Articles

Modèle de traitement double de la prise de décision médicale

Posted on

Un modèle de système double

S’appuyant sur les recherches empiriques précédentes, qui ont montré de manière convaincante que la cognition humaine est déterminée par les processus du système I et du système II . Mukherjee a récemment développé un modèle mathématique formel, qui suppose un fonctionnement parallèle des deux systèmes, tandis que la décision finale est une combinaison pondérée des évaluations des deux systèmes sur la base du paradigme de maximisation de la valeur (Figure 1) . (NB. Dans cet article, nous employons les termes système I et système II tels que popularisés par Kahneman bien que certains auteurs préfèrent parler de traitement de type 1 et 2 car il est presque certain que la cognition humaine n’est pas organisée en systèmes physiques distincts séparés ).

Figure 1

Modèle de prise de décision utilisant des processus cognitifs à double traitement (d’après Mukherjee ]).

Mukherjee’s dual system model (DSM) suppose que l’évaluation du choix risqué (C) est formée par l’entrée combinée du système I et du système II en une seule valeur et peut être formulée comme suit :

E C = γ V I C + 1 – γ V II C = γ 1 n ∑ i V I x i + 1 – γ k ∑ i p i V II x i
(1)

Où C représente une situation de décision (« choix »), n – nombre de résultats, p i – probabilité du ième résultat, x i , du choix sélectionné. V I représente l’évaluation de la décision dans le cadre d’un mode de prise de décision autonome, intuitif, basé sur le système I et V II , qui peut être une fonction d’utilité, représente l’évaluation dans le cadre d’un mode de prise de décision délibératif, basé sur des règles, basé sur le système II. k- est une constante d’échelle et γ est le poids accordé au système I et peut être interprété comme le degré relatif d’implication du système I dans le processus de prise de décision . Le système II n’est pas divisé en deux sous-systèmes comme le préconisent certains, mais il est supposé adhérer aux critères de rationalité de la théorie de l’utilité espérée (EUT), comme le préconise également la science moderne de la décision. γ est supposé être influencé par un certain nombre de processus qui déterminent le fonctionnement du système I. Mukherjee a mis l’accent sur les facteurs suivants comme étant des déterminants importants du fonctionnement du système I : les prédispositions individuelles en matière de prise de décision et de réflexion, la nature affective des résultats (plus la nature affective des résultats est élevée, plus le γ est élevé) et le cadrage et l’interprétation de la tâche de prise de décision (les décisions pour soi-même auront probablement un γ plus élevé, ainsi que les problèmes de décision qui sont contextualisés et ceux qui nécessitent une résolution immédiate ou qui sont pris sous la pression du temps ; les quatre derniers décrivent des circonstances caractéristiques de la prise de décision médicale). L’information facilement disponible, notre expérience antérieure, la façon dont l’information est traitée (verbatim vs. en tirer l’essentiel) ainsi que les limites de la mémoire devraient également affecter γ. γ devrait donc être plus élevé lorsque l’information sur les probabilités et les résultats est ambiguë ou peu disponible, ou lorsqu’un résultat antérieur négatif très grave est rappelé. D’autre part, lorsque de telles données sont disponibles, leur évaluation conjointe par le système II réduira γ. En général, les facteurs qui définissent le processus du système I peuvent être classés en 4 grandes catégories : a) l’affect, b) les processus évolutifs câblés, responsables des réponses automatiques au danger potentiel de telle sorte que le système I donne généralement plus de poids aux faux positifs potentiels qu’aux faux négatifs (i.c) des processus sur-appris du système II qui ont été relégués au système I (comme l’effet d’un entraînement intensif qui aboutit à l’utilisation d’heuristiques, de « règles empiriques » ou de directives pratiques comme l’une des stratégies cognitives permettant d’économiser des efforts. NB bien que les directives puissent être les produits de processus analytiques du système II leurs applications tendent à être un processus du système I.), et (d) les effets de l’apprentissage tacite .

