Ignorés : Les préjugés implicites dans les soins de santé
Dans le domaine des soins de santé, l'impact des préjugés implicites sur la prise de décision clinique est un problème persistant. Bien que les préjugés implicites soient omniprésents dans la population générale, les professionnels de la santé peuvent y être plus sensibles, car le contexte des soins de santé - souvent rapide, stressant et incertain - peut accentuer les préjugés cognitifs.
Le milieu clinique évolue rapidement car les cliniciens doivent jongler avec de nombreux patients, des tâches administratives et d'autres responsabilités tout en respectant un emploi du temps serré. La prise de décision clinique est souvent synonyme d'incertitude. L'établissement d'un diagnostic s'apparente à un puzzle ; parfois, la symptomatologie du patient ou les résultats de laboratoire ne permettent pas d'établir un diagnostic clair, ce qui oblige le prestataire à s'appuyer sur son expérience antérieure pour prendre une décision.
Cette situation, associée à des exigences professionnelles intenses, à de longues heures de travail et à des patients parfois peu coopératifs, peut contribuer à la charge émotionnelle et au stress que subissent les professionnels de la santé dans le cadre de leur travail. C'est la tempête parfaite pour que les préjugés fassent leur apparition, car ils favorisent le passage à la pensée du système 1 et augmentent notre dépendance à l'heuristique, c'est-à-dire aux raccourcis mentaux que nous prenons au cours du processus de prise de décision pour des raisons de facilité cognitive.1
References
1. Kahneman D, Slovic P, Tversky A. Judgment Under Uncertainty : Heuristics and Biases. Cambridge University Press ; 1982.
2. FitzGerald C, Hurst S. Implicit bias in healthcare professionals : a systematic review. BMC Med Ethics. 2017;18 : 19.
3. CDC. Adult Obesity Facts. 29 juin 2020 [cité le 20 décembre 2020]. Disponible : https://www.cdc.gov/obesity/data/adult.html
4. Puhl R, Brownell KD. Ways of coping with obesity stigma : review and conceptual analysis. Eat Behav. 2003;4 : 53-78.
5. Klein D, Najman J, Kohrman AF, Munro C. Patient characteristics that elicit negative responses from family physicians. J Fam Pract. 1982;14 : 881-888.
6. Blumberg P, Mellis LP. Medical students' attitudes toward the obese and the morbidly obese. International Journal of Eating Disorders. 1985. pp. 169–175. doi:3.0.co;2-f”>10.1002/1098-108x(198505)4:2<169::aid-eat2260040204>3.0.co;2-f
7. Maddox GL, Liederman V. Overweight as a social disability with medical implications. J Med Educ. 1969;44 : 214-220.
8. Gudzune KA, Beach MC, Roter DL, Cooper LA. Physicians build less rapport with obese patients. Obesity . 2013;21 : 2146.
9. Young LM, Powell B. The effects of obesity on the clinical judgments of mental health professionals. J Health Soc Behav. 1985;26 : 233-246.
10. Rand CS, Macgregor AM. Morbidly obese patients' perceptions of social discrimination before and after surgery for obesity. South Med J. 1990;83 : 1390-1395.
11. Adams CH, Smith NJ, Wilbur DC, Grady KE. The relationship of obesity to the frequency of pelvic examinations : do physician and patient attitudes make a difference ? Women Health. 1993;20 : 45-57.
12. Coan JA, Beckes L, Gonzalez MZ, Maresh EL, Brown CL, Hasselmo K. Relationship status and perceived support in the social regulation of neural responses to threat. Soc Cogn Affect Neurosci. 2017;12 : 1574.
13. DelFattore J. Death by Stereotype ? Cancer Treatment in Unmarried Patients. N Engl J Med. 2019;381 : 982-985.
14. Marotta SA, Ladin K. Marital privilege : Bias against divorced patients in medical decision-making. Group Processes & Intergroup Relations. 2020. pp. 612-639. doi:10.1177/1368430219843997
15. Kaiser C, Tillmann FP, Löchter J, Landgraeber S, Jäger M. The influence of chronic kidney disease on the duration of hospitalisation and transfusion rate after elective hip and knee arthroplasty. Int Urol Nephrol. 2019;51 : 147-153.
16. Coyte PC, Hawker G, Croxford R, Attard C, Wright JG. Variation in rheumatologists' and family physicians' perceptions of the indications for and outcomes of knee replacement surgery. J Rheumatol. 1996;23 : 730-738.
17. Wright JG, Coyte P, Hawker G, Bombardier C, Cooke D, Heck D, et al. Variation in orthopedic surgeons' perceptions of the indications for and outcomes of knee replacement. CMAJ. 1995;152 : 687-697.
18. Schwarz KA, Sprenger C, Hidalgo P, Pfister R, Diekhof EK, Büchel C. Comment les stéréotypes affectent la douleur. Sci Rep. 2019;9 : 8626.
19. Todd, A. R., Bodenhausen, G. V., Richeson, J. A. et Galinsky, A. D. 2011. La prise de perspective combat les expressions automatiques de préjugés raciaux. Journal of Personality and Social Psychology, 100(6), 1027-1042.
20. Chapman, Elizabeth N., Anna Kaatz, et Molly Carnes. 2013a. "Physicians and Implicit Bias : How Doctors May Unwittingly Perpetuate Health Care Disparities (Médecins et préjugés implicites : comment les médecins peuvent involontairement perpétuer les disparités en matière de soins de santé). Journal of General Internal Medicine 28 (11) : 1504-10.
21. Chapman, Kenneth R., Donald P. Tashkin et David J. Pye. 2001. "Gender Bias in the Diagnosis of COPD" (Préjugés sexistes dans le diagnostic de la BPCO). Chest. https://doi.org/10.1378/chest.119.6.1691.
About the Author
Sanketh Andhavarapu
Sanketh est un étudiant de premier cycle à l'Université du Maryland : College Park, où il étudie les sciences de la décision en matière de santé (diplôme d'études individuelles) et la biologie. Il est cofondateur et co-PDG de Vitalize, une plateforme numérique de bien-être pour les travailleurs de la santé, et a publié des recherches sur des sujets liés à la prise de décision clinique, à la neurologie, à la médecine d'urgence et aux soins intensifs. Il dirige actuellement le développement commercial d'une nouvelle innovation en matière d'IA chez PediaMetrix, une startup spécialisée dans la santé pédiatrique, et a précédemment fondé STEPS, une organisation à but non lucratif dans le domaine de l'éducation. Sanketh s'intéresse aux applications des sciences comportementales et décisionnelles pour améliorer la prise de décision médicale, et à la façon dont la santé numérique et la politique de santé servent de canal évolutif pour y parvenir.
