Le choix d’interventions numériques de santé

L’e-santé, une opportunité pour améliorer l’efficience de la prévention

   Qu’est-ce que l’e-Santé ? Selon l’OMS, l’e-Santé « eHealth » est l’utilisation de technologies de l’information et de communication (TIC) en santé. Cela comprend une large gamme de services ou de systèmes d’information, et d’informatique liés à la santé des patients et des professionnels de soin. La e-Santé est l’utilisation des services et outils numériques en vue de produire, transmettre, collecter, gérer et partager des données numériques en faveur des pratiques médicales et médico-sociales. L’e-Santé se met « au service du bien-être de la personne » (World Health Organization, 2013). Elle s’inscrit dans le cours d’une dynamique prometteuse : celle du quantified self. Le quantified self, dont l’une des traductions françaises est la mesure de soi, est un processus lors duquel un individu procède à une évaluation quantitative systémique de ses données physiologiques de manière autonome (Dagiral et al., 2019). La télésanté regroupe la m-santé et la télémédecine. La télémédecine est l’ensemble des pratiques médicales à distance faisant appel aux NTIC12, à l’instar de la télésurveillance, de la télé expertise ou encore de la téléconsultation (Direction Générale de l’offre de soins, 2020). Selon la HAS13 (Haute Autorité de Santé), la m-santé est définie par l’ensemble des pratiques médicales et de santé publique reposant sur des supports mobiles (smartphones, capteurs, appareils sans fil, etc.) et soutenue par des applications axées sur la santé, telles que les applications portant sur le mode de vie et le bien-être, la promotion de la santé et les dispositifs médicaux (Haute Autorité de Santé, 2013). L’OMS définit la m-santé comme « pratiques médicales et de santé publique supportées par des appareils mobiles, tels que les téléphones mobiles, les dispositifs de surveillance des patients, les assistants personnels (PDA) et autres appareils sans fil » (World Health Organization, 2011). Cependant aucune définition ne caractérise spécifiquement les objets connectés (Moore & Johnson, 2015). En France, la HAS définit comme objet connecté tous les dispositifs connectés à l’Internet pouvant collecter, stocker, traiter et diffuser des données ou pouvant accomplir des actions spécifiques en fonction des informations reçues (Haute Autorité de Santé, 2016). Une publication de Aungst de 2014 établit une classification des différentes applications de msanté : les applications mobiles correspondant à un logiciel pouvant se lancer sur un appareil mobile ; les applications mobiles natives (préinstallées sur l’appareil) ; les applications mobiles téléchargeables; les applications Web accessibles via un explorateur Internet (Aungst et al., 2014).

Les interventions non médicamenteuses (INM)

   Selon les diverses instances de santé comme l’OMS, pour prévenir le développement de maladies chroniques des stratégies de sensibilisation, d’éducation, et d’information sont nécessaires (World Health Organization, 2013). Il convient, face au contexte épidémiologique mondial relatif aux maladies chroniques et au virage préventif des différents systèmes de santé, de responsabiliser les individus. Cette situation conduit à avoir de plus en plus recours à des stratégies impliquant des Interventions Non Médicamenteuses (INM) employées sur près de deux tiers des individus à travers le monde. Les INM s’inscrivent dans le système plus global de la santé intégrative, aux côtés des traitements biomédicaux réglementés, des politiques environnementales et des approches culturelles (Carbonnel & Ninot, 2019 ;Ninot, G. 2019). La santé intégrative correspond au recours simultané des méthodes de la médecine conventionnelle et de la médecine non conventionnelle, dite alternative, pouvant être complémentaire dans la prise en charge d’un sujet. La Figure 4 illustre cet écosystème. En 2017, le marché mondial des INM est estimé à 3745 milliards d’euros (Global Wellness Institute, 2018). La plateforme du CEPS, instaurée et mise en place au début des années 2010, propose des ressources en accès libre pour la validation et la surveillance des INM ( Ninot & Carbonnel, 2016). Ces dernières se déclinent en cinq catégories (Amrani & Ninot, 2017). Les interventions en matière de santé nutritionnelle, psychologique, physique, numérique et les autres interventions en matière de santé. Les auteurs (Ninot & Carbonnel, 2016) constatent que la plupart des interventions consistent à formuler des recommandations reposant sur les données recueillies auprès de la population et disponibles dans le domaine institutionnel. Compte tenu de l’amélioration des solutions de « thérapie digitale » de santé mobile (m-santé), d’autres solutions visant à compléter ces approches de prévention traditionnelles sont envisagées. À l’ère des objets connectés, de la numérisation et de la transition vers des services numériques, le secteur de la santé envisage l’émergence de la thérapie numérique comme une alternative crédible, efficace et durable. L’essor des technologies innovantes comme celle des outils liés au domaine de l’IoT (de l’anglais IoT Internet of Things) a comme conséquence l’explosion du secteur de la santé connectée. Ce secteur représente une piste porteuse d’espoir pour la santé résultant de l’utilisation de plus en plus fréquente de tensiomètres, de cardio fréquencemètre, et d’autres dispositifs médicaux mesurant et contrôlant les signaux vitaux et l’état physiologique, et ce, à des fins informatives, ludiques, et/ou préventives.

