Les recherches de Kai Ruggeri ont un objectif primordial: améliorer le bien-être des populations en affrontant les inégalités. Il est un spécialiste du comportement à Columbia qui utilise la science des données pour concevoir des interventions et recommander des politiques qui aident les populations les plus vulnérables et les plus défavorisées à surmonter les inégalités.
En tant que professeur adjoint au Département des politiques et de la gestion de la santé à la Mailman School of Public Health de Columbia, Ruggeri se concentre sur les comportements au niveau de la population tels que la façon dont les gens font des choix financiers et utilisent les soins de santé. Bien que son travail concerne des populations entières, il se concentre en grande partie sur la manière de remédier aux inégalités d'accès et de résultats, en particulier parmi les plus défavorisés. Ces inégalités sont devenues encore plus apparentes avec l'épidémie de Covid-19, car des taux plus élevés d'infection et de décès chez les personnes de couleur démontrent le caractère racial de l'inégalité dans le système de santé américain.
Vous pouvez lier à peu près tous les problèmes majeurs aux inégalités. Certains sont des défauts ou des biais dans le système; certains sont des circonstances malheureuses; à peu près tous sont nocifs. L'objectif est de surélever le plancher, d'augmenter la moyenne et d'éliminer les plafonds. Si vous faites cela, vous voyez des populations entières s'améliorer. Cela commence par ceux qui en ont le plus besoin, mais tout le monde en profite. «
Kai Ruggeri, affilié au Data Science Institute
L'un des projets de Ruggeri utilise la science des données pour éliminer les inégalités et accroître l'accès aux soins de santé dans les communautés non desservies de Brooklyn, du Bronx, de Manhattan et du Queens. Le projet, intitulé Nudging New York, est soutenu par une subvention du Data Science Institute Seed Fund. Il collabore au projet avec le Community Healthcare Network (CHN), une clinique de santé agréée par le gouvernement fédéral qui fournit des soins aux New-Yorkais défavorisés.
Les centres de soins de santé financés par le gouvernement fédéral comme le CHN fournissent des soins médicaux à plus de 20 millions d'Américains qui vivent dans des régions pauvres. Pourtant, dans bon nombre de ces domaines, près de la moitié des patients qui prennent rendez-vous chez le médecin ne se présentent pas – non pas parce qu'ils ne le souhaitent pas, mais ils rencontrent des obstacles majeurs. Les données montrent que les rendez-vous de non-présentation des patients et les occasions manquées pour les soins médicaux nécessaires font peser un énorme fardeau sur la santé des communautés défavorisées. Les non-présentations, par exemple, augmentent la probabilité que les patients se rendent aux urgences et soient hospitalisés pour des affections qui auraient pu être traitées dans les cliniques. En tant que tel, même de légères diminutions des taux de non-présentation dans les cliniques amélioreraient la santé des populations vulnérables tout en réduisant les coûts médicaux du pays.
Ruggeri a récemment publié un article sur la recherche Nudging New York en BMC Health Services Research, qui appartient à Springer Nature. Dans le document, son équipe détaille comment il utilise les mégadonnées et les techniques d'apprentissage automatique bayésien pour comprendre ce qui empêche de nombreux patients de 80 000 CHN de prendre leurs rendez-vous médicaux. L'équipe discute également de plusieurs interventions et politiques comportementales à l'échelle du système qui pourraient les aider à respecter leurs rendez-vous. Ils explorent également les obstacles communs aux soins aux patients, tels que le transport, la garde d'enfants, les services de traduction et les heures de rendez-vous peu pratiques.
Une fois que l'équipe aura évalué les données comportementales et environnementales des patients, ainsi que les données des services d'urgence des hôpitaux partenaires, elle utilisera une technique connue sous le nom de «coups de coude» pour aider les patients à respecter leurs rendez-vous. Les nudges sont des interventions comportementales qui encouragent des choix optimaux. Ils peuvent être appliqués de diverses manières, par exemple en fournissant plus d'informations aux patients ou en insistant plus fortement sur l'importance de se présenter à des examens réguliers. Ce qui est le plus important, c'est que les coups de pouce soient personnalisés, car les interventions les plus efficaces sont celles qui répondent aux besoins spécifiques des individus, dit Ruggeri.
«En évaluant les sources de données cliniques, comportementales et environnementales, puis en associant les interventions les plus efficaces aux bons groupes de patients, nous espérons réduire les absences et les visites évitables aux urgences», dit-il. « En mettant en œuvre des méthodes d'apprentissage machine bayésien pour mieux comprendre les modèles de comportement dans ces groupes, nous concevrons des coups de pouce qui augmentent l'accès aux soins de santé pour les New-Yorkais les plus vulnérables. Si nous le faisons correctement, les méthodes que nous créons peuvent être utilisées dans des cliniques communautaires à travers aux États-Unis pour améliorer radicalement les soins de santé tout en réduisant considérablement les coûts. Bien que nous nous concentrions sur New York, ce travail a le potentiel d'avoir un impact dans les communautés rurales et urbaines à travers le pays. «
Le CHN joue également un rôle majeur dans la lutte contre Covid-19. Il est passé à l'offre de télémédecine à ses clients, étant donné le verrouillage, tout en servant de site de test Covid-19. L'équipe de Ruggeri a adapté ses recherches pour aider le réseau à lutter contre le coronavirus, dont les données montrent qu'il affecte de manière disproportionnée les communautés de couleur.
« Nous travaillons avec le réseau sur un certain nombre d'initiatives, allant de l'optimisation des arrangements de télémédecine au suivi des personnes incapables d'assister aux sessions pour voir si nous pouvons formuler des interventions pour soutenir ceux qui ont besoin de soins mais qui se heurtent à des obstacles pour les obtenir », dit-il. «Le RCS contribue de manière critique à cette pandémie, et nous sommes reconnaissants du soutien du Data Science Institute pour nous permettre de concevoir des interventions comportementales et de maximiser l'utilisation des données pour aider le réseau à dispenser des soins.»
En plus d'être affilié à DSI, Ruggeri appartient à deux des centres de l'institut: Financial and Business Analytics et Health Analytics. L'éducation, la stabilité financière, la santé et la sécurité nationale sont les facteurs fondamentaux qui permettent aux populations de s'épanouir, c'est pourquoi il dit avoir rejoint les deux centres. Dans le passé, les chercheurs pouvaient se concentrer sur un ou deux de ces facteurs, mais avec plus de données et de ressources technologiques modernes, « nous pouvons maintenant voir comment tous ces facteurs interagissent ».
« Et sachant cela, nous pouvons utiliser toutes les données et les nouvelles technologies pour obtenir de meilleurs résultats pour ceux qui en ont le plus besoin », a déclaré M. Ruggeri. «Le Data Science Institute m'a donné une excellente occasion de me lancer tête première dans ce travail au début de mon séjour à Columbia, et le soutien qu'ils m'ont apporté pour aller de l'avant avec mes recherches est quelque chose qui, je l'espère, aura un impact encore plus grand dans un avenir proche. Mon objectif est de créer de meilleurs résultats en matière de bien-être dans toutes les communautés – c'est ce qui me réveille le matin – et la science des données m'aide à atteindre cet objectif.
La source:
Institut de science des données à Columbia
