Suivi des déterminants sociaux de la santé dans les dossiers de santé électroniques

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 souvent enregistrées sous forme de texte dans des notes cliniques écrites par des médecins, des infirmières, des travailleurs sociaux et des thérapeutes.

Des chercheurs du Regenstrieff 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 et nos liens sociaux », a déclaré Joshua Feist, chercheur à l’Institut Regenstrieff et membre du corps professoral de la Fairbanks School of Public. Santé, Joshua Feist, Ph.D. qui a dirigé l’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 finances, le logement et le statut d’emploi qui entraînent réellement les coûts liés à la mauvaise santé. Le défi pour les organisations de soins de santé est de mesurer et d’identifier efficacement les patients atteints de handicaps sociaux. . Même les risques Ils peuvent interférer. »

« 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 à l’appliquer aux déterminants sociaux de la santé. »

« Nous avons montré qu’une approche de traitement du langage naturel relativement simplifiée peut mesurer efficacement les déterminants sociaux plutôt que d’utiliser des modèles d’apprentissage en profondeur et des réseaux de neurones plus complexes. Ces derniers modèles sont puissants mais complexes, difficiles à mettre en œuvre et nécessitent beaucoup d’expertise, ce que la santé les systèmes n’ont pas.

« Nous avons intentionnellement 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 indiquant une préoccupation potentielle concernant un indicateur social lié à la santé », a ajouté le Dr Feist.

« Notre objectif global est de mesurer suffisamment 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 fournir un meilleure compréhension des caractéristiques générales et des besoins des patients.

Les informations indiquant les besoins sociaux peuvent être extraites de nombreux types de données trouvées dans le dossier médical électronique, y compris des informations sur la profession du patient, la couverture d’assurance maladie, l’état matrimonial, la taille de la famille, l’adresse (zone de criminalité faible ou élevée) et la fréquence des changements d’adresse. .

Auparavant, le Dr Feist et ses collègues, dont le vice-président du Regenstrief Institute pour les données et l’analyse Shaun Grannis, MD, ont créé une application qu’ils ont appelée uppstromssuédois pour Upstream, a démontré avec succès que des données structurées peuvent être utilisées pour prédire quels patients devront être orientés vers un service social tel qu’un diététicien.

Publication de la recherche dans la revue gamma ouvert.