L’influence des interventions connectées pour l’adhésion à la prévention du risque cardiovasculaire

   Les applications devenant omniprésentes dans la vie quotidienne des gens, ces dernières deviennent particulièrement attrayantes dans le domaine de la santé publique et représentent une opportunité peu coûteuse de diffuser des informations sur la santé, améliorant éventuellement le rapport coût-efficacité des interventions de santé. En outre, elles peuvent promouvoir le soutien psycho-social, facilitant ainsi le changement de comportement en matière de santé. En particulier, les réseaux sociaux dont l’usage augmente justifient des recherches supplémentaires sur leur efficacité à influencer un changement de comportement à long terme en matière de santé (Laranjo et al., 2015). L’utilisation de la m-santé a augmenté au fur et à mesure que ces applications devenaient plus populaires et omniprésentes. Ces INS ont un effet positif (Laranjo et al., 2015) sur le changement de comportement, ce qui encourage les recherches futures dans ce domaine. Davantage de travaux sont cependant nécessaires afin d’explorer les multiples aspects du comportement préventif, tels que la concordance de l’accord négocié entre le patient et le médecin ou un autre professionnel de la santé, des préférences, de la satisfaction et de la persistance (Badawy et al., 2017 ; Barbosa et al., 2012 ; Cortet & Bénichou, 2006). Parmi les recherches allant dans ce sens, nous pouvons noter les travaux récents de Ugon et al., 2018 sur la prévention personnalisée qui visent à développer une plateforme informatique rendant les approches préventives efficaces intégrant un système d’aide à la décision modulaire s’appuyant sur les connaissances dédiées aux décisions coopératives de prévention des maladies cardiovasculaires. Par exemple, les études interventionnelles sur les maladies cardio vasculaires partagent de nombreuses caractéristiques techniques et méthodes économiques dérivées de techniques de changement de comportement (Abraham & Michie, 2008 ; Michie et al., 2009). L’adhésion est l’un des principaux défis de la m-santé. L’adhésion peut être définie comme la persistance dans le temps d’une utilisation correcte de l’outil ou de l’application de santé connectée. Il est utile d’identifier des leviers spécifiques, pour aider les patients à atteindre une autogestion efficace de leurs maladies chroniques. Par exemple, un levier peut leur permettre de surveiller leur diabète ou leur hypertension artérielle dans le temps, en vue de prévenir les facteurs de risque des maladies cardio-vasculaires. La recherche sur la conception de nouvelles technologies de santé numérique personnalisées, intégrant des données relatives au comportement et aux décisions, peut permettre d’exercer un effet de levier sur les comportements préventifs en matière de santé. L’utilisation de la santé mobile pour influencer l’adhésion aux mesures de prévention des maladies cardio-vasculaires pourrait être encore améliorée. À l’avenir, comme un nombre croissant de patients atteints de maladies chroniques deviennent des utilisateurs d’applications de santé connectées, la recherche sur ces applications devrait se concentrer de plus en plus sur l’autogestion des maladies chroniques. Les études futures pourraient également faciliter la comparaison des interventions grâce à l’élaboration de lignes directrices normalisées (Carbonnel & Ninot, 2019).

