Encadré 4.10 Utilisation de l’intégration des données et de l’analyse prédictive en support du dépistage et de la prise de décision : Comté d’Allegheny, Pennsylvanie (États-Unis)
L
e Département des services sociaux (DSS) du comté d’Allegheny, en Pennsylvanie (États-Unis), expérimente activement différents moyens d’utiliser l’intégration de données et l’analyse prédictive pour développer un modèle de pratiques intégrées pour ses services sociaux. L’un des objectifs de cette approche est l’amélioration de la prise de décision dans l’évaluation et la prévention de la maltraitance des enfants. Objectif. L’objectif est de développer un outil qui aiderait les travailleurs de l’aide sociale à l’enfance à décider s’il est opportun de mener une enquête plus approfondie lorsqu’un cas de maltraitance d’enfant leur est signalé. L’objectif est de compléter (et non de remplacer) l’évaluation clinique des travailleurs sociaux par un outil de notation qui intégrerait des données sur les personnes impliquées afin de refléter les tendances passées et d’estimer la probabilité que l’enfant puisse être à nouveau en danger. Énoncé du problème. Avant le développement de l’outil de notation, les données historiques montrent une surestimation du risque pour 48 % des cas, avec le déclenchement injustifié d’une enquête plus approfondie (erreur d’inclusion) et qu’à l’inverse, des erreurs de sous-estimation pour 27 % des cas ont conduit par erreur à un classement sans suite (erreur d’exclusion). Cette situation résulte principalement du peu d’informations accessibles aux travailleurs sociaux de la protection de l’enfance, généralement limitées aux allégations spécifiques et aux détails de l’événement présumé de maltraitance. De plus, les informations sont par nature asymétriques (l’agresseur présumé étant incité à cacher son comportement) et de nombreux facteurs peuvent obscurcir l’évaluation de la situation. Les travailleurs sociaux pouvaient avoir accès à d’autres données disponibles dans les systèmes d’information interconnectés, mais ne disposaient d’aucun moyen automatique de prise en compte de ces informations. Modélisation par analyse prédictive et intégration des données. Une équipe de recherche en collaboration avec le DSS a développé un modèle d’analyse prédictive pour prédire la probabilité qu’un juge ordonne le retrait d’un enfant du domicile familial après signalement d’un cas de maltraitance à un centre d’accueil dédié a. Cette variable dépendante
(probabilité d’un placement hors du domicile) concerne une décision extrême dans les cas de maltraitance d’enfant, et le modèle a cherché à identifier les facteurs de risque associés à un tel résultat. En utilisant des données administratives provenant de sources de données internes et externes déjà enregistrées « dans le système », ils ont identifié plus de 100 facteurs de prédiction d’un futur besoin d’orientation ou placement hors du domicile familial. Les données internes proviennent des différentes unités du DSS et concernent la vieillesse, la protection de l’enfance, le traitement des dépendances (drogues et alcool), l’intervention précoce, le soutien familial, le programme HeadStart (programme de développement de la petite enfance), l’assistance aux sansabri, les aides au logement, la santé mentale et la déficience intellectuelle. Les données externes proviennent d’autres systèmes d’information administratifs, en particulier le registre des naissances, les dossiers d’autopsie, les prestations publiques d’aide sociale, l’aide publique au logement, le programme d’aide à la santé (Medicaid), le système scolaire, les systèmes de probation des mineurs et d’incarcération du comté, le système judiciaire des adultes et des familles, les appels d’urgence au 911 et différentes sources du secteur privé propres à l’emploi et à l’industrie. L’équipe a développé, en conjuguant ces données à un modèle d’analyse prédictive, un score de dépistage noté de 1 à 20 selon lequel plus le score est élevé, plus la probabilité d’un futur événement est élevée (maltraitance d’enfant, placement hors domicile, réorientation). Elle a ensuite « noté » des milliers de rapports historiques de maltraitance d’enfants afin de déterminer si le modèle développé pouvait améliorer la prise de décision après évaluation des cas de maltraitance d’enfant, puis a retracé l’historique des retours ultérieurs pour mesurer le nombre de cas où le modèle s’avérait correct. Résultats. Ils ont constaté que leur modèle prédisait avec précision et dans une large mesure les futurs placements hors domicile. Plus précisément, 1 % des enfants pour lesquels le score prédictif était 1 (risque faible) et 50 % des enfants dont le score prédictif était 20 (risque le plus élevé) avaient été placés hors du domicile dans les deux ans suivant le signalement. La validation externe a montré que par rapport à un suite
132
LES SYSTÈMES DE MISE EN ŒUVRE DE LA PROTECTION SOCIALE : UN MANUEL DE RÉFÉRENCE
