L’apprentissage automatique met en lumière les défis de santé mentale auxquels sont confrontés les travailleurs de la santé pendant la pandémie de COVID-19

Dans une étude publiée dans JMIR IAdes chercheurs ont évalué l’anxiété et la dépression auxquelles sont confrontés les travailleurs de la santé (HCW) aux États-Unis pendant la pandémie de maladie à coronavirus 2019 (COVID-19).

À l’aide de méthodes d’apprentissage automatique, ils ont montré à quel point les problèmes rencontrés par les travailleurs de la santé sont uniques et ont mis en évidence les moyens de soutenir plus efficacement cette main-d’œuvre indispensable.

Arrière-plan

Les professionnels de la santé sont plus vulnérables que la population générale aux problèmes de santé mentale tels que la dépression, l’anxiété et les idées suicidaires. La COVID-19 a encore accru le stress et la charge de travail auxquels sont confrontés les travailleurs de la santé. À mesure que la pandémie s’est intensifiée, le nombre de patients a dépassé les lits disponibles et les hôpitaux ont été contraints de fonctionner au-delà de leur capacité.

Les travailleurs de la santé travaillaient de plus longues heures dans des conditions défavorables, notamment en raison d’un manque d’équipement et de ressources, ce qui les obligeait à rationner les soins et à prendre des décisions difficiles.

En tant que travailleurs de première ligne, ils étaient plus exposés au virus et avaient souvent un accès limité aux masques et autres protections. Comme beaucoup d’autres, ils ont également perdu le soutien des réseaux sociaux et familiaux en raison des directives strictes de quarantaine.

Les travailleurs de la santé souffrant de dépression et d’anxiété sont plus susceptibles de commettre des erreurs, mettant par inadvertance en danger la sécurité des patients. Améliorer leur bien-être est essentiel au renforcement du système de santé dans son ensemble.

Cela nécessite davantage de recherches afin de mieux comprendre les défis de santé mentale auxquels les travailleurs de la santé sont confrontés et de leur fournir le soutien dont ils ont besoin. De telles interventions contribueront à rendre le système de santé résilient aux futures pandémies et autres perturbations.

À propos de l’étude

Les chercheurs ont obtenu les relevés de notes de traitement de 820 travailleurs de la santé qui ont reçu une psychothérapie numérique auprès de prestataires agréés de mars à juillet 2020. Ces relevés de notes ont été anonymisés pour protéger la vie privée des patients.

Les travailleurs de la santé comprenaient des prestataires tels que des médecins, des résidents, des infirmières, des travailleurs sociaux et des prestataires de services médicaux d’urgence. Ils s’étaient tous adressés eux-mêmes et disposaient d’identifiants nationaux de fournisseur (NPI) actifs.

Ils ont reçu une thérapie dans le cadre d’une initiative visant à fournir un traitement gratuit aux travailleurs de la santé pendant un mois. La plateforme de télésanté qui a fait don de ces services traite également des non-agents de santé.

Pour identifier en quoi les défis auxquels sont confrontés les travailleurs de la santé différaient de ceux de la population générale, les chercheurs ont comparé chaque prestataire à un non-travailleur de la santé en fonction des similitudes en termes de symptômes, de données démographiques, de date de début de traitement et d’état de résidence. Les non-travailleurs de la santé inclus dans l’étude étaient des résidents américains anglophones ayant accès à Internet.

Avant de recevoir un traitement, tous les patients ont été évalués pour leur dépression et leur anxiété par un prestataire agréé. Le Patient Health Questionnaire-9 a été utilisé pour mesurer les symptômes de la dépression, et une échelle de trouble d’anxiété générale-7 a évalué les symptômes de l’anxiété.

Ils ont été exclus de l’étude s’ils (1) nécessitaient une hospitalisation, (2) avaient des pensées suicidaires ou (3) souffraient de troubles bipolaires, de toxicomanie et d’autres troubles.