Choix de la cohorte GAZEL (Goldberg et al., 2015)

   Cette cohorte prospective lancée en janvier 1989, comprend 20 625 employés, 5 614 femmes et 15 011 hommes âgés au départ de 35 à 50 ans et de 40 à 50 ans respectivement) des entreprises publiques françaises : Électricité de France (EDF) et Gaz de France (GDF) (Goldberg et al., 2015). Cette population se compose d’habitants de toutes les régions de France vivant en milieux rural ou urbain ; de tout niveau professionnel en regroupant l’ensemble des employés du dirigeant à l’ouvrier ayant le rang le plus bas dans la hiérarchie. Les statuts spécifiques de fonctionnaire des salariés de ces entreprises nationales ont permis une certaine stabilité au sein des populations étudiées. Le suivi continu annuel mis en place par le biais de questionnaires comprend la collecte de données sur l’état de santé, le mode de vie et les facteurs socio-économiques et professionnels provenant de divers questionnaires standardisés validés scientifiquement. (Meneton et al., 2017). En raison du suivi de la cohorte sur une longue période, cette dernière est passée de 20 625 participants en 1989 (comptant respectivement 15 011 hommes âgés de 40 à 50 ans et 5614 femmes âgées de 35 à 50 ans) à une population plus âgée et diminuée à 17 907 participants. Au début de l’année 2014 elle est constituée d’une population ayant un âge moyen de 71 ans pour les hommes et 68 ans pour les femmes. Cette réduction de la population s’explique à la fois par le décès de 2028 participants comptant 1700 hommes et 328 femmes. La réduction de la population d’étude est également dû à des abandons ou la perte de suivi pour 690 participants. Le taux de participation annuel moyen pour répondre aux questionnaires est de l’ordre de 75 % en 2015. Au cours du temps, et en raison du vieillissement de la population composant la cohorte GAZEL, il a été constaté une apparition ou une augmentation de troubles liés à l’âge (physiques ou mentaux, perte d’autonomie), et du nombre de maladies chroniques. Les différentes études réalisées à partir de la cohorte GAZEL regroupent de nombreuses thématiques et problématiques telles que : les effets à long terme des expositions professionnelles sur le vieillissement prématuré ; les impacts de la retraite et d’autres événements majeurs de la vie ; les déterminants et conséquences de l’évolution des différents aspects de la santé au cours de la vie ; l’activité sociale au début du vieillissement (Goldberg et al., 2015). Les forces de la cohorte GAZEL sont nombreuses, parmi lesquelles : la diversité socioéconomique et géographique de la population échantillonnée ; la qualité et la durée du suivi de la population ; la participation élevée des membres de la cohorte ; la collecte prospective de données provenant de différentes sources qui sont extraites des registres des entreprises et des registres nationaux, des examens médicaux et biologiques pour certains participants; la grande variété de déterminants de la santé et de troubles explorés dans le questionnaire ; les mesures répétées pour la plupart des variables, recueillies en continu ou par de multiples vagues.