Le modèle DSM de Mukherjee s’appuie sur des preuves empiriques démontrant que les décideurs dans un contexte riche en affect ne sont généralement sensibles qu’à la présence ou à l’absence de stimuli, alors que dans des contextes pauvres en affect, ils s’appuient sur le système II pour évaluer l’ampleur des stimuli (et des probabilités) . Par conséquent, la caractéristique principale du modèle est que le système I ne reconnaît les résultats que comme étant possibles ou non. Chaque résultat qui reste à l’étude obtient un poids égal dans le système I. D’autre part, le système II reconnaît les probabilités de manière linéaire sans distorsions, selon le paradigme de l’utilité espérée.

En conséquence, le traitement à double évaluation génère souvent des cas où les évaluations subjectives sont plus grandes à des amplitudes de stimulus plus faibles (c’est-à-dire lorsque la prise de décision repose sur le sentiment, ou sur des processus évolutionnaires câblés, comme lorsque le signal peut présenter un danger), tandis que le calcul rationnel produit une plus grande valeur à des amplitudes élevées . Le DSM est capable d’expliquer un certain nombre de phénomènes qui caractérisent la prise de décision humaine, tels que a) la violation de la dominance stochastique non transparente, b) le quadruple modèle d’attitude à l’égard du risque, c) l’aversion pour l’ambiguïté, d) l’effet des conséquences communes, e) l’effet du rapport commun, f) l’effet d’isolement, g) et l’effet de coalescence et de fractionnement des événements .

Sous l’hypothèse réaliste que les résultats sont positifs (c’est-à-dire, les utilités >0, ce qui est particulièrement applicable au cadre médical) et les fonctions de valeur de puissance, V I x = x m I , et V II x = x pour le système I et le système II, respectivement, DSM peut être réécrit comme :

V C = γ 1 n ∑ i x i m I + 1 – γ k ∑ i p i x i
(2)

où 0 < m I ≤ 1 Notons que x i m I satisfait l’aversion au risque pour les gains et la recherche du risque pour les pertes et que le terme pour le système II p i x i est linéaire sans distorsions de risque.

Comme le note Mukherjee , l’estimation des paramètres de l’équation 2) est un exercice de mesure, qui doit être évalué dans la future recherche empirique. Par conséquent, les fonctions V II (x) et V I (x) pourraient être modifiées, en fonction du cadre décisionnel et des objectifs du décideur. De même, le paramètre m pourrait ne pas être le même pour tous les résultats.

Modification du DSM pour la prise de décision médicale

Nous allons considérer une situation typique de la prise de décision clinique où un médecin doit choisir un traitement (Rx) contre l’absence de traitement (NoRx) pour une maladie (D) qui est présente avec la probabilité p . Chaque décision entraîne des résultats qui ont une certaine valeur, xi. Le modèle est illustré à la figure 2. Comme indiqué plus haut, le système I reconnaît les résultats uniquement comme étant possibles (ou non), et est donc insensible aux probabilités exactes. Chaque résultat avec une probabilité non nulle obtient un poids égal dans le système I. Par conséquent, dans un choix à deux alternatives, chaque probabilité est égale à 0,5 dans le système I. Le système II reconnaît les probabilités sans distorsions, comme on pourrait s’y attendre selon l’EUT.

Figure 2

Modèle de traitement dual de la prise de décision appliqué à un dilemme clinique consistant à traiter (Rx) le patient atteint de la maladie (D+) ou non. Le patient peut avoir ou non une maladie (probabilité p). On suppose que le regret opère au niveau du système I uniquement. (Notez que l’alternative de traitement concurrente peut inclure Rx ou NoRx). Rg- regret.

Nous posons que parmi les émotions qui peuvent influencer l’évaluation des résultats dans le traitement du système I, le regret joue un rôle important , tandis que les processus du système II sont dominés par des délibérations rationnelles et analytiques selon l’EUT . Nous pouvons définir le regret (Rg) comme la différence (perte) entre les utilités du résultat de l’action entreprise et celle de l’action que nous aurions dû entreprendre, rétrospectivement mais en opérant au niveau du système I uniquement (voir figure 2).

