des clients blancs pour demander « Avez-vous faim ? », tout en ignorant les autres tables.
• Qui refuse de répondre ? De plus, certains groupes (comme les patients amérindiens ou hispaniques) étaient moins susceptibles de dire « Je ne veux pas répondre » que d'autres. C'est comme si certains clients se sentaient plus obligés de répondre, ou peut-être plus à l'aise, tandis que d'autres se sentaient moins concernés ou plus intimidés.

3. La Solution : Un Menu Équilibré et Juste

L'objectif de cette étude n'était pas de critiquer, mais d'améliorer le service. Ils ont proposé deux solutions simples :

1. Nettoyer le menu : Supprimer les questions qui se répètent pour que le processus soit plus fluide et moins fatiguant pour tout le monde.
2. Former le personnel : S'assurer que le serveur pose les mêmes questions à tous les clients, de manière systématique, pour éviter de laisser des gens de côté ou de faire des suppositions basées sur leur apparence.

En résumé :
Cette étude nous dit que pour bien soigner les gens, il faut d'abord s'assurer que la façon dont on pose les questions est juste (pour tout le monde) et efficace (sans perdre de temps). C'est comme passer d'un service de restaurant chaotique et inégal à un service où chaque client est accueilli de la même manière, avec les bonnes questions au bon moment.

Résumé technique

Titre de l'étude

Évaluation de la redondance et des biais dans le dépistage des déterminants sociaux de la santé (DSS) via les dossiers médicaux électroniques (DME).

1. Problématique

Les organisations de santé intègrent de plus en plus des procédures de dépistage des déterminants sociaux de la santé (DSS) dans leurs parcours de soins, reconnaissant l'impact crucial de ces facteurs sur les résultats cliniques. Cependant, deux défis majeurs persistent dans la mise en œuvre de ces dépistages :

• La redondance des données : La collecte de multiples questions peut générer des informations de risque dupliquées, alourdissant inutilement le flux de travail clinique sans apporter de valeur ajoutée.
• Les biais systémiques : Il existe un risque que les patients ne soient pas interrogés de manière équitable selon leur profil démographique, ou que certains groupes soient plus susceptibles de refuser de répondre, faussant ainsi la représentativité des données collectées.

2. Méthodologie

L'étude a analysé les données de dépistage des DSS provenant de 1,8 million de patients du système de santé UNC Health. L'approche méthodologique se divise en deux axes d'analyse :

• Évaluation de la redondance de l'information de risque : Les chercheurs ont analysé l'accord des réponses (response agreement) entre des paires de questions spécifiques. L'objectif était de déterminer si la réponse à une question prédisait fortement la réponse à une autre, indiquant une redondance dans l'information de risque acquise.
• Évaluation des biais démographiques : Des modèles de régression logistique ont été utilisés pour évaluer deux types de biais potentiels :
  1. La probabilité qu'un patient soit interrogé sur un DSS spécifique en fonction de ses caractéristiques démographiques.
  2. La probabilité qu'un patient refuse de répondre (décliner) à ces questions selon son appartenance démographique.

3. Contributions Clés

L'article propose une méthodologie reproductible permettant aux organisations de santé d'évaluer la qualité et l'équité de leurs propres procédures de dépistage des DSS. Cette approche fournit un cadre technique pour :

• Identifier les points de friction dans les flux de travail cliniques dus à la collecte de données superflues.
• Détecter les inégalités structurelles dans l'administration des questionnaires et la participation des patients.

4. Résultats Principaux

L'analyse a mis en évidence des résultats significatifs dans les deux domaines :

• Redondance des données : Une redondance marquée a été identifiée, en particulier entre les questions relatives à l'insécurité alimentaire et à l'insécurité financière. Cela suggère que ces deux dimensions mesurent souvent le même risque sous-jacent, permettant potentiellement de simplifier les questionnaires.
• Biais dans l'interrogation : Des disparités démographiques ont été observées concernant qui est interrogé. Les patientes femmes et les patients blancs avaient une probabilité plus élevée d'être interrogés sur certains DSS par rapport à d'autres groupes.
• Biais dans le refus de réponse : Les patients se déclarant Amérindiens ou Autochtones d'Alaska et Hispaniques ou Latino étaient statistiquement moins susceptibles de refuser de répondre aux questions que d'autres groupes, indiquant des dynamiques de participation complexes qui varient selon l'origine ethnique.

5. Signification et Impact

Cette étude offre des pistes concrètes pour l'amélioration des systèmes de santé :

1. Optimisation des flux de travail : En identifiant et en éliminant les questions redondantes (notamment sur la nourriture et les finances), les hôpitaux peuvent réduire la charge cognitive et temporelle imposée aux cliniciens et aux patients, rendant le dépistage plus efficace.
2. Équité des données : La mise en place de protocoles de dépistage plus systématiques, basés sur ces analyses, permet de corriger les biais de sélection. Cela garantit que les données collectées reflètent fidèlement les besoins de toute la population, et non seulement de certains sous-groupes démographiques, améliorant ainsi la précision des interventions de santé publique.