The EHR Density Index: A new method to control for EHR data inconsistency across patients

Imaginez que vous essayez de résoudre un mystère en utilisant une bibliothèque géante et désordonnée de dossiers médicaux. Ce n'est pas une bibliothèque où chaque livre est soigneusement organisé ; c'est plutôt comme un grenier chaotique où certaines personnes ont laissé derrière elles des coffres entiers de journaux intimes, de photos et de reçus, tandis que d'autres n'ont laissé qu'un simple post-it. Dans le monde de la recherche médicale, c'est la réalité des « Dossiers de Santé Électroniques » (DSE). Ce sont les fichiers numériques que les médecins utilisent pour suivre les patients, mais parce qu'ils sont écrits pour les soins quotidiens plutôt que pour les scientifiques, ils sont souvent inégaux. Certains patients, généralement les plus malades, ont des pages et des pages de données car ils visitent l'hôpital constamment. D'autres, qui sont en meilleure santé ou qui ne voient un médecin qu'une fois par an, ont des dossiers très peu fournis.

Pendant longtemps, les chercheurs ont essayé de corriger ce désordre en utilisant un outil appelé l'« Indice de Comorbidité de Charlson » (ICC). Considérez l'ICC comme un « score de maladie ». Il examine le dossier d'un patient et compte combien de maladies graves il possède. L'idée est que si vous savez à quel point une personne est malade, vous pouvez la comparer équitablement aux autres. Mais voici le piège : l'ICC mesure seulement à quel point une personne est malade, et non ce que nous savons d'elle. Si une personne très malade ne consulte qu'un spécialiste qui ne prend pas beaucoup de notes détaillées, l'ICC peut dire qu'elle est malade, mais le dossier semblera vide. Cela crée un problème délicat : le résultat d'un patient est-il différent parce qu'il est plus malade, ou simplement parce que son dossier médical est plus mince ? Les scientifiques ont besoin d'un moyen de mesurer la « densité » du dossier lui-même, séparément de la maladie qu'il contient.

C'est là qu'une équipe de chercheurs de l'Université de Caroline du Nord intervient avec une nouvelle idée appelée l'Indice de Densité des DSE (IDD). Ils ont réalisé que pour obtenir des résultats équitables à partir des données médicales, il faut connaître non seulement la santé du patient, mais aussi le « volume » de sa paperasse. Ils ont construit un système pour mesurer précisément la quantité d'informations contenues dans le dossier d'un patient pour chaque année, en ajustant cela selon la fréquence à laquelle cette personne consulte réellement un médecin.

L'histoire du « Détective de la Paperasse »

Les chercheurs ont commencé avec une pile massive de données : les dossiers médicaux de 24 987 patients adultes de l'UNC Health, couvrant les années 2018 à 2024. Ils voulaient créer un nouvel outil capable de leur dire : « Ce patient a beaucoup de données » ou « Ce patient a très peu de données », sans confondre cela avec « Ce patient est très malade ».

Pour ce faire, ils n'ont pas seulement compté les lignes de texte. Ils ont agi comme des détectives triant les gens en groupes basés sur la façon dont ils interagissent avec le système de santé. Ils ont utilisé un truc mathématique sophistiqué appelé « Modèle de Mélange Gaussien » (imaginez cela comme une machine de tri intelligente) pour regrouper les patients en quatre « clusters d'utilisation » distincts basés sur leurs modèles de visites :

1. Hospitalisation intensive : Personnes ayant de nombreux séjours ou des séjours longs à l'hôpital.
2. Hospitalisation modérée : Personnes qui vont à l'hôpital occasionnellement.
3. Externe régulier : Personnes qui voient des médecins en clinique à des moments stables et prévisibles.
4. Externe irrégulier : Personnes qui consultent rarement et à des moments imprévisibles.