Donc, nous avons les fonctions de valeur suivantes (voir fichier additionnel 1 : annexe pour la dérivation détaillée) :

La valorisation globale de la décision de traiter (Rx) est égale à :

V R x = γ 2 V A R x , D + + V A R x , D – + 1 – γ k ( p V D ( R x , D + ) + 1 – p V D R x , D – ) = γ 2 x 2 m A – x 4 m A + 1 – γ k p x 1 + 1 – p x 2
(4)

Et

V N o R x = γ 2 V A N o R x , D + V A N o R x , D – + 1 – γ k p V D N o R x , D + + 1 – p V D N o R x , D – = γ 2 x 3 m A – x 1 m A + 1 – γ k p x 3 + 1 – p x 4
(5)

La différence entre les résultats du traitement et du non-traitement du patient malade est égale au bénéfice net du traitement (B) ; la différence entre les résultats du fait de ne pas traiter et de traiter ces patients sans maladie est définie comme les préjudices nets (H) . Il est à noter que les bénéfices et les préjudices peuvent être exprimés en différentes unités (survie, mortalité, morbidité, coûts, etc.) et peuvent être formulés à la fois comme des utilités et des désutilités. Comme expliqué ci-dessus, nous supposons en outre que l’évaluation des avantages et des inconvénients nets par le système I diffère de celle du système II. Par conséquent, dans le système II, nous remplaçons les avantages nets et les préjudices nets par les définitions de l’EUT : B II = x 1 – x 3 et les dommages nets H II = x 4 – x 2 . Dans le système I, nous définissons B I = x 1 m I – x 3 m I , et H I = x 4 m I – x 2 m I . En résolvant p (la probabilité de la maladie à laquelle nous sommes indifférents entre Rx et NoRx), nous obtenons : (Équation 3)

Cela signifie que si la probabilité de la maladie est supérieure à p t, le décideur privilégie le traitement ; dans le cas contraire, une alternative de prise en charge concurrente (telle que  » Aucun traitement « ) représente la stratégie de traitement optimale. Notez que k peut être typiquement fixé à 1, comme nous le faisons ici. Notez également que la première partie de l’équation est équivalente à l’expression du seuil décrite dans le cadre de l’EUT ; la seconde expression modifie le processus décisionnel du système II basé sur l’EUT de telle sorte que si les avantages sont supérieurs aux inconvénients, la probabilité du seuil est toujours inférieure au seuil de l’EUT. Cependant, si un décideur fait l’expérience de H I >B I , la probabilité seuil est toujours supérieure au seuil EUT (voir ci-dessous pour une discussion dans le contexte de l’exemple médical). Notez que γ et le rapport H I H II ne contribuent qu’à l’ampleur du seuil double au-dessus ou au-dessous du seuil EUT classique. C’est-à-dire que γ et le rapport H I H II ne changent pas la qualité de la relation entre le seuil double et le seuil EUT : le fait que le seuil double sera au-dessus ou au-dessous du seuil EUT ne dépend que d’un rapport B I H I.

Il faut noter que les dérivations identiques peuvent être obtenues en appliquant le concept de regret attendu (au lieu de EUT) . Bien que l’on puisse soutenir que le regret est une émotion puissante influençant tous les processus cognitifs (en tant que soi-disant, « émotion cognitive ») , et donc il peut fonctionner au niveau du système I et du système II , la plupart des auteurs reconnaissent la valeur d’affect du regret . Nous avons donc supposé que le regret fonctionne au niveau du système I . Par conséquent, dans notre modèle, nous limitons l’influence du regret au système I. Incidemment, notre équation 3) peut également être dérivée du modèle DSM général de Mukherjee, même si le regret n’est pas spécifiquement invoqué .

