Acessar o conteúdo principal

Homens brancos são melhor atendidos em prontos-socorros que mulheres negras, diz pesquisa francesa

No pronto-socorro, homens brancos são atendidos mais rapidamente e melhor que mulheres negras, de acordo com uma pesquisa realizada por um estudante de doutorado da Faculdade de Medicina de Montpellier-Nîmes (sul da França) e publicada no European Journal of Emergency Medicine.

Uma enfermeira no serviço de triagem do pronto-socorro de Le Coudray, no Hospital de Chartres, no sudeste de Paris, em 1° de dezembro de 2022.
Uma enfermeira no serviço de triagem do pronto-socorro de Le Coudray, no Hospital de Chartres, no sudeste de Paris, em 1° de dezembro de 2022. AFP - JULIEN DE ROSA
Publicidade

A pesquisa, que interrogou 1.563 médicos na França, Suíça, Bélgica e em Mônaco, se interessou pelos preconceitos dos profissionais da saúde que trabalham em prontos-socorros e o impacto no tratamento dos pacientes. A conclusão é que os homens são levados mais a sério que as mulheres quando explicam seus sintomas, os brancos mais que as pessoas negras.

O estudo começou com as observações de Xavier Bobbia, professor da faculdade de Medicina da Universidade de Montpellier-Nîmes e médico no pronto-socorro do Hospital Universitário de Montpellier, de que os pacientes não recebiam o mesmo tratamento na triagem, quando chegavam nos serviços de emergência.

Bobbia explicou ao jornal Libération que quando os médicos são “confrontados à mesma situação diversas vezes, eles acabam fazendo diagnósticos sem observar alguns parâmetros. É o que chamamos de diagnóstico intuitivo”.

A hipótese da pesquisa, que foi realizada por um de seus alunos, Guillaume Olivier, era que quando muitos diagnósticos são intuitivos, eles acabam sendo influenciados por parâmetros que não têm relação com a medicina. Eles seriam baseados em preconceitos racistas e sexistas.

A pesquisa confirmou esta ideia e revelou dados alarmantes. Em média, 55% dos casos clínicos equivalentes apresentados aos médicos entrevistados foram tratados como emergências com risco de vida. Este número sobe para 62% quando se trata de um homem e cai para 49% se a paciente é mulher.

Em termos de aparência étnica, um caso de um paciente do norte da África (chamado na França de árabe) é considerado 61% como uma emergência com risco de vida, 58% para um paciente branco, 55% para um asiático e, finalmente, apenas 47% para um negro.

A maior diferença de interpretação separa o homem branco, considerado 63% em emergência vital, da mulher negra, que tem uma pontuação de 42%, a mais baixa.

Consequências na saúde do paciente

O médico explica que estes preconceitos têm consequências concretas, já que quando um caso é avaliado como menos grave, o diagnóstico é feito depois de outros considerados graves.

Este é o primeiro estudo do tipo na França, segundo o médico, que especifica que a pesquisa foi realizada com a ajuda da Sociedade Francesa de Medicina de Emergência e com o acordo da comissão de emergência de ética do Hospital Universitário de Montpellier.

O estudo se baseou em uma situação clínica cujos sintomas e gravidade eram idênticos em homens e mulheres: uma dor no peito, descrita como “nem grave nem tranquilizadora”. As estatísticas mostram que o sexo do paciente não tem impacto na probabilidade de gravidade dos sintomas.

O mesmo texto foi fornecido aos participantes para saber como encaminhariam o paciente na triagem realizada na entrada no pronto-socorro, definida em uma escala de 1 a 5, da mais grave para a menos urgente.

Os perfis dos pacientes foram gerados por inteligência artificial, quatro homens e quatro mulheres com aparências étnicas diferentes.

Para Bobbia, o mais importante é que os médicos se conscientizem dos próprios preconceitos. Ele também frisa a importância da formação para os fatores humanos, as relações entre os indivíduos e os sistemas com os quais interagem.

O médico também insiste na importância, para os médicos, de se basearem em escalas objetivas de triagem no atendimento nos prontos-socorros. Para isso, ele defende o uso da IA.  

“Com um banco de dados que inclui todos os elementos objetivos de pessoas que procuram o hospital por dores no peito, o machine learning pode prever a porcentagem de chance de a pessoa ter um ataque cardíaco ou outra coisa”, disse ao Libération.

NewsletterReceba a newsletter diária RFI: noticiários, reportagens, entrevistas, análises, perfis, emissões, programas.

Acompanhe todas as notícias internacionais baixando o aplicativo da RFI

Compartilhar :
Página não encontrada

O conteúdo ao qual você tenta acessar não existe ou não está mais disponível.