La pandémie de COVID-19 a mis en lumière un manque chronique d’investissement dans la santé publique, une situation qui compromet la capacité des nations à anticiper et à gérer efficacement les crises sanitaires. Des experts plaident pour une augmentation significative des ressources financières et une meilleure exploitation des données pour renforcer les systèmes de santé publique et prévenir de futures pandémies.
Les États-Unis, par exemple, consacrent environ 3 600 milliards de dollars (USD) annuellement à la santé, mais moins de 3 % de ce montant est alloué à la santé publique et à la prévention. Un rapport de Forbes publié en 2020 a révélé que la part des dépenses fédérales consacrées à la santé publique est passée de 45 % à la fin des années 1960 à seulement 15 % dans les années 2010. Cette négligence a contribué à une réponse hésitante face au SRAS-CoV-2.
Une analyse récente de McKinsey & Compagnie souligne l’urgence d’investir dans ce domaine : « Les dirigeants gouvernementaux restent concentrés sur la gestion de la crise actuelle, mais réaliser des investissements intelligents maintenant peut à la fois améliorer la réponse actuelle au COVID-19 et renforcer les systèmes de santé publique afin de réduire le risque de futures pandémies. » L’étude met en évidence le fait que les investissements dans la santé publique, et plus largement dans les biens publics, sont souvent sous-estimés, en particulier lorsqu’il s’agit de mesures préventives dont les bénéfices ne sont pas immédiatement visibles.
Au-delà du financement, une meilleure gestion et analyse de la santé des populations est cruciale. Bien que les définitions de santé publique et de santé de la population puissent varier, la santé de la population se concentre généralement sur l’état de santé de groupes spécifiques d’individus, qu’ils vivent dans une ville, un État ou un pays. Cette approche nécessite une analyse approfondie de multiples facteurs, notamment les déterminants sociaux de la santé (DTS), les données issues des dossiers médicaux et d’autres sources.
Les données relatives aux DTS, par exemple, révèlent des disparités significatives. Change Health Care a démontré que l’indice de stabilité économique (ISE) est un indicateur puissant de l’utilisation des soins de santé. Cet indice, basé sur le comportement du marché et les attitudes financières, classe les individus en 30 catégories, de la plus stable (catégorie 1) à la moins stable (catégorie 30). Une analyse menée dans le Kentucky a révélé que les personnes d’origine afro-américaine sont significativement moins susceptibles d’être économiquement stables et ont presque deux fois plus de chances d’utiliser les services des urgences (30,5 % contre 18,1 % pour les personnes blanches).
De plus en plus d’établissements de santé reconnaissent la valeur de ces données et les intègrent dans leurs processus décisionnels.
Plusieurs outils d’analyse sont disponibles pour exploiter ces données, notamment la régression logistique. Des systèmes de notation des risques, développés au fil des décennies, contribuent également à améliorer la santé publique. Le score de risque cardiaque de Framingham, par exemple, évalue la probabilité de développer une maladie cardiovasculaire sur 10 ans et peut aider à cibler les programmes de prévention. Il prend en compte l’âge, le sexe, le statut tabagique, le taux de cholestérol, la tension artérielle et l’utilisation de médicaments antihypertenseurs.
L’American Diabetes Association a également développé un outil de notation des risques pour évaluer la probabilité de développer un diabète de type 2, en tenant compte de l’âge, du sexe, des antécédents de diabète gestationnel, du niveau d’activité physique, des antécédents familiaux, de l’hypertension, de la taille et du poids. L’indice LACE, qui prend en compte la durée du séjour à l’hôpital, la gravité de l’admission, l’indice de comorbidité de Charlson et le nombre de visites aux urgences au cours des six mois précédents, est une autre méthodologie utile.
Récemment, l’intelligence artificielle (IA) a ouvert de nouvelles perspectives. Une étude des méthodes analytiques basées sur l’apprentissage automatique (ML) a révélé que les algorithmes basés sur les réseaux de neurones sont les plus couramment utilisés (41 %), suivis des machines à vecteurs de support (25,5 %) et de la modélisation forestière aléatoire (21 %).
Il est impossible de savoir comment le monde aurait réagi à la COVID-19 si les décideurs politiques avaient pleinement investi dans la santé publique et l’analyse de la santé des populations. Cependant, il est certain que nous serons mieux préparés à faire face à la prochaine crise sanitaire si nous accordons davantage d’importance et de ressources à ces initiatives.
À lire aussi