Bien que l’équation 3) implique des calculs exacts, elle ne doit pas être comprise comme celle qui fournit un compte rendu mathématique précis de la prise de décision humaine. Elle doit plutôt être considérée comme une description semi-quantitative ou qualitative de la manière dont les médecins peuvent prendre leurs décisions. Tout d’abord, cela s’explique par le fait que le système I n’effectue pas de calculs exacts, mais s’appuie plutôt sur l' »essentiel » pour évaluer les avantages et les inconvénients de manière plus qualitative. Le mécanisme dépend des associations, des émotions (les estimations du « risque en tant que sentiment »), ainsi que de la mémoire et de l’expérience. En ce sens, la deuxième partie de l’équation 3) qui repose sur le système I peut être comprise comme le modificateur qualitatif (« poids ») qui, en fonction des estimations des avantages et des inconvénients du système I, augmente ou diminue la première partie de l’équation (qui dépend de l’utilisation précise des preuves des avantages et des inconvénients du système II). Deuxièmement, le seuil de probabilité lui-même doit être considéré comme un « seuil d’action » – à un moment donné, un médecin décide d’administrer ou non un traitement. En général, il compare la probabilité estimée de la maladie au seuil et agit : si la probabilité de la maladie est supérieure au « seuil d’action », le médecin administre le traitement ; si elle est inférieure, il décide de ne pas administrer le traitement. Ainsi, une façon d’interpréter l’équation 3) est de considérer l’estimation par le médecin de l' »essentiel » du seuil d’action : si, selon son estimation, les avantages globaux du traitement l’emportent sur les inconvénients, et qu’il considère qu’il est « probable » que la probabilité de la maladie soit supérieure à la probabilité seuil, alors il agira et administrera le traitement. Si le médecin évalue qu’il est « improbable » que la probabilité de la maladie soit supérieure au « seuil d’action », alors il ne prescrirait pas le traitement.

Le comportement du modèle DSM-M

Les mécanismes cognitifs exacts qui sous-tendent les processus du système dual ne sont pas entièrement élucidés. Comme discuté tout au long de ce document, de nombreux facteurs affectent les processus doubles raisonnement conduisant à des suggestions que ces processus devraient être regroupés en fonction des mécanismes dominants . Le fait de se concentrer sur chacun de ces processus peut conduire à des propositions théoriques spécifiques. Notre objectif dans cet article est de fournir une architecture cognitive globale englobant les caractéristiques générales de la majorité des concepts théoriques existants, tout en nous concentrant sur les spécificités de la prise de décision médicale. En général, les théories du double traitement se divisent en deux groupes principaux : les théories compétitives parallèles et les théories interventionnistes par défaut. Les théories compétitives parallèles supposent que les processus des systèmes I et II se déroulent en parallèle, chacun étant en compétition pour le contrôle de la réponse. En cas de conflit, il n’est pas clair quel mécanisme est invoqué pour résoudre le conflit . D’un autre côté, les théories interventionnistes par défaut postulent que le système I génère une réponse par défaut rapide et intuitive, qui peut ou non faire l’objet d’une intervention ultérieure lente et délibérée du système II. Ceci peut être opérationnalisé davantage via plusieurs mécanismes généraux qui ont été proposés dans la littérature :

  1. 1)

    Mukherjee’s additive model as described above . Il peut être catégorisé comme une variante de la théorie parallèle-compétitive car il suppose que les processus du système I et II procèdent en parallèle, mais inclut le paramètre γ, qui peut déclencher une activation plus ou moins grande du système I. Le modèle de Mukherjee, cependant, ne modélise pas explicitement les choix en termes de décisions catégoriques (c’est-à-dire accepter vs ne pas accepter une hypothèse donnée), ce qui est une caractéristique fondamentale des modèles à double processus .

  2. 2)

    Le système I et le système II fonctionnent sur un continuum , mais de telle sorte que le système I ne dort jamais . Une décision finale dépend de l’activation des deux systèmes I et II . On estime qu’environ 40 à 50 % des décisions sont déterminées par les habitudes (c’est-à-dire par le système I) . Il s’agit également d’une variante de la théorie parallèle-concurrentielle ; il convient de noter que les dernières publications s’éloignent de ce modèle .

