Des rendez-vous médicaux non honorés à grande échelle pèsent lourdement sur le système de santé américain, engendrant des pertes financières considérables et un engorgement des services. Une solution basée sur l’intelligence artificielle pourrait bien changer la donne, en permettant une approche plus personnalisée et efficace pour réduire les absences.
En 2022, le plan de santé urbain (Urban Health Plan) de New York a prévu 794 322 consultations. Seules 457 722 se sont effectivement déroulées. Ces 336 600 rendez-vous manqués ont non seulement entraîné une perte de revenus pour l’établissement, mais ont également accru la pression sur les équipes médicales, contraintes de gérer un flux constant de reprogrammations. Conséquence directe : les patients ont dû attendre plus longtemps pour obtenir les soins dont ils avaient besoin.
Ce problème n’est pas isolé. Selon une étude publiée dans les Annals of Family Medicine, les rendez-vous non honorés coûtent chaque année 150 milliards de dollars (environ 138 milliards d’euros) au système de santé américain.
Jusqu’à présent, les tentatives de résolution du problème se sont limitées à des systèmes d’arborescence téléphonique et à des rappels par courriel. Ces outils, cependant, manquent de finesse, traitant chaque patient de la même manière. Or, les besoins et les contraintes varient considérablement d’un individu à l’autre. Un jeune adulte travaillant à temps plein n’aura pas les mêmes préoccupations qu’un retraité, et une personne sans moyen de transport fiable sera confrontée à des obstacles différents de celle qui a simplement oublié son rendez-vous.
L’intelligence artificielle offre une approche plus ciblée. Des algorithmes sécurisés peuvent identifier les patients les plus susceptibles de manquer leurs rendez-vous et permettre au personnel médical de leur adresser le message approprié au moment opportun.
L’étude des Annals of Family Medicine révèle que les jeunes patients, les personnes sous-assurées et les personnes ne parlant pas anglais sont les plus susceptibles de ne pas se présenter à leurs rendez-vous. Ces groupes sont confrontés à des difficultés réelles que les simples rappels par courriel ne peuvent résoudre. Des problèmes de transport imprévus, des changements d’horaires de travail soudains ou des imprévus de la vie quotidienne peuvent rendre impossible le respect d’un rendez-vous, même avec un rappel envoyé quelques jours à l’avance.
Les conséquences opérationnelles de ces absences sont importantes. Les professionnels de santé ont tendance à surbooker leurs agendas pour compenser les rendez-vous manqués, ce qui entraîne des temps d’attente prolongés lorsque tous les patients se présentent. Les agents des centres d’appels passent des heures au téléphone à gérer les confirmations et les rappels, tandis que des centaines d’autres patients restent en attente. Urban Health Plan, par exemple, devait gérer environ 3 000 rendez-vous par jour, rendant impossible l’appel individuel de chaque patient pour confirmation.
Cette situation contribue à l’épuisement professionnel du personnel, qui se retrouve confronté aux mêmes problèmes semaine après semaine sans solution durable. Les agents perdent un temps précieux avec des patients à faible risque qui se seraient présentés de toute façon, au lieu de se concentrer sur les cas les plus urgents qui nécessitent une intervention humaine. Les planificateurs, quant à eux, doivent jongler avec les créneaux disponibles, tandis que les médecins se précipitent pour respecter leur emploi du temps.
Les algorithmes de prédiction, utilisés par des entreprises comme Capacité, affichent une précision de 85 à 90 % dans l’identification des rendez-vous susceptibles d’être manqués. Ces modèles analysent divers facteurs, tels que l’âge du patient, son statut d’assurance, la distance entre son domicile et la clinique, son historique de rendez-vous, et même les conditions météorologiques.
Grâce à cette précision, le personnel médical peut concentrer ses efforts sur les patients les plus à risque. Au lieu de contacter au hasard 400 patients sur 3 000, ils peuvent cibler les 400 identifiés par l’algorithme. Cela permet de mieux allouer les ressources, en offrant des rappels personnalisés, une aide au transport ou des horaires plus flexibles.
Urban Health Plan a constaté une augmentation de 154 % du taux de présence chez les patients les plus à risque après avoir mis en place ce système. L’établissement n’a eu besoin d’embaucher qu’1,5 personne à temps plein pour gérer ces appels ciblés, évitant ainsi la nécessité de créer un centre d’appels massif.
L’envoi de messages texte et l’utilisation d’agents conversationnels basés sur l’IA complètent cette approche. Ces outils peuvent gérer les tâches routinières, telles que les confirmations de rendez-vous, les demandes de reprogrammation et les renouvellements d’ordonnances, 24 heures sur 24. En cas d’annulation de dernière minute, l’IA peut même proposer de convertir la consultation en téléconsultation. Le système prend également en charge plusieurs langues, éliminant ainsi les retards liés à la nécessité d’un interprète.
« Lorsque les médecins d’Urban Health Plan ont appelé directement les patients à haut risque pour leur proposer des visites virtuelles le jour même, près de 100 % ont accepté », témoigne l’établissement.
La technologie permettant de réduire les absences est déjà disponible. Il est temps pour les systèmes de santé de cesser de considérer un taux d’absence de 40 % comme inévitable et d’abandonner les appels téléphoniques et les rappels génériques au profit d’une approche plus personnalisée et efficace.