IBI-001134 - Gravepublie
Biais des modèles de mortalité
Mortality Prediction Bias
Score IBI
7.5
sur 10
Sévérité4_grave
Fréquencefrequent
Ampleur groupes4
Difficulté détection4
🇫🇷 Définition (FR)
Modèles de prédiction de mortalité sous-estimant le risque pour certaines populations.
🇬🇧 Definition (EN)
Mortality prediction models underestimating risk for certain populations.
Taxonomie TriAxis
Classification structurelle
O
Origine
O2
Computationnel & Statistique
L
Cycle de vie
L6
Évaluation
S
Spécifique
S17
Erreur de mesure
💡
Exemple concret
Un score de gravité en réanimation sous-estime la mortalité des patients noirs.
📊 Métriques de détection
Demographic Parity DifferenceDisparate Impact RatioEqualized Odds Difference
⚙ Seuils d'alerte
Disparate Impact Ratio0.8
Equalized Odds Difference0.1
Demographic Parity Difference0.1
📚 Sources & Références Scientifiques
- •Dissecting racial bias in an algorithm used to manage the health of populationsZiad Obermeyer, Brian Powers, Christine Vogeli, Sendhil Mullainathan (2019)
- •
🛡 Impact & Mitigation
🎯 Groupes vulnérables impactés
Personnes noires / afro-desc.Classes populaires
🛠 Méthodologies de mitigation
- CALIBRATION : Calibration par groupe
- AUDIT_TIERS : Audit par tiers indépendant
🏢 Secteurs concernés
Santé et médecine (Risque: /5)
⚖ Réglementations applicables
🇪🇺 Europe
- •AI_ACT_10 : AI Act (UE) 2024/1689
🌍 International
- •ISO_42001 : ISO/IEC 42001:2023
- •UNESCO_2021 : UNESCO - Recommandation sur l'éthique de l'IA
- •OECD_AI_PRINCIPLES : OCDE - Principes IA
- •COE_AI_CONVENTION_INT : Conseil de l'Europe - Convention IA
📋 Métadonnées
Contributeur
Mohamadou SIDIBE
Institution
AI BIAIS INITIATIVE
Version
1
Créé le
14 octobre 2026
Mis à jour le
4 novembre 2026
UUID
266536f6-6262-4b5d-a201-b78531978d0e
Explorer d'autres biais
250 biais documentés, classés par la taxonomie TriAxis.