Galetsi, P., Katsaliaki, K., Kumar, S. (2019). Values, challenges and future directions of big data analytics in healthcare: A systematic review. Social Science & Medecine, 241.
L'émergence de systèmes informatique ayant une puissance de calcul importante permet la collecte et l'analyse de grands ensembles de données. Les perspectives offertes par l’analyse de tels ensembles de données, générées massivement par le secteur des soins de santé, laisse entrevoir la possibilité d’une prise de décision plus éclairée. Pour ce faire, l'objectif de cette étude est d'examiner systématiquement les publications scientifiques liées à l'analyse des données massives dans le domaine de la santé. Spécifiquement, l’équipe de recherche identifie les valeurs organisationnelles et sociales ainsi que les défis associés à l'analyse des données massives. En pratique, la recherche fournit, aux gouvernements et aux responsables en matière de politiques de santé, une meilleure compréhension de la façon dont le développement d'une stratégie axée sur les données peut améliorer la santé publique et le fonctionnement des organisations de soins de santé. L’étude offre aussi une meilleure compréhension de la façon dont le développement de cette stratégie peut créer des défis devant être relevés dans un avenir proche pour éviter les dysfonctionnements de la société.
Définition
Les analyses de données massives (Big Data Analytics) sont les techniques, technologies, systèmes, pratiques, méthodologies et applications qui analysent une grande quantité de données pour aider une organisation à mieux comprendre son activité, son marché et à prendre des décisions opportunes. Dans les faits, le secteur des soins de santé est extrêmement dense en données et nécessite des plateformes de données massives interactives et dynamiques avec des technologies et des outils innovants pour faire progresser les soins et les services aux patients.
- Pour identifier les valeurs ajoutées de l'analyse des données massives pour le secteur de la santé, les articles scientifiques étudiés ont été classé en 10 catégories en fonction de la valeur ajoutée mise de l’avant.
- Une majorité des chercheurs s'attendent à ce que les organismes de santé et les patients tirent profit des approches médicales innovantes et personnalisées (35.6%).
- La seconde catégorie regroupe les articles qui traitent de l'amélioration de la prise de décision (25.6%). L’analyse des données massives permet d'améliorer et d'accélérer le diagnostic des patients par les professionnels de la santé et d'atténuer les erreurs dans la thérapie proposée.
- La troisième catégorie comprend les nouveaux modèles commerciaux, produits et services (24.5%). Il s'agit d'articles qui développent des outils précieux et de nouveaux produits/services qui facilitent la prise de décision en matière de soins et de thérapie pour des populations plus importantes.
- La quatrième catégorie comprend les articles qui décrivent les efforts des chercheurs pour permettre l'expérimentation et les activités visant à découvrir les besoins (17,9 %).
- La cinquième catégorie concerne la coordination des informations sur les soins de santé (15,2%), ce qui conduit à la simplification du service de données.
- La sixième catégorie, la valeur de création d'efficacité (14,3%), concerne la capacité des analyses de données massives à collecter des données dans un format standardisé pour réduire le temps d'identification des données, le temps d'analyse et le coût de la recherche et du traitement tout en maintenant/améliorant la qualité des données.
- Les catégories de valeur de l’évitement du risque pour le patient (9,8%), valeur de la segmentation des populations pour personnaliser les actions (9 %), valeur de l'efficacité par rapport aux coûts (9 %) et de valeur de la sécurité des données activée par les analyses de données massives (5,1%) sont identifiées dans certaines études.
- Sept catégories de défis liés à l'utilisation des analyses de données massives dans les soins de santé ont été identifiées.
- La plupart des questions portent sur la gestion des données, la sécurité et la confidentialité (20%). Cette catégorie inclut tous les articles mentionnant des questions éthiques liées au consentement éclairé pour le partage, l'agrégation ou la réutilisation des données relatives aux patients.
- Les problèmes technologiques (10,2%) comprennent les défis découlant de l'absence de l'infrastructure requise pour atteindre les résultats escomptés.
- Les questions d'évaluation supplémentaires (7,1%) sont des études dans lesquelles les chercheurs ont déclaré des problèmes concernant leur échantillon ou un biais dans la recherche.
- Les problèmes d'organisation et de financement (3,1%), de questions réglementaires (0,6%), de sensibilisation et de soutien limités (0,5%) et de la responsabilité politique (0,4%) sont identifiées dans quelques études.
- La quantification de la valeur réelle de l'analyse des données disponibles dans la pratique clinique quotidienne est cruciale. D'une part, cela crée de nouvelles conditions d'emploi et une demande d'acquisition de compétences informatiques et d'autre part, cela modifie la relation médecin-patient, en donnant plus d'informations aux patients pour remettre en question les connaissances des médecins.
- Les questions liées aux défis technologiques portent principalement sur le manque d'infrastructures appropriées pour soutenir les analyses de données massives dans les organisations ainsi que sur l’inégalité relative à l’accès aux technologies de l'information pertinentes.
- Les chercheurs ignorent dans quelle mesure les analyses de données massives vont affecter la société et les organisations à long terme. La cartographie de la littérature existante peut aider les organisations liées à la santé à quantifier l'impact de l'analyse des données massives, puis à réévaluer les stratégies, à atténuer les risques et à tirer parti de nouvelles opportunités de développement.
- L’étude est une revue systématique de la littérature.
- Pour la collecte des données, l’équipe de recherche a examiné les articles scientifiques rédigés en anglais et publiés entre 2000 et 2016. La recherche initiale a identifié 3241 articles. Finalement, 804 articles pertinents ont été retenus sur la base d'un examen du texte intégral.
- L’analyse des données comprend l'extraction d'informations, le suivi des sujets et la catégorisation. Afin d'extraire des informations des articles, une classification a été appliquée à l'aide du logiciel NVivo. Les résultats du processus de classification ont été présentés sous la forme de tableaux contenant les fréquences des articles par dimension et des exemples de recherche.
- Les articles ont été obtenus uniquement à partir des bases de données électroniques Web of Science et Scopus, ce qui représente une limite de l’étude. Cependant, il s'agit des plus grandes bases de données multidisciplinaires du monde et des deux plus utilisées pour la recherche documentaire.
- L’approche de revue systématique de la littérature utilisée par l’étude pourrait être élargie pour inclure de nombreux autres aspects de la sociologie de la santé, tels que les effets de la commercialisation des données de santé, l'évolution de l'environnement du travail, etc.
Il n’y a pas d’information concernant le financement dans l’article.