  3. 3).

    La décision finale semble dépendre à la fois du système I et du système II de telle sorte que le système I est le premier à suggérer une réponse et le système II l’entérine . Ce faisant, le système II peut exercer un contrôle total sur le système I (comme lorsqu’il s’appuie sur la modélisation de l’EUT) ou ne pas du tout surveiller le fonctionnement du système I (par exemple, en raison de son ignorance ou de sa paresse) . Par conséquent, selon ce modèle, les décisions sont prises soit par le système I (par défaut), soit par le système II (qui peut ou non intervenir). Il s’agit d’un modèle par défaut-interventionniste.

  4. 4)

    La variante du modèle n°3 est le modèle dit « toggle », qui propose que le décideur utilise constamment des processus cognitifs qui oscillent entre les deux systèmes (toggle) . C’est une variante du modèle par défaut-interventionniste.

Notez que γ est continu dans notre modèle, mais il peut être rendu catégorique si la théorie du « toggle » est considérée comme la bonne. Dans ce cas, un commutateur logique peut être introduit dans l’arbre de décision pour permettre de basculer entre les deux systèmes. Plus important encore, en reliant le modèle additif de Mukherjee au modèle à seuil, nous fournissons l’architecture permettant de réconcilier les théories concurrentielles parallèles avec les théories par défaut-interventionnistes. Nous le faisons en rendant explicite que les décisions sont catégoriques (via le seuil) à un certain degré d’effort cognitif (modélisé via le paramètre γ) . Autrement dit, la question clé est de savoir quels processus déterminent l’acceptation ou le rejet d’une hypothèse (de diagnostic) particulière. Notre modèle montre que cela peut se produire si l’on maintient l’architecture parallèle-concurrente du modèle additif de Mukherjee, mais que l’on suppose un commutateur, une réponse par oui ou par non, pour accepter ou rejeter une hypothèse donnée (au niveau du seuil). C’est l’évaluation de l’événement (diagnostique) par rapport au seuil qui sert de sortie finale de nos processus de décision et de raisonnement. Comme le montre notre modèle, cela dépend de l’hypothèse d’un fonctionnement parallèle du système I et du système II, et du passage du contrôle d’un système à l’autre selon l’hypothèse du défaut-interventionniste. Notez qu’en fonction de l’activation du paramètre γ et de l’évaluation des avantages (gains) et des inconvénients (pertes), le contrôle peut être exercé par l’un ou l’autre système : parfois, c’est le système intuitif qui exercera le contrôle et notre action prendra la forme d’un « sentiment de justesse » ; parfois, c’est le système II qui prévaudra et dirigera nos décisions. Ainsi, nous parvenons à unir les modèles compétitifs parallèles aux modèles interventionnistes par défaut en reliant le modèle additif de Mukherjee au modèle de seuil pour la prise de décision.

Comme discuté ci-dessus, de nombreux facteurs peuvent activer l’interrupteur, tels que la présence ou l’absence de données empiriques, quantitatives, le contexte de la prise de décision (par exemple, affecter pauvre ou riche), l’expertise et l’expérience du décideur, etc. En outre, des recherches psychologiques approfondies ont démontré que les gens utilisent souvent une heuristique simple, qui est basée sur les nombres importants en tant que puissances de 10 (par exemple, 1,2,5,10,20,50,100,200 etc.) . En d’autres termes, bien que le système I n’effectue pas les calculs exacts, il évalue tout de même l’essentiel des avantages et des inconvénients relatifs, et le fait probablement en fonction d’un « niveau d’aspiration de 1/10 » (arrondi au chiffre le plus proche) de telle sorte que les estimations du rapport avantages/inconvénients changent de 1, 2, 5, 10, etc. ordres de grandeur. Par conséquent, dans cette section, nous considérons plusieurs situations prototypiques : 1) lorsque γ = 0, 0.5, ou 1 ; 2) lorsque BII>> HII, BII = HII et BII <<HII ; et 3) lorsque le regret d’omission (BI) << le regret de commission (HI), BI = HI, ou BI>> HI

