From good clinical practice recommendations to the mobile application prescription assistance system: computer translation of recommendations for ten pathologies prevalent in general medicine
Des recommandations de bonne pratique clinique au système d'aide à la prescription d'application mobile : traduction informatique des recommandations de dix pathologies prévalentes en médecine générale
Résumé
Introduction: current general medicine is based on evidence based medicine, one of the fundamental pillars of which is: recommendations for good clinical practice. These are not always easy to apply and use by the general practitioner. The latter must deal with requests for advice on the use of new digital health tools (connected objects, mobile health application). E-health tools such as decision support systems could be an answer to these issues. The ApiApps project aims to develop a system to help prescribe mobile health applications adapted to the patient's profile. Our work is included in this project and aimed to translate the health recommendations of ten pathologies prevalent in general medicine from a textual format to a computer format for use in current practice in business software. And as a secondary objective a description of these computer rules.
Method: ten pathologies were selected from prevalence studies in general medicine. Eleven French-speaking recommendations were analyzed. The rules were taken from the recommendations by two independent experts. A target (patient or doctor), a theme (selected from among the Q-Codes), a level of certainty and a level of proof have been assigned to each rule. Disagreements between the two experts were resolved by consensus. The relevance of the rules within the framework of the ApiApps project was determined at the end of the analysis.
Results: 656 rules were established, 57% with a “doctor” target and 43% “patients”. The rules are mainly classified in the “prescribing behavior” category at 36% followed by the “patient knowledge category” and “clinical competence” 21% each. 70 were selected as relevant for the ApiAppS project, such as the rule: If "type 2 diabetes" THEN "monitoring blood sugar" which would trigger a proposal to prescribe a blood glucose monitoring application. The most frequent themes of these ApiApps rules were self-care (64%), health education (23%) and patient knowledge (17%).
Conclusion: this work illustrates the need for the next recommendations to also include their transcription in the form of a computer rule that can be directly used in information and decision support systems. It also raises the question of the development of recommendations for the patient and the place of his knowledge.
Introduction : la médecine générale actuelle repose sur l’Evidence Based Medicine (EBM) dont un des piliers fondamentaux est : les recommandations de bonne pratique clinique. Ces dernières ne sont pas toujours simples à appliquer et à utiliser par le médecin généraliste. Ce dernier doit faire face à des demandes de conseils sur l’usage des nouveaux outils numériques de santé (objets connectés, application mobile de santé). Les outils de la e- santé tels que les systèmes d’aide à la décision pourraient être une réponse à ces problématiques. Le projets ApiApps vise à élaborer un système d’aide à la prescription d’applications mobiles en santé adaptées au profil du patient. Notre travail s’inclut dans ce projet et avait pour objectif de traduire les recommandations de santé de dix pathologies prévalentes en médecine générale d’un format textuel à un format informatique pour un usage en pratique courante dans les logiciels métiers. Et comme objectif secondaire une description de ces règles informatiques.
Méthode : dix pathologies ont été sélectionnées à partir des études de prévalence en médecine générale. Onze recommandations francophones ont été analysées. Les règles ont été extraites des recommandations par deux experts indépendants. Une cible (patient ou médecin), une thématique (sélectionnée parmi les Q-Codes), un niveau de certitude et un niveau de preuve ont été attribués à chaque règle. Les discordances entre les deux experts ont été résolues par consensus. La pertinence des règles dans le cadre du projet ApiApps a été déterminée en fin d’analyse.
Résultats : 656 règles ont été établies, 57% avec une cible « médecin » et 43% « patients ». Les règles sont principalement classées dans la catégorie « comportement de prescription » à 36 % suivi de la « « catégorie connaissance du patient » et « compétence clinique » 21 % chacune. 70 ont été sélectionnées comme pertinentes pour le projet ApiAppS, telles que la règle : Si « diabète de type 2 », ALORS « suivi des glycémies » qui permettrait d’enclencher une proposition de prescription d’une application de suivi glycémique. Les thématiques les plus fréquentes de ces règles ApiApps étaient l’auto-soin (64%), l’éducation à la santé (23%) et les connaissances du patient (17%).
Conclusion : ce travail illustre la nécessité que les prochaines recommandations comprennent également leur transcription sous forme de règle informatique directement utilisable dans les systèmes d’information et d’aide à la décision. Il soulève également la question de l’élaboration de recommandations à destination du patient et de la place de son savoir.
| Origine | Fichiers produits par l'(les) auteur(s) |
|---|