Une équipe dirigée par des chercheurs de Weill Cornell Medicine a utilisé une approche basée sur l’IA pour découvrir des modèles sous-jacents parmi les conditions dans lesquelles les personnes naissent, grandissent, vivent, travaillent et vieillissent, appelées déterminants sociaux de la santé (SDoH), puis liées. chaque modèle aux résultats de santé des enfants. Par rapport aux approches traditionnelles, la stratégie fournit en principe une image plus objective et plus complète des facteurs sociaux potentiels qui affectent la santé des enfants, ce qui, à son tour, peut permettre des interventions mieux ciblées.
Comme indiqué le 16 octobre dans JAMA Pédiatrie, les chercheurs ont analysé les données de plus de 10 500 enfants américains, dans des communautés de 17 États américains. En quantifiant plus de 80 facteurs SDoH au niveau du quartier pour chaque enfant, l’analyse a révélé quatre grands modèles dans l’échantillon, notamment la richesse, un environnement à forte stigmatisation, un dénuement socio-économique élevé et des taux élevés de criminalité et de vente de drogue, associés à un faible niveau d’éducation et à des zones densément peuplées. . Ils ont trouvé des associations statistiques entre ces modèles et les résultats liés à la santé développementale de l’enfant, notamment la santé mentale, cognitive et physique.
Un ensemble complexe de facteurs sociaux peut influencer la santé des enfants, et je pense que nos résultats soulignent l’importance d’utiliser des méthodes capables de gérer une telle complexité. »
M. Yunyu Xiao, auteur important d’étude, professeur adjoint des sciences de santé de population, médecine de Weill Cornell
Le Dr Xiao a codirigé l’étude avec le Dr Chang Su, également professeur adjoint en sciences de la santé des populations. Tous deux font partie de la Division d’informatique de la santé du Département des sciences de la santé des populations de Weill Cornell Medicine. Le Dr Jyotishman Pathak et le Dr Fei Wang, également de Weill Cornell Medicine, sont co-auteurs de ce travail commun.
Les chercheurs de Weill Cornell Medicine travaillent avec une équipe multi-institutionnelle et multidisciplinaire d’experts pour étudier les déterminants sociaux potentiels de la santé à la recherche d’indices sur les causes persistantes de mauvais résultats pour la santé. L’équipe comprend le Dr John Mann, expert en psychiatrie, de l’Université de Columbia ; Drs. Timothy Brown, Lonnie Snowden et Julian Chun-Chung Chow, respectivement experts en économie de la santé, en politique de santé et en protection sociale à l’Université de Californie ; Berkeley School of Public Health et l’épidémiologiste social Dr Alex Tsai de la Harvard Medical School. L’identification des facteurs sociaux influençant la santé peut également orienter les politiques sociales visant à améliorer la santé des enfants, telles que la législation rendant obligatoire la gratuité des repas scolaires pour les enfants issus de familles à faible revenu, associée à des prestations de soins de santé holistiques à l’école et en milieu clinique, a déclaré le Dr Xiao.
Une nouvelle approche d’un problème complexe
Les études antérieures dans ce domaine ont eu tendance à se concentrer sur des ensembles restreints de variables socio-économiques et de résultats en matière de santé, et ont généralement examiné les résultats moyennés sur de grandes zones géographiques telles que des comtés ou des États.
Dans la nouvelle étude, les chercheurs ont adopté une approche différente. Drs. Xiao et Su sont des experts dans l’utilisation de l’apprentissage automatique et d’autres techniques avancées d’IA qui permettent des analyses relativement impartiales et fines de grands ensembles de données. Ces dernières années, ils ont utilisé ces techniques de « mégadonnées » pour résoudre d’importants problèmes d’épidémiologie sociale ; par exemple, en examinant les facteurs pouvant influencer la santé mentale des enfants pendant la pandémie de COVID-19.
« Notre approche est basée sur les données, ce qui nous permet de voir quels modèles existent dans de grands ensembles de données, sans hypothèses préalables ni autres biais », a déclaré le Dr Su.
L’ensemble de données de la nouvelle étude a été généré par un projet en cours, basé sur une enquête et parrainé par les National Institutes of Health (NIH), appelé Étude sur le développement cognitif du cerveau des adolescents (ABCD). Elle a porté sur une cohorte de 10 504 enfants, âgés de 9 à 10 ans au départ, et leurs parents répartis sur 21 sites à travers les États-Unis de 2016 à 2021. La mixité ethnique et raciale de l’échantillon reflétait largement celle des États-Unis dans leur ensemble.
Dans l’analyse, le dossier de chaque enfant a été évalué sur 84 variables SDoH différentes liées aux ressources éducatives, aux infrastructures physiques, aux préjugés et à la discrimination perçus, au revenu du ménage, à la criminalité dans le quartier et aux drogues. L’algorithme d’apprentissage automatique a identifié des modèles sous-jacents dans les profils SDoH des enfants – et a également recherché des associations statistiques entre ces modèles et les résultats en matière de santé.
Les résultats en matière de santé des enfants varient en fonction des déterminants sociaux
L’une des principales conclusions était que les données étaient regroupées en quatre grands modèles SDoH : riches ; un dénuement socio-économique élevé ; une criminalité urbaine élevée et un faible niveau de scolarité et de ressources ; et forte stigmatisation ; cette dernière impliquant des mesures autodéclarées plus élevées de préjugés et de discrimination à l’égard des femmes, des immigrants et d’autres groupes sous-représentés. Les enfants blancs étaient surreprésentés dans les zones riches et fortement stigmatisées ; Enfants noirs et hispaniques dans les deux autres.
Chacun des quatre profils était associé à son propre schéma général de résultats en matière de santé, le schéma de « privation socio-économique élevée » étant associé aux pires résultats en matière de santé en moyenne, notamment davantage de signes de maladie mentale, de moins bonnes performances cognitives et une moins bonne santé physique. Les deux autres profils de non-riches étaient également généralement associés à des résultats plus défavorables que le profil de riches.
L’étude présentait certaines limites, notamment la nature autodéclarée des données ABCD, fondées sur une enquête, qui est généralement considérée comme moins fiable que les données mesurées objectivement. En outre, des analyses épidémiologiques comme celles-ci ne peuvent révéler que des associations entre les facteurs sociaux et les résultats en matière de santé ; elles ne peuvent pas prouver que les premiers influencent les seconds. Malgré cela, ont déclaré les chercheurs, les résultats démontrent la puissance d’une approche d’apprentissage automatique relativement impartiale pour découvrir des liens potentiellement significatifs et devraient contribuer à éclairer les études futures qui peuvent découvrir de véritables mécanismes causals reliant les facteurs sociaux à la santé des enfants.
« Cette approche multidimensionnelle et impartiale peut en principe conduire à des interventions politiques plus ciblées et plus efficaces que nous étudions dans le cadre d’un projet actuellement financé par le NIH », a déclaré le Dr Xiao.
Une étude révèle comment certaines bactéries E. coli présentes dans l'intestin favorisent le cancer du côlon