Une fois les patients répartis dans ces groupes, les chercheurs ont examiné la « densité » de leurs dossiers. Ils se sont demandé : « Au sein de ce groupe spécifique de personnes, est-ce que cet individu a plus ou moins de paperasse que la moyenne ? » Ils ont vérifié quatre types spécifiques d'indices médicaux : les affections (diagnostics), les médicaments (prescriptions), les mesures (comme les analyses de sang) et les procédures (comme les chirurgies ou les radiographies).

Si un patient du groupe « Externe régulier » avait beaucoup plus de résultats de laboratoire et de notes de médication que ses voisins, il obtenait un score de « densité » élevé. S'il en avait moins, il obtenait un score faible. Ce score est appelé un « résidu », ce qui est juste un mot savant pour dire « à quel point on s'écarte de la moyenne ».

Ce qu'ils ont découvert

L'équipe a découvert quelque chose de fascinant : être malade et avoir un dossier épais sont liés, mais ce n'est pas la même chose.

Ils ont vérifié si le « score de maladie » (l'ICC) pouvait prédire le « score de paperasse » (l'IDD). Ils ont trouvé que, bien que les patients plus malades aient tendance à avoir plus de visites et donc plus de données, la connexion est faible. En fait, ils ont trouvé de nombreux patients qui étaient très malades mais qui avaient des dossiers très peu fournis, et d'autres qui étaient moins malades mais qui possédaient des dossiers incroyablement détaillés.

L'article argumente explicitement contre l'idée que l'ancien « score de maladie » (l'ICC) soit suffisant pour corriger le problème des données. Les auteurs montrent que l'ICC est excellent pour vous dire à quel point quelqu'un est malade, mais qu'il est incapable de vous dire quelle quantité d'informations se trouve réellement dans son dossier. Un patient avec un score de maladie élevé peut tout de même avoir un dossier « mince » s'il ne visite pas l'hôpital fréquemment, et l'ICC ne peut pas voir cela. L'IDD, en revanche, repère immédiatement ce dossier mince.

Les chercheurs ont également montré que l'IDD n'est pas un remplacement de l'ICC. Au contraire, c'est un compagnon. Imaginez que vous cuisinez un gâteau. L'ICC est la farine (l'ingrédient principal de la maladie), et l'IDD est la tasse à mesurer (qui vous dit quelle quantité de l'ingrédient vous avez réellement). Vous avez besoin des deux pour obtenir le bon résultat. Si vous utilisez seulement la farine sans la mesurer, votre gâteau pourrait être un désastre.

Pourquoi cela importe

Les auteurs suggèrent que l'utilisation de l'IDD aux côtés de l'ICC peut aider les scientifiques à éviter de commettre des erreurs. Par le passé, si une étude concluait qu'un certain médicament fonctionnait mieux pour certaines personnes, c'était peut-être parce que ces personnes avaient des dossiers plus « épais » où les médecins notaient plus de détails, et non parce que le médicament fonctionnait réellement mieux. En ajoutant l'IDD à leurs calculs, les chercheurs peuvent « contrôler » cette irrégularité.

L'article ne prétend pas avoir résolu tous les problèmes de la recherche médicale. Ils admettent que leurs chiffres spécifiques pourraient ne pas fonctionner parfaitement pour chaque hôpital du monde, car les hôpitaux écrivent les choses différemment. Ils encouragent d'autres scientifiques à prendre leur méthode et à la « réentraîner » sur leurs propres données locales. Ils notent également que leur outil actuel ne regarde que les données structurées (comme les cases à cocher et les codes) et ne lit pas encore les notes en texte libre que les médecins rédigent avec leurs propres mots.

En résumé, l'Indice de Densité des DSE est une nouvelle règle pour mesurer l'« épaisseur » de l'histoire médicale d'un patient. Il aide les chercheurs à comprendre que le fait qu'un dossier soit mince ne signifie pas que le patient est en bonne santé ; cela signifie peut-être simplement que l'histoire n'a pas encore été écrite. En utilisant ce nouvel outil, les scientifiques espèrent rendre leurs découvertes plus précises, plus justes et plus fiables pour tout le monde.