Conclusion générale

  Au cours de ce travail de thèse, nous avons élaboré une méthodologie pour modéliser le processus de sélection d’INS adapté à un utilisateur et conçu une application mobile Prevent Connect de prévention personnalisée. Dans la première partie de ce manuscrit, un travail bibliographique a été effectué afin de faire le constat de la situation sanitaire relative aux pathologies chroniques et un inventaire des différentes stratégies de prise en charge et de prévention mises en place afin de lutter contre ces dernières. Au travers de cette étape, nous avons présenté l’importance des outils numériques dans le contexte de la prévention. Nous avons ensuite procédé à une revue de littérature récente sur les différents outils numériques de prévention des risques cardio-vasculaires. Sur la base de cette revue, nous avons effectué un travail d’analyse afin d’identifier les critères les plus pertinents et essentiels des divers outils et stratégies de prévention. L’identification des tendances d’INS montre que les faiblesses les plus importantes observables au sein des différentes stratégies et outils de prévention sont la personnalisation des recommandations en fonction du contexte de l’utilisateur ; et la capacité de l’outil à intégrer l’ensemble des informations relatives à l’utilisateur afin de prendre en compte ce contexte. En effet, un message standard et impersonnel peut-être même mal adapté au contexte de l’utilisateur semble être un problème majeur et récurrent de nombreux outils de prévention des risques cardio-vasculaires. De ces observations est née l’une des questions au cœur de ce projet de thèse : est-il possible que les interventions numériques de santé développées conformément aux valeurs et aux besoins spécifiques des utilisateurs puissent les motiver et favoriser un changement de comportement durable chez ces derniers ? Ce travail de thèse s’est donc axé sur le développement d’une méthode et d’un outil de prévention innovant construit sur trois suppositions : l’intégration des données de comportements individuels est essentielle, la mobilisation de différents leviers de santé est primordiale et la génération de messages de prévention et de recommandation personnalisés est indispensable. Avant toute chose, il a été nécessaire de déterminer un processus permettant l’intégration des données de comportements individuels des utilisateurs. Ainsi, un questionnaire standardisé sur la base du questionnaire de la cohorte GAZEL a été réalisé. A partir de l’ensemble des réponses à ce questionnaire, un outil de classification des profils de comportement de chaque utilisateur a été modélisé pour rendre compte de la contingence comportementale et clinique de chacun. L’approche adoptée dans cette thèse est néanmoins innovante, car elle permet de représenter graphiquement le profil comportemental d’un utilisateur. Dans la seconde partie de cette thèse, le questionnaire développé dans la première partie a servi de base au développement d’une application mobile de prévention des facteurs de risque cardio-vasculaire. La première étape dans la création de l’application fut la conception d’un programme de recommandation individualisé. Pour ce faire, diverses recommandations des programmes de prévention PNNS 4 et Info-Service ont été compilées. Dans le but de permettre l’attribution d’un message de prévention à un profil d’utilisateur donné, il a fallu déterminer l’ensemble de ces profils, et de les intégrer dans un programme consistant en une chaîne de décision logique. Une fois ce programme mis en place, il a été alors possible de faire le lien entre les interventions numériques de santé les plus pertinentes pour les profils concernés. Après différentes étapes de tests techniques et de création d’un protocole relatif au droit des utilisateurs; le développement de l’application a été fait par le biais des outils Java FX et Gluon mobile. La première version de l’application étant terminée, nous avons procédé à une étude d’évaluation de l’ergonomie par des utilisateurs de cette dernière. La population des 52 utilisateurs a donné la note de 4/5 à l’application. Les retours de ces utilisateurs montrent que l’application proposée à ces derniers comporte deux axes d’amélioration majeures : les options de personnalisations et d’intégration d’objets de santé connectés. Cette deuxième partie de ce manuscrit s’est terminée par premièrement le constat que l’application mobile fonctionne, et semble répondre aux objectifs établis au début de ce projet de thèse ; et deuxièmement, par l’évocation des différentes perspectives de développement de l’application nécessaires pour répondre aux différentes critiques des utilisateurs de l’étude d’évaluation. La principale étant