D'où proviennent nos données de santé ?

Génération connectée

Nous sommes de plus en plus nombreux à porter des montres connectées. Ces objets mesurent notre fréquence cardiaque lors d'une activité physique, calculant le nombre de calories brûlées, évaluent la qualité de notre sommeil, enregistrent les points GPS lors d'un parcours, etc. Des applications pour téléphones intelligents affichent pléthore de renseignements sur l'état physique de l'usager, ce qui permet de répondre à plusieurs besoins tels que le suivi médical, la mise en forme, etc. D'autres applications sont capables d'assister la personne lors de la prise de la tension artérielle et évaluer le résultat (iHealth par exemple), ou encore de lui rappeler de prendre tel ou tel médicament.

Si certains perçoivent ces appications comme des outil quotidiens d'aide à leur mieux-être, d'autres y voient une manne incommensurable de données. Puisqu'une fois que ces données sont centralisées, croisées avec les dossiers médicaux et traitées, elles peuvent être un atout dans l'optimisation des soins en matière de qualité et d'efficacité. 


LIRE AUSSI : « Dossier Santé - L'innovation ouverte et collaborative en santé : l'exemple du CHU Sainte-Justine »


L'efficacité du traitement de ces données

Grâce à des analyses statistiques, le traitement de ces données peut aider à détecter plutôt l'émergence de maladies et prévenir les réactions aux traitements. La méthode la plus utilisée pour traiter les données de santé est l'analyse prédictive. Elle présente l'avantage de pouvoir intervenir de façon précoce et éviter ainsi de nombreuses maladies. Ensuite, une analyse prescriptive, dite aussi normative, permet de fournir des recommandations et des actions à suivre suite aux résultats de l'analyse prédictive. 

Plus globalement, l'analyse prédictive présente comme module dans certains systèmes de gestion, a permis une meilleure administration des hôpitaux et une amélioration de l'efficacité de leurs chaînes d'approvisionnement puisqu'il est possible de mesurer le succès du traitement des données de santé par de telles méthodes à travers des indicateurs de performance tels que les taux de réadmission par exemple. 

Pour un encadrement plus strict de l'usage de ces données

Ce qui semble ralentir le partage des données massives de santé est l'aspect de la confidentialité et l'intérêt des tierces parties comme les assureurs et les industries pharmaceutiques. Car si certains assureurs incitent leurs assurés à pratiquer plus d'activités physiques, notamment en leur offrant des rabais sur des abonnements à la salle de sport, comme Manulife par exemple, d'autres exploitent les données de santé pour augmenter les primes des catégories considérées «à risque».


LIRE AUSSI : « Gestion des données : la gouvernance, une boussole »


Ou encore, des géants pharmaceutiques qui investissent davantage dans la recherche et le développement après l'observation de tendances particulières dans les données et d'autres qui augmentent les prix de leurs médicaments les plus vendeurs.

Assurément, un encadrement plus strict de la confidentialité et de la portée de l'analyse des données de santé est essentiel pour assurer au citoyen-fournisseur de données une garantie totale quant à l'utilisation de ces dernières.