Les chercheurs ont utilisé un algorithme de classification heuristique pour obtenir la profession de chaque travailleur de la santé à partir de la transcription. Ils ont ensuite traité les transcriptions anonymisées en convertissant les mots vers leurs formes racines pour créer un « vocabulaire ». Ils ont supprimé les transcriptions vides et les mots provenant de moins de 50 documents.

Cela a donné lieu à 1 208 termes provenant des relevés de notes de 820 travailleurs de la santé et à 1 259 des relevés de notes de 820 non-travailleurs de la santé. Des méthodes de modélisation structurelle de sujets (STM) ont ensuite été utilisées pour identifier les sujets soulevés par les patients et les associations entre les sujets et les niveaux de dépression et d’anxiété.

Résultats

Les travailleurs de la santé étaient majoritairement des femmes (91 %) et âgés en moyenne de 31,3 ans. L’État de New York et la Californie représentaient plus du quart de l’échantillon. Un peu plus de la moitié des travailleurs de la santé étaient des infirmiers, tandis que moins de 20 % étaient des médecins.

Notamment, 35,2 % des travailleurs de la santé ont déclaré qu’il s’agissait de leur première expérience de psychothérapie. Un peu plus de 56 % des patients soignants ont reçu un diagnostic de troubles anxieux, tandis que seulement 8,2 % ont reçu un diagnostic de troubles dépressifs. Avant le traitement, 601 travailleurs de la santé sur 820 (73,3 %) souffraient de dépression ou d’anxiété.

Les STM ont montré que les travailleurs de la santé évoquent fréquemment quatre sujets liés à la prestation de soins de santé. Les sujets exclusivement mentionnés par eux comprenaient (1) les peurs liées au coronavirus, (2) leur travail dans les unités de soins intensifs (USI) et les étages des hôpitaux, (3) le masquage et les patients, et (4) leurs rôles (comme assister ou résident).

À l’opposé, les non-travailleurs de la santé n’ont mentionné qu’un seul sujet lié à l’anxiété liée à la pandémie et un seul sujet lié à leurs employeurs.

En ce qui concerne la santé mentale, les travailleurs de la santé et leurs témoins ont abordé cinq sujets, discutant des crises de panique, des troubles de leur humeur et des expériences de deuil. Les travailleurs de la santé ont également fréquemment mentionné des perturbations dans leur sommeil.

Les prestataires souffrant de dépression ou d’anxiété modérée à sévère étaient plus susceptibles de discuter de l’hôpital ou de domaines tels que l’USI. Par rapport aux témoins appariés, les travailleurs de la santé étaient également plus susceptibles de mentionner des troubles de l’humeur ou des perturbations du sommeil.

Conclusions

En comparant 820 prestataires de soins de santé avec 820 patients non professionnels de santé appariés recevant un traitement à partir de la même plateforme, les chercheurs de cette étude ont utilisé des méthodes de linguistique informatique par apprentissage automatique pour montrer que les patients de travail de santé présentaient des associations uniques entre les symptômes psychiatriques et leur travail. Les résultats montrent que la pandémie a augmenté les niveaux de stress liés au travail auxquels les travailleurs de la santé sont régulièrement confrontés, soulignant la nécessité de donner la priorité à leur santé mentale.

Les auteurs ont reconnu les limites de l’étude et ont identifié des pistes de recherches futures. Étant donné que les patients se présentaient eux-mêmes, les chercheurs n’ont pas pu inclure ceux ayant un accès limité à la thérapie virtuelle.

Il y avait une nette disparité dans l’échantillon en faveur des prestataires de sexe féminin, en particulier des infirmières, ce qui indique la nécessité d’atteindre davantage de médecins et de praticiens de sexe masculin. D’autres études pourraient également inclure des modèles linguistiques plus complexes et permettre l’analyse de transcriptions non anglaises.

Malgré ces lacunes, il est clair que l’étude fournit des preuves concrètes des défis uniques auxquels sont confrontés les travailleurs de la santé pendant la pandémie de COVID-19.

Il démontre également comment les algorithmes d’apprentissage automatique peuvent être utilisés pour traiter et analyser de grands ensembles de données et guider les interventions cliniques tout en préservant la confidentialité des participants à l’étude.