Premièrement, notons que γ=0, lorsque le numérateur de la fraction de gauche dans l’équation 6 ( Additional file 1 : Annexe) est égal à zéro, c’est-à-diree., lorsque p B II – 1 – p H II = 0 , ou en résolvant pour p, on obtient p = 1 1 + B II H II , qui est exactement la valeur du seuil de l’EUT pour la probabilité à laquelle les utilités attendues des deux options sont les mêmes. Cela correspondra au modèle n°3 ci-dessus, dans lequel le système II exerce un contrôle total sur la prise de décision. Par conséquent, lorsque γ = 0, nous avons le modèle classique de l’EUT et du seuil thérapeutique. Dans ce cas, le regret n’affecte pas les avantages et les inconvénients de l’EUT, et p t = H II H II + B II = 1 1 + B II H II . Si BII>> HII, pt approche de zéro et un décideur recommandera le traitement à pratiquement tout le monde. En revanche, si BII = HII, pt est égal à 0,5 et elle pourrait recommander un traitement si la maladie est aussi probable qu’improbable. Enfin, si BII << HII, pt approche 1,0 et la décideuse ne devrait recommander un traitement que si elle est absolument certaine du diagnostic.

À l’autre extrême, si γ = 1, nous avons le modèle de système I pur (correspondant au modèle #3 ci-dessus, qui repose uniquement sur des processus de système I). Notons la valeur de γ=1, lorsque le dénominateur de la deuxième fraction de l’équation 6 ( Fichier additionnel 1 : annexe) est égal à un, ou lorsque l’expression H I – B I = 0 , c’est-à-dire lorsque B I =H I . Dans ces conditions, il est assez évident que les évaluations du système I deviennent non pertinentes si le bénéfice net perçu du traitement est égal au préjudice net perçu. Lorsque γ=1, l’évitement du regret devient le principal facteur de motivation, et non les avantages et les inconvénients de l’EUT. Notez que dans le système I, p n’est pas lié à γ en termes d’évaluation (équation 1). Dans ces circonstances, seule la prise de décision dans le cadre du système I fonctionne et les processus analytiques du système II sont supprimés (équation 1), comme on peut le voir chez les décideurs qui ont tendance à suivre uniquement leur intuition, ou qui sont extrêmement affectés par leurs expériences passées sans tenir compte des nouveaux faits sur le terrain. Autrement dit, les différences de probabilité ne jouent aucun rôle dans ces décisions, car une personne qui n’utilise que le système I ne considère pas la probabilité comme un facteur.

Enfin, si γ = 0,5, le décideur est motivé par l’EUT et par l’évitement du regret (modèle #2 énuméré ci-dessus). Dans ce cas, les bénéfices (BII), les préjudices (HII), les regrets d’omission (BI) et de commission (HI) sont tous des acteurs actifs. Ces trois cas sont présentés dans le tableau 1 (voir le fichier supplémentaire 2) qui montre les probabilités de seuil pour γ = 0,5 et les données objectives indiquant un rapport bénéfices/préjudices élevé ( B II / H II = 10 ). On voit également comment la probabilité seuil dépend de la perception individuelle du risque. Si HI>> HI, cela amplifie l’effet de BI/HI (voir équation 3), ce qui entraîne un comportement extrême dans le sens d’une probabilité croissante qu’une telle personne accepte toujours (comme pt<0) ou rejette le traitement (comme pt>1). Pour les HI <<HII, l’impact sur la façon dont le système I traite les avantages et les inconvénients n’est pas si prononcé et influence le seuil de l’EUT dans une bien moindre mesure.

Laisser un commentaire

Votre adresse e-mail ne sera pas publiée. Les champs obligatoires sont indiqués avec *