Les données de détection personnelles pourraient aider à surveiller et à atténuer le stress chez les médecins résidents, bien que les problèmes de confidentialité concernant qui voit les informations et à quelles fins doivent être résolus, selon une recherche collaborative de Cornell Tech.
L’épuisement professionnel dans tous les types de lieux de travail est en augmentation aux États-Unis, où la « grande démission » et le « quit silencieux » sont entrés dans le lexique ces dernières années. Cela est particulièrement vrai dans le secteur des soins de santé, qui a été mis à rude épreuve en raison de la pandémie de COVID-19.
Le stress est physique autant que mental, et les signes de stress peuvent être mesurés grâce à l’utilisation de smartphones, de dispositifs portables et d’ordinateurs personnels. Mais la collecte et l’analyse des données – et les questions plus larges de savoir qui devrait avoir accès à ces informations et dans quel but – soulèvent une myriade de questions sociotechniques.
« Nous avons cherché à savoir si nous pouvions mesurer le stress sur les lieux de travail à l’aide de ces types d’appareils, mais ces personnes veulent-elles vraiment ce type de système ? C’est ce qui nous a poussés à parler à ces vrais travailleurs », a déclaré Daniel Adler, co- auteur principal avec sa collègue doctorante Emily Tseng de « Burnout and the Quantified Workplace: Tensions Around Personal Sensing Interventions for Stress in Resident Physicians », publié le 11 novembre Actes de l’ACM sur l’interaction homme-ordinateur.
Le document est présenté à la conférence ACM sur le travail coopératif assisté par ordinateur (CSCW) et l’informatique sociale, qui se déroule virtuellement du 8 au 22 novembre.
Adler et Tseng ont travaillé avec l’auteur principal Tanzeem Choudhury, professeur Roger et Joelle Burnell en santé et technologie intégrées au Jacobs Technion-Cornell Institute de Cornell Tech. Les contributeurs sont venus de la Zucker School of Medicine de Hofstra/Northwell Health et de l’hôpital Zucker Hillside.
L’environnement de travail du médecin résident est un peu différent de la situation d’apprentissage traditionnelle dans la mesure où son superviseur, le médecin traitant, est aussi son mentor. Cela peut brouiller les lignes entre les deux.
« C’est un nouveau contexte », a déclaré Tseng. « Nous ne savons pas vraiment quelles sont les limites réelles là-bas, ni à quoi cela ressemble lorsque vous introduisez ces nouvelles technologies non plus. Vous devez donc essayer de décider quelles pourraient être ces normes pour déterminer si ce flux d’informations est approprié dans le première place. »
Choudhury et son groupe ont abordé ces questions à travers une étude impliquant des médecins résidents dans un hôpital urbain de New York. Après des entretiens d’une heure avec les résidents sur Zoom, les résidents et leurs assistants ont reçu des maquettes d’un Resident Wellbeing Tracker, un tableau de bord avec des données comportementales sur le sommeil, l’activité et le temps de travail des résidents ; des données autodéclarées sur les niveaux d’épuisement professionnel des résidents ; et une zone de texte où les résidents pourraient caractériser leur bien-être.
Tseng a déclaré que les résidents étaient ouverts à l’idée d’utiliser la technologie pour améliorer le bien-être. « Ils étaient également très intéressés par la question de la confidentialité », a-t-elle déclaré, « et comment nous pourrions utiliser des technologies comme celle-ci pour atteindre ces objectifs positifs tout en équilibrant les problèmes de confidentialité ».
L’étude comportait deux cas d’utilisation croisés : l’auto-réflexion, dans laquelle les résidents visualisent leurs données comportementales, et le partage de données, dans lequel les mêmes informations sont partagées avec leurs assistants et directeurs de programme à des fins d’intervention.
Parmi les principales conclusions : Les résidents hésitaient à partager leurs données sans l’assurance que les superviseurs les utiliseraient pour améliorer leur bien-être. Il y a aussi une question d’anonymat, qui était plus probable avec plus de participation. Mais une plus grande participation nuirait à l’utilité potentielle du programme, puisque les superviseurs ne seraient pas en mesure d’identifier les résidents en difficulté.
« Ce processus de partage de données personnelles est quelque peu compliqué », a déclaré Adler. « Il y a beaucoup de travaux continus intéressants dans lesquels nous sommes impliqués qui examinent cette question de confidentialité et comment vous vous présentez à travers vos données dans des contextes de soins de santé mentale plus traditionnels. Ce n’est pas aussi simple que, ‘Ils sont mon médecin, donc je suis à l’aise de partager ces données.' »
Les auteurs concluent en faisant référence au « besoin urgent de poursuivre les travaux établissant de nouvelles normes autour de solutions de gestion du bien-être au travail basées sur les données qui mieux centrent les besoins des travailleurs et offrent des protections aux travailleurs qu’ils ont l’intention de soutenir ».
Parmi les autres contributeurs figuraient Emanuel Moss, chercheur postdoctoral à Cornell Tech ; David Mohr, professeur à la Feinberg School of Medicine de la Northwestern University ; ainsi que le Dr John Kane, le Dr John Young et le Dr Khatiya Moon de l’hôpital Zucker Hillside.
La recherche a été soutenue par des subventions du National Institute of Mental Health, de la National Science Foundation et de la Digital Life Initiative de Cornell Tech.
Source de l’histoire :
Matériel fourni par L’Université de Cornell. Original écrit par Tom Fleischman, Cornell Chronicle. Remarque : Le contenu peut être modifié pour le style et la longueur.
