Le Pôle Médical et Labellisation de l’Agence du Numérique en Santé publie les résultats d’une étude de 7 mois sur les besoins de codage en vue d’améliorer la structuration des données de santé dans le champ des soins primaires.
Cette étude répondait à un double objectif :
- alimenter l’étude : Constitution d’un corpus sémantique national : Faut-il adopter la SNOMED CT ? dont elle constitue un des 10 chantiers scientifiques en instruisant les besoins de codage des professionnels en soins primaires ;
- apporter de premiers éléments de réponse aux difficultés rencontrées notamment par les professionnels utilisant les logiciels labellisés « maison et centre de santé » (MCS) ;
- identifier les axes de travail pour permettre l’amélioration de la structuration des données en soins primaires.
Le rapport d’étude s’appuie sur des travaux participatifs autour des professionnels des soins primaires, soit par le biais d’entretiens menés avec leurs représentants (15 entretiens), soit via une enquête en ligne adressée directement aux professionnels (environ 300 réponses).
Un groupe de travail constitué de médecins généralistes s’est réuni à 9 reprises lors d’ateliers thématiques visant à définir une liste de concepts couvrant les besoins de codage des professionnels. Ces 463 concepts à coder issus de champs thématiques prioritaires tel que par exemple la biologie, les vaccins, ou les dispositifs médicaux, peuvent également être issus de thèmes plus spécifiques à la sphère des soins primaires, tels que les données socioéconomiques ou la prévention.
Ils pourraient faire prochainement l’objet de la définition de jeux de valeurs spécifiques.
Cette étude a également permis d’identifier les principales difficultés liées à l’activité de codage, et plus globalement à la structuration des données de santé sur le périmètre des soins primaires. Elle interroge les conditions dans lesquelles l’information devient une donnée de santé (processus, outils, écosystème), et pose des pistes de réflexions quant aux travaux à mener pour améliorer la structuration et l’exploitabilité des données.