Les femmes, qui constituent 70 % à 80 % des patients atteints de maladies auto-immunes, font face à des délais de prise en charge nettement plus longs que les hommes. Cette inégalité, documentée par une étude portant sur plus de 6 000 patients, souligne l'impact persistant des biais de genre dans le parcours de soin et la nécessité d'une approche médicale plus rigoureuse.
Un retard diagnostique préoccupant
Les données révèlent une fracture nette dans l'accès au diagnostic : alors que près de la moitié des hommes obtiennent une réponse médicale dans l'année suivant l'apparition des symptômes, plus de 60 % des femmes doivent patienter au-delà de ce délai. La situation est particulièrement critique pour près d'un tiers des patientes, dont le parcours diagnostique s'étire sur quatre ans ou plus. Ce constat concerne des pathologies lourdes telles que le lupus, la sclérose en plaques, le diabète de type 1 ou les troubles de la thyroïde.
Le poids des biais psychosomatiques
L'étude pointe une tendance récurrente chez les praticiens à interpréter les symptômes féminins — fatigue, douleurs chroniques ou troubles du sommeil — comme étant d'origine psychologique. Les femmes sont ainsi 50 % plus susceptibles que les hommes de recevoir un diagnostic psychiatrique erroné et 75 % plus enclines à se voir attribuer un diagnostic psychosomatique infondé. Cette confusion retarde non seulement la mise en place de traitements adaptés, mais altère également la confiance des patientes envers le système de santé.
Vers une meilleure prise en charge clinique
Les experts appellent à une vigilance accrue pour éviter que des symptômes physiques ne soient écartés trop rapidement. Si les troubles psychiatriques peuvent parfois coexister avec des maladies auto-immunes, ou même en être une manifestation directe comme dans le cas du lupus, le risque est de négliger la pathologie sous-jacente. Pour les chercheurs, ces disparités sont le fruit d'une recherche médicale historiquement centrée sur des modèles masculins et de données biaisées qui influencent aujourd'hui encore les outils d'aide au diagnostic, y compris ceux basés sur l'apprentissage automatique.