Alors que la pandémie de Covid-19 a mis en lumière les faiblesses criantes des systèmes de santé publique, une réflexion s’impose : l’heure est à un investissement massif et à une analyse approfondie des données pour mieux anticiper et gérer les crises sanitaires futures.
Depuis des décennies, la santé publique souffre d’un sous-financement chronique. Cette négligence, dont les effets se sont révélés dévastateurs avec la pandémie de Covid-19, a enfin alerté les décideurs politiques et les leaders d’opinion sur la nécessité d’accroître significativement les investissements.
Les chiffres parlent d’eux-mêmes : les États-Unis consacrent annuellement environ 3 600 milliards de dollars à la santé, mais moins de 3 % de ce montant est alloué à la santé publique et à la prévention. Une analyse de Forbes datant de 2020 souligne par ailleurs que « de la fin des années 1960 aux années 2010, la part fédérale des dépenses totales de santé dédiée à la santé publique est passée de 45 % à 15 % ». Cette indifférence relative à la santé publique est une des raisons expliquant la réponse mitigée du pays face à la pandémie de SARS-CoV-2. Une récente analyse de McKinsey & Company conclut d’ailleurs que « si les dirigeants gouvernementaux restent concentrés sur la gestion de la crise actuelle, des investissements judicieux pourraient dès à présent améliorer la réponse en cours à la Covid-19 et renforcer les systèmes de santé publique afin de réduire les risques de futures pandémies. Les investissements dans la santé publique et d’autres biens publics sont encore plus sous-évalués. »
Parmi les autres « biens publics » nécessitant des investissements accrus figurent la gestion de la santé et l’analyse de la santé des populations. Bien que les experts débattent encore des nuances entre santé publique et santé de la population, la distinction a peu d’importance pour nos besoins. La santé de la population se réfère à l’état de santé d’un groupe spécifique d’individus, qu’ils résident dans une ville, un État ou un pays donné. La santé publique, quant à elle, adopte une perspective plus globale, s’intéressant à l’état de santé de l’ensemble de la population. La gestion de la santé de ces sous-groupes requiert une approche analytique capable de prendre en compte une longue liste de variables, y compris les déterminants sociaux de la santé (DSH). Les données sur les DSH de Change Healthcare, par exemple, ont démontré que l’Indice de Stabilité Économique (ESI) est un fort prédicteur de l’utilisation des soins de santé. L’ESI est un modèle de clustering qui utilise le comportement du marché et les attitudes financières des individus d’un groupe, les classant dans l’une des 30 catégories. La catégorie 1 représente les personnes les plus susceptibles d’être économiquement stables, la catégorie 30 les moins susceptibles. Une étude reliant la race, l’ESI et l’utilisation des soins de santé dans le Kentucky suggère que les personnes noires/afro-américaines sont beaucoup moins susceptibles d’être économiquement stables (catégorie 1). La même analyse révèle que ces populations sont presque deux fois plus susceptibles d’avoir recours aux urgences par rapport aux personnes blanches (30,5 % contre 18,1 %). Un nombre croissant d’organisations de santé reconnaissent la valeur de ces mesures de santé de la population et intègrent ces statistiques dans leur processus décisionnel.
Parmi les sources de données précieuses qui peuvent éclairer la santé des populations, on trouve les enquêtes auprès des patients, les dossiers médicaux et les dossiers médicaux électroniques (DME). Plusieurs outils analytiques traditionnels permettent d’extraire des informations exploitables de ces sources, comme la régression logistique. Au fil des décennies, des études majeures ont également permis de développer des systèmes de scores de risque visant à améliorer la santé publique. Le Framingham Risk Score est utilisé depuis de nombreuses années pour évaluer la probabilité de développer une maladie cardiovasculaire sur une période de 10 ans. Puisqu’il permet de prédire l’apparition de maladies cardiaques, il peut également servir d’outil utile pour créer des programmes préventifs basés sur la population et ainsi réduire ce risque. Cet outil nécessite que les patients fournissent leur âge, leur sexe, leur statut tabagique, leur taux de cholestérol total et HDL, leur pression artérielle systolique, et indiquent s’ils prennent des médicaments antihypertenseurs. L’American Diabetes Association a développé sa propre méthode de score de risque pour évaluer la probabilité de diabète de type 2 dans la population. Cet outil prend en compte l’âge, le sexe, les antécédents de diabète gestationnel, le niveau d’activité physique, les antécédents familiaux de diabète, l’hypertension, la taille et le poids. Une autre méthodologie analytique de valeur en santé de la population est l’indice LACE, acronyme pour Durée de séjour (Length of stay), Acuité à l’admission (Acuity at admission), Indice de comorbidité de Charlson (Charlson Comorbidity Index – CCI) et Nombre de visites aux urgences (Emergency department visits) dans les 6 mois précédents. Plus récemment, plusieurs outils analytiques basés sur l’intelligence artificielle (IA) sont utilisés pour améliorer la santé de la population. Une revue des méthodes analytiques liées à l’apprentissage automatique (Machine Learning – ML) a constaté que les algorithmes basés sur les réseaux de neurones sont les plus couramment utilisés (41 %) dans ce contexte, suivis par les machines à vecteurs de support (25,5 %) et la modélisation par forêts aléatoires (21 %).
Il est impossible de savoir comment le monde aurait géré la pandémie de Covid-19 si les décideurs avaient pleinement investi dans des programmes et des analyses de santé publique et de population. Cependant, il ne fait aucun doute que nous serons tous bien mieux préparés à la prochaine crise sanitaire si nous consacrons davantage de temps, d’énergie et de ressources à ces initiatives.