Ingénierie des connaissances pour le choix d'interventions numériques de santé application en prévention du risque cardiovasculaire

Knowledge engineering for the choice of digital health interventions application in cardiovascular risk prevention

• Auteur / Autrice : Dahbia Lynda Agher
• Direction : Sylvie Despres, Marie-Christine Jaulent
• Type : Thèse de doctorat
• Discipline(s) : Informatique biomedicale
• Date : Soutenance le 07/12/2020
• Etablissement(s) : Paris 13
• Ecole(s) doctorale(s) : École doctorale Galilée (Villetaneuse, Seine-Saint-Denis)
• Partenaire(s) de recherche : Laboratoire : LIMICS (2014-....)
• Jury : Président / Présidente : Mathilde Touvier
• Jury : Examinateurs / Examinatrices : Karima Sedki, Nathalie Souf, Rosy Tsopra Tahiraly
• Jury : Rapporteurs / Rapporteuses : Pascal Staccini, Joël Colloc

Mots clés

Mots clés contrôlés

Évaluation

Systèmes de communication sans fil en médecine

Applications mobiles

Prévention

Maladies cardiovasculaires

Mots clés libres

Prévention primaire du risque cardiovasculaire

M-Santé

Interventions numériques de santé

Application mobile

Primary prevention of cardiovascular risk

M-Health

Connected Health Interventions ergonomic assessment

Mobile application

Résumé

Les services de santé connectés sont considérés comme des outils à fort potentiel pour la modification du mode de vie des personnes. Ils induisent en effet des changements positifs vers l’adoption de comportements plus bénéfiques pour la santé. En nous situant dans le contexte de la prévention du risque de maladies cardiovasculaires ,l'hypothèse de recherche est que le profil de l'utilisateur (médical, comportemental et social) permet de prédire le type d'application connectée qui constituera pour cet utilisateur un levier efficace pour la prévention de ces maladies. L'objectif principal de la thèse est de concevoir, développer et évaluer un système d’aide à la décision pour l’aide à la sélection du levier garantissant au mieux le suivi des recommandations en prévention primaire du risque cardio-vasculaire. Dans un premier temps, une revue systématique de la littérature a été réalisée pour identifier les différents types d'interventions en s'intéressant en particulier aux facteurs de risques qu'elles ciblent et à la question de l'adhésion dans le temps des utilisateurs à ces interventions. La conception du système d'aide à la décision s'est appuyée d'une part sur un modèle de données, inspiré d’un jeu de données envie réelle issue de la cohorte GAZEL et, d'autre part, sur des connaissances institutionnelles, sous forme de recommandations formalisées par des règles de décision. Le système d'aide à la décision a été implémenté dans une application mobile. Une évaluation qualitative et ergonomique de l’application mobile à l’aide de la version des utilisateurs finaux de l’échelle de notation u MARS (User Version of the Mobile Application Rating Scale) a été effectuée sur 52 utilisateurs de 18 à 60 ans. La première version de l’application a obtenu une note globale de 4/5 sur uMars. Une perspective de ce travail consiste à renforcer la personnalisation du choix des leviers pour optimiser l'adhésion et l'impact de ces technologies. Cela nécessitera de conduire des évaluations à plus grande échelle et sur des temps plus longs

Connected health services are seen as tools with great potential for changing people's lifestyles. Theyinduce positive changes towards the adoption of behaviors that are more beneficial to health. In the context ofcardiovascular disease risk prevention, the research hypothesis is that the user profile (medical, behavioral andsocial) predicts the type of connected application that will be an effective lever for the prevention of thesediseases. The main objective of the thesis is to design, develop and evaluate a decision support system to help inthe selection of the lever that best guarantees the follow-up of recommendations in primary prevention ofcardiovascular risk. Initially, a systematic review of the literature was carried out to identify the different typesof interventions, focusing in particular on the risk factors they target and on the question of users' adherence tothese interventions over time. The design of the decision support system was based on the one hand on a datamodel, inspired by a real-life data set from the GAZEL cohort and, on the other hand, on institutional knowledge,in the form of recommendations formalised by decision rules. The decision support system was implemented ina mobile application. A qualitative and ergonomic evaluation of the mobile application using the end-userversion of the u MARS (User Version of the Mobile Application Rating Scale) was carried out on 52 users agedbetween 18 and 60. The first version of the application received an overall rating of 4/5 on uMars. Oneperspective of this work is to reinforce the personalization of the choice of levers to optimize the adherence andimpact of these technologies. This will require conducting evaluations on a larger scale and over longer periodsof time