Les renseignements sur les facteurs non médicaux qui influent sur les résultats pour la santé, connus sous le nom de déterminants sociaux de la santé, sont souvent recueillis lors de rendez-vous médicaux. Mais ces informations sont fréquemment enregistrées sous forme de texte dans les notes cliniques écrites par les médecins, les infirmières, les travailleurs sociaux et les thérapeutes.
Des chercheurs du Regenstrief Institute et de la Fairbanks School of Public Health de l’Université de l’Indiana ont récemment publié l’une des premières études dans lesquelles le traitement du langage naturel a été appliqué aux déterminants sociaux de la santé. Les chercheurs ont développé trois nouveaux algorithmes de traitement du langage naturel pour extraire avec succès des informations à partir de données textuelles liées aux problèmes de logement, à la stabilité financière et au statut d’emploi des dossiers de santé électroniques.
« La santé et le bien-être ne concernent pas seulement les soins médicaux. Ils concernent principalement nos comportements, notre environnement, nos liens sociaux », a déclaré Joshua Vest, PhD, chercheur à l’Institut Regenstrief et membre du corps professoral de la Fairbanks School of Public Health, qui a dirigé le étude. « De plus en plus d’organisations de soins de santé doivent faire face à des déterminants sociaux, car ce sont des facteurs tels que les ressources financières, le logement et le statut d’emploi qui entraînent réellement des coûts qui rendent les gens en mauvaise santé. Le défi pour les organisations de soins de santé est de mesurer et d’identifier efficacement les patients présentant des risques sociaux. afin qu’ils puissent intervenir. »
« Notre travail aide à faire progresser le domaine à la fois dans l’application et la méthodologie. Le traitement du langage naturel a été appliqué à de nombreuses conditions dans le passé, mais c’est l’un des premiers articles qui l’applique aux déterminants sociaux de la santé. Nous avons démontré qu’un traitement naturel relativement simpliste L’approche de traitement du langage pourrait mesurer efficacement les déterminants sociaux au lieu d’utiliser des modèles d’apprentissage en profondeur et de réseau neuronal plus sophistiqués. Ces derniers modèles sont puissants mais complexes, difficiles à mettre en œuvre et nécessitent beaucoup d’expertise, ce que de nombreux systèmes de santé n’ont pas.
Nous avons délibérément conçu un système qui pourrait fonctionner en arrière-plan, lire toutes les notes et créer des balises ou des indicateurs indiquant que le dossier de ce patient contient des données suggérant une éventuelle préoccupation concernant un indicateur social lié à la santé. Notre objectif global est de mesurer suffisamment bien les déterminants sociaux pour que les chercheurs développent des modèles de risque et que les cliniciens et les systèmes de santé puissent utiliser ces facteurs – problèmes de logement, sécurité financière et statut d’emploi – dans la pratique courante pour aider les individus et offrir une meilleure compréhension des caractéristiques générales et des besoins de leur population de patients.
Joshua Vest, PhD, chercheur scientifique à l’Institut Regenstrief et membre du corps professoral de la Fairbanks School of Public Health
Les informations indiquant les besoins sociaux peuvent être extraites pour de nombreux types de données dans un dossier médical électronique, y compris des informations sur la profession du patient, la couverture d’assurance maladie, l’état civil, la taille du ménage, l’adresse (zone de criminalité faible ou élevée) et la fréquence des changements d’adresse.
Auparavant, le Dr Vest et ses collègues, dont le vice-président de l’Institut Regenstrief pour les données et l’analyse, Shaun Grannis, MD, ont créé une application qu’ils ont nommée Uppstroms, suédois pour en amont, et ont démontré avec succès qu’elle pouvait utiliser des données structurées pour prédire les patients nécessitant une référence. à un service social comme un nutritionniste.
