Systemic Social Factors and Healthcare Data Quality: A Socio-Technical Systems Analysis

Dans l'hôpital moderne, un vaste registre numérique enregistre chaque battement de cœur, chaque diagnostic et chaque médicament administré. Ces dossiers électroniques sont la colonne vertébrale des soins aux patients, guidant les médecins lorsqu'ils prennent des décisions de vie ou de mort et aidant les hôpitaux à fonctionner de manière fluide. Pour que ces systèmes fonctionnent, l'information qu'ils contiennent doit être parfaite. Si un dossier manque d'un détail, contient une faute de frappe ou répertorie une condition sous un mauvais nom, les conséquences peuvent se propager vers l'extérieur, entraînant des retards de traitement, de la confusion chez le personnel et même des préjudices pour les patients. Pendant des années, l'hypothèse a été que si le logiciel était assez bon, les données le seraient aussi. La croyance prédominante était que de meilleurs algorithmes et des contrôles automatisés plus stricts résoudraient le problème des dossiers désordonnés.

Cependant, une nouvelle perspective suggère que la qualité de ces données dépend moins du code qui s'exécute dans la salle des serveurs que des personnes qui travaillent dans les couloirs. Cette idée repose sur un concept connu de système socio-technique, qui considère une organisation non pas seulement comme une collection de machines, mais comme un partenariat complexe entre la technologie et le comportement humain. Dans cette optique, un programme informatique n'est efficace qu'à la mesure de l'équipe qui l'utilise, et la façon dont les gens communiquent entre eux, partagent les responsabilités et naviguent à travers leurs pressions quotidiennes façonne le résultat final autant que le logiciel lui-même. Comprendre cette relation est crucial car cela déplace l'attention de la réparation des ordinateurs vers la réparation de la manière dont les humains interagissent avec eux.

Une étude récente de Phuong Pham, de l'Université de la Cumberlands, explore précisément cette dynamique. La recherche pose une question simple mais profonde : comment les personnes qui travaillent quotidiennement avec les données de santé expliquent-elles les forces sociales qui rendent leurs dossiers bons ou mauvais ? Pour trouver la réponse, la chercheuse s'est entretenue avec dix-huit professionnels de la santé à travers les États-Unis. Ces participants n'étaient pas seulement des médecins ; ils comprenaient des analystes de données, des ingénieurs, des infirmiers et des administrateurs, offrant ainsi un large éventail de points de vue. Les entretiens ont été menés en tête-à-tête, permettant aux participants de partager leurs expériences réelles sans la pression d'un cadre de groupe. La chercheuse a ensuite écouté attentivement leurs récits, cherchant des modèles communs dans la façon dont ils décrivent les défis et les succès de leur travail.

Les résultats révèlent que les plus grands obstacles à des données de haute qualité ne sont pas les problèmes techniques, mais la friction humaine et organisationnelle. L'un des obstacles les plus importants identifiés était un fossé de communication entre les personnes qui construisent la technologie et celles qui l'utilisent pour les soins aux patients. Le personnel technique utilise souvent un langage spécialisé que les cliniciens ne comprennent pas, tandis que les médecins et les infirmiers utilisent des termes que les ingénieurs trouvent déroutants. Ce fossé crée une situation où une pathologie peut être nommée différemment par deux départements distincts, provoquant le fait que la base de données les traite comme des problèmes séparés. Lorsque les équipes travaillent en silos, de manière isolée, les erreurs passent inaperçues car personne n'a une vision complète. L'étude a constaté que lorsque ces groupes ne se parlent pas régulièrement, les données deviennent fragmentées et peu fiables.

Un autre thème majeur était le conflit entre différentes priorités. Pour un médecin, l'objectif principal est de sauver une vie ou de soulager une douleur dans l'instant. La saisie de données dans un ordinateur est souvent perçue comme une tâche secondaire, un obstacle bureaucratique qui prend du temps sur le soin au patient. Lorsqu'un médecin est pressé de traiter une urgence, il peut omettre un champ ou saisir une valeur rapide et approximative juste pour continuer à avancer. L'étude a souligné que cela n'est pas un signe de paresse, mais une réaction naturelle à un système qui exige trop de travail administratif lors de moments critiques. De même, les équipes techniques privilégient souvent une structure de données parfaite, créant parfois des règles rigides qui ne correspondent pas à la réalité désordonnée de la présentation réelle des patients. Lorsque ces deux mondes entrent en collision, le résultat est souvent des dossiers incomplets ou inexacts.

La recherche a également pointé du doigt un manque de propriété claire. Dans de nombreuses organisations, il est difficile de savoir qui est responsable de la correction d'une erreur une fois qu'elle apparaît dans le système. Si un dossier est erroné, le médecin peut penser que c'est à l'équipe informatique de le corriger, tandis que l'équipe informatique suppose que le médecin le corrigera. Cette confusion entraîne des erreurs qui restent non corrigées pendant de longues périodes. De plus, l'étude a noté que le taux de rotation élevé du personnel crée un cycle de perte de connaissances. Lorsque des travailleurs expérimentés partent, ils emportent avec eux leur compréhension de la navigation dans le système, laissant le nouveau personnel apprendre par essais et erreurs, ce qui entraîne souvent davantage de fautes.

Malgré ces défis, les participants ont également décrit ce qui fonctionne. Ils ont trouvé que lorsque les équipes alignent leurs objectifs et parlent le même langage, la qualité des données s'améliore considérablement. Une stratégie efficace mentionnée était l'utilisation de retours en temps réel, où le personnel reçoit des rappels immédiats et subtils s'il manque une information, plutôt que d'attendre un audit mensuel. Un autre succès provenait de la présence de liaisons dédiées — des personnes capables de traduire les besoins techniques en langage simple pour les cliniciens et vice versa. Lorsque les organisations créent une culture où chacun se sent responsable des données, et lorsqu'elles fournissent une formation continue pour maintenir les compétences à jour, les dossiers deviennent plus fiables.

L'étude conclut que la correction des données de santé nécessite plus que de meilleurs logiciels. Cela exige un changement dans la manière dont les organisations gèrent leurs employés. La technologie n'est qu'une moitié de l'équation ; l'autre moitié est le système social de communication, de confiance et de responsabilité partagée. La recherche suggère que pour obtenir des données correctes, les hôpitaux doivent investir dans la construction de ponts entre leurs équipes techniques et cliniques, clarifier qui fait quoi, et créer un environnement où les gens disposent du temps et du soutien nécessaires pour bien faire leur travail. En abordant ces facteurs humains, les organisations de santé peuvent garantir que leurs dossiers numériques reflètent véritablement les soins qu'elles dispensent, menant finalement à des traitements plus sûrs et plus efficaces pour les patients.