le recours à un développeur spécialiste de l’interface utilisateur. Dans cette approche applicative, nous avons mis en place une application utilisant un programme de recommandation individualisé se basant sur l’outil de recueil et d’analyse des groupes de comportements permettant de générer des profils liés à la contingence des utilisateurs développés dans la première partie de cette thèse. Dans un premier temps, il a été nécessaire choisir un ensemble de messages de prévention. Les recommandations intégrées au programme sont issues du Programme national Nutrition Santé (PNSS4), et des sites alcool-info-service et tabac-info-service. L’ensemble des informations relatives à ces outils et méthodologies de prévention et de recommandation, ayant servi de socle pour ce travail de thèse, a été présenté et discuté lors de nombreuses réunions sur le thème de la prévention dirigée par l’équipe d’experts dont Monsieur Hector Falcoff du Collège de Médecine Générale, Monsieur Pierre Meneton et Monsieur Adrien Ugon auxquelles j’ai eu la chance et le plaisir d’assistée lors de ce travail de thèse. Ensuite, il a été nécessaire d’intégrer ces recommandations dans le programme et les associer à des groupes de comportements. Nous avons présenté la chaîne de décision logique automatisée permettant la sélection et l’intégration des leviers de e-santé (INS) les plus pertinents pour l’utilisateur, ainsi que le processus de modélisation permettant de caractériser et classer le profil comportemental, clinique, et social de l’utilisateur. Par la suite, nous avons abordé les aspects techniques relatifs aux différents utilisateurs et leurs droits, la gestion des données et leur sécurité. Ces différentes étapes effectuées, nous avons présenté le cahier des charges de la conception du système d’aide à la prévention utilisant une base de données MySQL ; les différents sous-programmes de l’application finale ; ainsi que Gluon mobile l’outil ayant permis la compilation et le déploiement de cette dernière. Au regard de notre hypothèse initiale, les commentaires et résultats de l’étude d’évaluation semblent aller dans le sens de cette dernière montrant ainsi l’importance de l’intégration spécifique relative aux besoins et profils des utilisateurs dans une application mobile pour le choix d’interventions numérique de santé. Elle permettrait de motiver et de favoriser un changement de comportement durable. Bien entendu, la cohorte de 52 utilisateurs de l’étude menée au cours de cette thèse est loin d’être suffisante pour conclure solidement ainsi, mais reste tout de même encourageante, et légitime le développement de l’application mobile que nous proposons. Sur le plan méthodologique, nous avons présenté et mis en place une approche fondée sur une chaîne de décision logique afin de premièrement constituer des groupes de profils utilisateurs et deuxièmement associer à ces derniers des interventions numériques de santé catégorisées en des leviers d’e-santé adaptés de types à lire, à faire à connecter pour les différents facteurs de risque cardio-vasculaire. Les différents tests effectués sur la stabilité de ce processus de regroupement et des recommandations individualisées montrent que le programme développé au cours de cette thèse est efficace. Cela a été confirmé par les utilisateurs impliqués dans l’étude d’évaluation qui n’ont relevé aucun problème technique significatif pour cette dernière. Les différents retours des utilisateurs de l’étude d’évaluation montrent leur satisfaction générale et constatent la pertinence des recommandations et des INS proposées à ces derniers par l’application montrant une nouvelle fois que cette dernière est fonctionnelle.

Table des matières

Partie I Ingénierie des connaissances à mobiliser pour le choix d’interventions numériques de santé application en prévention du risque cardiovasculaire
Chapitre 1
Introduction générale et contexte
Les interventions numériques de santé, une opportunité pour améliorer l’efficience de la prévention du risque cardio-vasculaire
Chapitre 2 L’influence des interventions connectées pour l’adhésion à la prévention du risque cardiovasculaire
Chapitre 3  Enrichissement d’un modèle de prédiction de facteurs de risques cardio-vasculaires
Partie II Conception d’une application mobile pour le choix d’interventions numériques de santé et évaluation ergonomique
Chapitre 4 Conception de l’application mobile Prevent Connect pour le choix d’interventions numériques de santé
Chapitre 5 Évaluation de l’ergonomie de l’application mobile Prevent Connect
Chapitre 6 Conclusion générale et perspectives de recherche
Références
Liste des Figures
Liste des Tableaux
Liste des annexes
Formations doctorales
Glossaire
Résumé

Télécharger le rapport complet