Dépistage de la détresse psychologique chez les travailleurs de la santé à l'aide du Machine Learning : une preuve de concept

Les travailleurs de la santé sont confrontés à des stress importants liés au travail et à des événements potentiellement traumatiques, les mettant à risque élevé de détresse psychologique. Nous avons donc appliqué deux algorithmes d'apprentissage automatique pour tester des modèles préliminaires de prédiction des travailleurs de la santé à risque d'anxiété, de dépression et de trouble de stress post-traumatique (TSPT). Nous avons utilisé les données d'une étude de cohorte prospective recueillies à partir d'une application mobile. 787 travailleurs de la santé ont participé pendant la première et la deuxième vague de COVID-19. Nos analyses ont consisté à utiliser que 2 questions pour prédire si les participants dépassaient les scores limites du GAD-7, du PHQ-9 et du PCL-5. Les résultats de cette étude montrent que nos modèles peuvent prédire l'anxiété, la dépression et le TSPT dans 70 % et même 80 % des cas. Les résultats ont également montré qu'une mesure cumulative de 3 semaines permet de détecter la dépression et le TSPT chez les travailleurs. Nos résultats montrent l'utilité de développer de nouveaux modèles avec l'apprentissage automatique pour prédire la détresse psychologique avec plus d'efficacité et de précision chez les travailleurs de la santé à risque. Cette étude montre alors un potentiel à réduire la charge de surveillance active dans des contextes pratiques, en réduisant le nombre de questions posées aux travailleurs et en réduisant le temps d'évaluation.