Les cliniciens sont plus susceptibles d'indiquer le doute ou l'incrédulité dans les dossiers médicaux des patients noirs que chez ceux des patients blancs – un modèle qui pourraient contribuer aux disparités raciales en cours dans les soins de santé. C'est la conclusion d'une nouvelle étude, analysant plus de 13 millions de notes cliniques, publiant le 13 août 2025 dans la revue à accès en plein air Plos un Par Mary Catherine Beach de l'Université Johns Hopkins, États-Unis
Il existe des preuves croissantes que les dossiers de santé électroniques (DSE) contiennent un langage reflétant les biais inconscients des cliniciens, et que ce langage peut saper la qualité des soins que les patients reçoivent.
Dans la nouvelle étude, les chercheurs ont analysé 13 065 081 notes de DSE écrites entre 2016 et 2023 environ 1 537 587 patients par 12 027 cliniciens d'un grand système de santé au milieu de l'Atlantique. Ils ont utilisé des outils d'intelligence artificielle (IA) pour trouver quelles notes avaient un langage suggérant que le clinicien a douté de la sincérité ou de la compétence narrative du patient pour l'exemple indiquant que le patient « prétend », « insiste » ou est « catégorique sur » leurs symptômes, ou est un « pauvre historien ».
Dans l'ensemble, moins de 1% (n = 106 523; 0,82%) des billets médicaux contenaient un langage sapant la crédibilité du patient – dont environ la moitié a sapé la sincérité (n = 62 480; 0,48%) et la moitié de la compétence (n = 52 243; 0,40%). Cependant, les notes écrites sur les patients noirs non hispaniques, par rapport à ceux écrits sur les patients blancs, avaient des chances plus élevées de contenir des termes sapant la crédibilité des patients (AOR 1,29, IC à 95% 1,27–1,32), la sincérité (AOR 1,16; IC à 95% 1,14–1.19) ou compétence (AOR 1,50; 95% 1,47–1,54). De plus, les notes écrites sur les patients noires étaient moins susceptibles d'avoir une langue soutenant la crédibilité (AOR 0,82; IC à 95% 0,79–0,85) que celles écrites sur les patients blancs ou asiatiques.
L'étude a été limitée par le fait qu'elle n'utilisait qu'un seul système de santé et n'a pas examiné l'influence des caractéristiques des cliniciens telles que la race, l'âge ou le sexe. De plus, comme les modèles de PNL utilisés avaient une précision élevée, mais pas parfaite, dans la détection du langage lié à la crédibilité, ils peuvent avoir mal classé certaines notes et ainsi surestimer la prévalence du langage lié à la crédibilité.
Pourtant, les auteurs concluent que la documentation du clinicien sapant la crédibilité du patient peut stigmatiser de manière disproportionnée les noirs, et que les résultats représentent probablement « la pointe d'un iceberg ». Ils disent que la formation médicale devrait aider les futurs cliniciens à devenir plus conscients des préjugés inconscients et que les outils d'IA utilisés pour aider à rédiger des notes médicales devraient être programmés pour éviter le langage biaisé.
Les auteurs ajoutent: « Pendant des années, de nombreux patients – en particulier les patients noirs – ont estimé que leurs préoccupations étaient rejetées par les professionnels de la santé. En isolant des mots et des phrases suggérant qu'un patient ne peut pas être cru ou pris au sérieux, nous espérons sensibiliser à ce type de biais de crédibilité dans le but ultime de l'éliminer.«
