Aller au contenu

Predicta Engine

Il ne vous manque pas les données.
Il vous manque l'analyse.

Baromètres, questionnaires, dossiers d'adhérents : vous collectez de la donnée, et cette matière reste largement inexploitée. Nos algorithmes la transforment en risques classés pour comprendre lesquels pèsent le plus, quels facteurs les portent et où agir en priorité. À l'échelle d'un portefeuille entier comme d'un individu.

Un seul format d'entrée, indépendant du mode de collecte : que ce soit nos questionnaires Predicta, vos données déjà collectées, vos dossiers existants ou les informations issues d'objets connectés. Vous branchez ce que vous avez sans refaire votre collecte.

Comment le moteur passe des données d'une personne à sa priorité d'action

Données reçues, toutes qualifiées
Problématiques
Bon IMC23,4
Activité physique130 min / semaine
01 — Qualifier une donnée

Une donnée n'est pas un facteur de risque.

Facteur de risqueFacteur protecteurAbaisse le risque

Le moteur reçoit des mesures, du déclaratif, des antécédents, un contexte professionnel. Une valeur brute ne dit rien par elle-même : elle est comparée à une référence établie, ajustée au profil de la personne. Cette comparaison la qualifie — soit elle constitue un facteur de risque, soit elle est dans la norme, et elle pèse alors favorablement : sans ces deux facteurs favorables, le risque cardiaque de cette personne serait 9 points plus haut.

Un facteur favorable n'a pas de part dans le risque : il en abaisse le niveau. On le lit comme un écart en points de probabilité — les lignes fines vertes — et non comme une part d'un total.

« Qu'est-ce qui porte ce risque-là ? » et « sur quoi agir chez cette personne ? » ne sont pas la même question.
La seconde ne se déduit pas de la première.

La même réponse, chiffrée

Les parts d'une colonne font 100 %.

Part du risque de chaque problématique portée par chaque facteur, et impact croisé du facteur sur l'ensemble des problématiques.
Facteur de risqueImpact croisé
Manque de sommeil10 %rang 312 %15 %25 %28 %15,9 %
Charge mentale élevée39 %rang 110 %9 %23 %25 %22,1 %
Sédentarité43 %22 %14,7 %
Alimentation déséquilibrée8 %rang 43 %18 %20 %25 %12,5 %
Tabagisme7 %rang 525 %36 %18 %22 %20,4 %
Solitude36 %rang 27 %14 %14,4 %

Le moteur évalue bien plus de problématiques que ces cinq colonnes. Exemple illustratif, arrondis au dixième.

Notre différence

Le risque ne connaît pas les spécialités.

Par exemple, le manque de sommeil ne fait pas que fatiguer : il alimente le trouble dépressif, les TMS, le risque cardiovasculaire. Son vrai poids, c'est la somme de tout ce qu'il touche, et cette somme n'a de sens que si un seul et même moteur a tout mesuré.

C'est là que nos compétences santé se rejoignent. Réunies dans un seul calcul, elles font remonter les facteurs transversaux : ceux qui font bouger plusieurs lignes à la fois, et que personne ne voit en travaillant spécialité par spécialité.

Un outil qui n'examine qu'une problématique passera toujours à côté — il lui manque tout le reste du tableau.

Exemple historique · Hammond, Selikoff & Seidman, 1979

Les risques ne s'additionnent pas. Ils se multiplient.

Une idée tenace en santé : on se représente les risques comme des poids qu'on empile. Une étude devenue cas d'école montre autre chose concernant le cancer du poumon : chez les travailleurs, l'amiante et le tabac ne s'ajoutent pas, ils se multiplient. Le second facteur frappe un terrain que le premier a préparé.

Les chiffres ci-dessous ne comptent pas des personnes : ce sont des taux. On a suivi quatre groupes de travailleurs, et on rapporte les décès par cancer du poumon à un effectif commun de 100 000 personnes sur un an. C'est ce qui rend les groupes comparables entre eux.

Taux de mortalité par cancer du poumonpour 100 000 personnes-années
Ni amiante, ni tabac11,3Amiante seule58,4×5,2Tabac seul122,6×10,8Amiante et tabac601,6×53,2

Taux observé : 601,6. L'addition donne 169,7, la multiplication 633,6.

C'est la raison d'être de la pondération dans la figure plus haut : un facteur n'a pas de poids en soi, il a un poids chez quelqu'un. Le moteur ne cherche pas un coefficient universel par facteur : il évalue chaque facteur compte tenu de tout le reste du profil.

Hammond, E. C., Selikoff, I. J. and Seidman, H. (1979), Asbestos exposure, cigarette smoking and death rates. Annals of the New York Academy of Sciences, 330: 473-790.

À l'échelle d'une population

Exploitez vos données de santé.

Envoyez tout votre portefeuille. Chaque personne est évaluée, et vous recevez la lecture du groupe : les problématiques classées, les facteurs de risque qui les portent, et les pistes d'action qui en découlent. La même réponse que pour une personne, à l'échelle du groupe.

Segmentation
Troubles musculo-squelettiquesAtelier 52 %, Bureaux 21 %, Nuit 27 %34,2 %StressAtelier 26 %, Bureaux 42 %, Nuit 32 %30,4 %Trouble dépressifAtelier 28 %, Bureaux 34 %, Nuit 38 %27,6 %CardiovasculaireAtelier 34 %, Bureaux 28 %, Nuit 38 %21,3 %CéphaléesAtelier 24 %, Bureaux 46 %, Nuit 30 %18,9 %
  • Atelier
  • Bureaux
  • Nuit

En tête : Troubles musculo-squelettiques : la problématique qui touche le plus de monde. Le découpage dit d'où viennent les cas, donc où l'action porte.

Passer à l'action

Voir le moteur sur vos données.

Une démo cadrée pour votre contexte — partenaire ou entreprise. Trente minutes, sur vos effectifs et vos données existantes.

Demander une démo