Que disent les patients et comment leurs opinions changent-elles ? Quels messages transmettent-ils sur la qualité des soins et services ? Comment des événements comme la Covid font évoluer leurs appréciations ?

Le document “Using AI to understand the patient voice” (https://catalyst.nejm.org/doi/full/10.1056/CAT.20.0103) a démontré l’apport de l'Intelligence Artificielle (‘IA’) pour comprendre la voix du patient. Les patients eux-mêmes peuvent obtenir un autre type de perspectives grâce aux commentaires qu'ils incluent dans les enquêtes sur leur expérience de soins. Lorsque les patients écrivent des commentaires, ils décrivent tous les aspects des soins qui comptent pour eux, qu'ils fassent ou non l'objet d'une enquête médicale.

L’IA permet aussi de classifier automatiquement les thèmes importants (Figure 1) qui peuvent aider les prestataires à mieux répondre aux besoins évolutifs des patients.

L’IA catégorise les commentaires, les phrases dans le texte original, c’est une donnée dite non structurée.

Les questionnaires peuvent donc évoluer vers des questions ouvertes, et des thématiques plus larges.

Cette même IA, étant agnostique, peut aussi servir à analyser les retours des professionnels de santé, concernant leurs attentes et appréciations.

L'Intelligence Artificielle est un outil précieux pour analyser ces commentaires, afin d'identifier les tendances positives et négatives (Figure 2) dans la perception des soins et services par les patients. Par exemple, l’attention, la gentillesse et l'empathie “au milieu d’une période stressante” étaient des aspects récurrents des expériences de soins positifs.

Chez Phedone, notre travail consiste à trier l'important du reste.

Quelques résultats de la solution Phedone :

63% des catégories détectées automatiquement sont industrialisés dans les outils de support,
90% de précision de la qualification automatique,
Entre 20 et 50% du temps des collaborateurs est libéré.

Nous utilisons l’IA, les statistiques et des règles métiers pour étudier la voix du client, des collaborateurs et maintenant celle du patient et du personnel médical au sens large.

Sans aucune phase de formation, le responsable d'établissement, la direction infrastructure et système d’information, la direction qualité détectent immédiatement les tendances et les signaux faibles. Ils peuvent même trier et orienter les demandes de support automatiquement.

Exemples de tendances

Figure 1 : Exemples de tendances

Avec un filtre, la fréquence et ton des commentaires

Figure 2 : Avec un filtre, la fréquence et ton des commentaires

Phedone permet de traduire les commentaires des patients en informations exploitables. Phedone fournit une boîte à outils permettant d’exploiter la mine d’or que vous possédez dans vos données courantes. Cette "matière" est souvent non utilisée faute de ressources. Par exemple, le diagramme de cordes (Figure 3) montre immédiatement les groupes d’individus ou de fonctions ayant fait des commentaires similaires. La direction qualité ou la direction des ressources humaines peuvent constituer des groupes de travail en quelques minutes.

Un livre blanc et un mémoire (De la transformation numérique du système de Sante _et _Digital Transformation of the French Healthcare System, David Sahuc, MBA IMT-BS) réalisés par David Sahuc brossent un tableau complet sur la transformation numérique du système de santé au sens large, et son évolution vers plus d’humanisme grâce aux technologies, en libérant le temps des professionnels qui pourront mieux répondre aux attentes des patients.

“Les professionnels de santé passent beaucoup de temps sur des activités non centrées sur leur cœur de métier. L’administration est submergée par les formalités administratives, incluant les CERFAs, qui demandent de scan manuel, des conservations des documents papiers, des traitements de documents. 51% du personnel hospitaliers n’a pas assez de temps pour toutes ces tâches" David Sahuc.

Exemple de groupe, diagramme de cordes

Figure 3 : Exemple de groupe, diagramme de cordes

Dans le document cité, en décrivant les expériences négatives, les patients font la distinction entre les processus et les personnes. Les préoccupations et les frustrations des patients sont largement motivées par les processus, et non par les personnes impliquées dans la réalisation des tests et des traitements*.

*James, Tabitha L., Eduardo D. Villacis Calderon, and Deborah F. Cook. "Exploring patient perceptions of healthcare service quality through analysis of unstructured feedback." Expert Systems with Applications 71 (2017): 479-492

Il faut donc comprendre les commentaires finement, et aussi d’un point de vue générique.

Des études montrent un certain impact des feedback de patient sur la pratique médicale et le service en général mais c’est encore trop léger ou inexistant*.

*Kumah, Emmanuel, Samuel E. Ankomah, and Felix O. Kesse. "The impact of patient feedback on clinical practice." British Journal of Hospital Medicine 79.12 (2018): 700-703.

Baines, R., Regan de Bere, S., Stevens, S. et al. The impact of patient feedback on the medical performance of qualified doctors: a systematic review. BMC Med Educ 18, 173 (2018).

Phedone permet d’ouvrir des questions ouvertes et de ne pas avoir peur de l’envahissement des réponses.

Phedone agit au niveau “Macro” avec l’extraction des tendances, mais aussi “Micro”, en marquant chaque verbatims avec des mots-clés (Figure 4).

Ainsi chaque commentaire ou demande de support est orienté vers la bonne personne. Non seulement le ticket ne se perd pas dans les méandres du support, mais en plus il est résolu rapidement. Les équipes de support sont déchargées et peuvent se consacrer à d’autres tâches. L’auteur, qu’il soit patient, médecin, collaborateur est satisfait car le temps de réponse est réduit drastiquement.

“L’objectif est non seulement de donner du corps aux retours patients et à ceux du personnel soignant, c’est aussi de favoriser les synergies entre les médecins, les aides soignants, les infirmiers et les cadres de santé qui sont parfois trop cloisonnés quant à l’innovation et au progrès. Avec Phedone, nous décelons les contributions les plus originales, nous remarquons les similitudes d’idées et en extrayons des leviers d’action exploitables ”, Jonathan Foureur, CEO Phedone

Un verbatim, ses mots-clés (ici “velo”) et un tri par indice d’opinion ou d’originalité

Figure 4 : Un verbatim, ses mots-clés (ici “velo”) et un tri par indice d’opinion ou d’originalité

En conclusion de l'étude* réalisée grâce à l’IA, le sentiment de "la compassion" pour les professionnels de santé est un signal positif fort dans la voix des patients. Nous devons continuer à écouter pour en savoir plus et adapter nos actions plus rapidement, tout en montrant aux professionnels que leur travail acharné en ces temps pressants est reconnu avec gratitude.

*https://catalyst.nejm.org/doi/full/10.1056/CAT.20.0103

En conclusion avec Phedone,

Les verbatims recueillis sont analysés très rapidement avec des créations de leviers activables rapidement. Les messages sont orientés automatiquement et sans attendre d'être lus. Le personnel est déchargé de tâches à faibles valeurs ajoutées.

Rappel des performances :

63% des catégories détectées automatiquement sont industrialisés dans les outils de support,
90% de précision de la qualification automatique,
Entre 20 et 50% du temps des collaborateurs est libéré.

Collective IntelligenceVoix du patient et du corps médical

Discover the advanced AI thatautomates the processing of your customer returns

Get notified when we’re launching.