Autogestion du risque de blessure et systèmes d’aide à la décision basés sur la modélisation prédictive. Développement, mise en œuvre et évaluation dans le cadre de l’étude de cohorte MAVIE
Résumé de soumission
Context
In order to promote health self-management, predictive personalized models combining different type of data and used by the citizen can be designed to raise individual awareness and empower him or her to participate in the management of his or her health, with application in lifestyle, wellbeing and prevention. This approach is particularly relevant in the field of injury where the human factor plays a predominant role. Each year in France, 5 million people (1 out of 14) attend an emergency room as a consequence of a non-intentional injury and about 25,000 die. Injuries account for 9% of all deaths and 14% of years of life lost.
Method
Our proposal aims to develop and evaluate a decision support system (DSS) for the self-management of the risk of injury, taking advantage of the MAVIE project, a web-based cohort launched three years ago with the objective of prospectively collecting a large range of data relevant to the risk of injury. A total of 28 000 volunteers have already enrolled in the cohort and the final objective is 100 000 participants.
The models to be implemented within the cohort will allow each participant to estimate his own risk for a range of injuries/activities and to virtually experiment with a devoted web-based interface the potential impact of decisions either related to behavior changes or to the adoption of protective devices or environments.
A team will be working on the design of the web-interface that will host this system called MAVIE-Lab.
Models will be implemented with the two following constraints: (i) to learn for exposures and injury events experienced and reported by individuals who are members of the MAVIE cohort (ii) to allow for the knowledge of risks and protective effect collected by the scientific community and reported in literature.
The ideal methodological solution identified to address this problem of combining knowledge already acquired with further information from new data is to implement Bayesian predictive parametric models. In such models, parameters can be provided with a statistical distribution (literature knowledge) and be further specified learning from actual data prospectively gained in the MAVIE cohort.
Perspective
The project will provide an evidence-based tool for injury prevention to all MAVIE cohort members that will be eventually evaluated as a prototype for enlarged injury prevention tools. The rolling out of this MAVIE-Lab DSS beyond the MAVIE cohort will help boosting the development of personal devices used for self-management of health. Valorization and translation of the DSS MAVIE-Lab demonstrator for a larger population will be considered as a second step.
Synthèse finale du projet
Dans son appel à projets de recherche et d’innovation Horizon 2020 de l’année dernière, la Commission européenne a encouragé le développement de systèmes d’aide à la décision (SAD) qui seront utilisés par l’individu (appel H2020-PHC-2014-2015), reconnaissant que « plusieurs situations cliniques pourraient être évitées ou mieux suivies et gérées avec la participation du patient lui-même ». Afin de promouvoir l’autogestion, des modèles prédictifs personnalisés combinant différents types de données (cliniques, thérapeutiques, comportementales, d’exposition environnementale ou professionnelle, de mode de vie) et utilisés par le citoyen peuvent être conçus pour sensibiliser l’individu et lui permettre de participer à la gestion de sa santé, avec une application dans le mode de vie, le bien-être et la prévention.
Notre proposition était de développer et d’évaluer un DSS pour l’autogestion du risque de blessure dans le cadre de la mise en place du projet MAVIE, une cohorte en ligne avec l’objectif de collecter prospectivement un large éventail de données relatives au risque de blessure.
Le projet MAVIE est un suivi longitudinal, au niveau individuel, de 12 419 membres de ménages. Les blessures nécessitant des soins médicaux sont suivies. Les participants se portent volontaires pour fournir, par le biais d’une interface web sécurisée, un large éventail de données comprenant des données démographiques, environnementales et sanitaires, ainsi qu’une évaluation de l’exposition à diverses activités domestiques, sportives et de loisirs. Une procédure spéciale est mise en œuvre pour recueillir des informations sur la consommation de médicaments via la base de données SNIIR-AM de la CNAM-TS. Tous les trois mois sans données sur la survenue de blessures, le participant reçoit un courriel l’invitant à signaler si une blessure est survenue au cours de la période pour tout participant membre du foyer (voir www.observatoire-mavie.com pour plus de détails). Le projet a été lancé en novembre 2014.
Le taux d’incidence des AcVC non-mortels (ayant ou non nécessité des soins médicaux) standardisé par âge et sexe en référence à la population française était de 85,0 pour 1 000 personnes-années (IC à 95 % 60,6 – 109,4). Le taux d’incidence standardisé par âge était significativement plus élevé chez les femmes. Les taux d’incidence standardisés par sexe les plus élevés furent observés chez les enfants et chez les plus de 70 ans.
Deux AcVC sur trois n’ont eu aucune conséquence grave, et seulement 5 % ont nécessité une hospitalisation. Le taux d’incidence standardisé par l’âge et le sexe des AcVC nécessitant des soins médicaux était de 39,7 AcVC pour 1 000 personnes-années (IC à 95 % 38,1 – 41,2). Le taux d’incidence standardisé sur l’âge et le sexe des AcVC plus graves, nécessitant des soins dans les services d’urgence hospitalier ou une hospitalisation, était de 26,7 AcVC pour 1 000 personnes-années (IC à 95 % 25,6 – 27,7). Les mécanismes avec le taux d’incidence standardisé le plus élevé était la chute, suivi des chocs avec des objets, des personnes ou des animaux, puis les écrasements.
Le domicile (50 %), l’espace public (22 %) et les espaces naturels (12 %) ont été les environnements d’accident les plus fréquents. Marcher (20 %), ainsi que les activités sportives (19 %), les activités domestiques (14 %), les activités de loisir (9 %), le bricolage (9 %) et le jardinage (7 %) étaient les activités les plus fréquentes. Les taux d’incidence des AcVC dans chaque pièce du domicile ajusté sur le temps passé dans chacune d’elles montre une incidence beaucoup plus élevée dans le jardin que dans les autres endroits pour tous les AcVC (277 pour 1 000 personnes-années, IC à 95 % 244 – 314), et pour les plus graves (87 pour 1 000 personnes-années, IC à 95 % 69 – 109). L’incidence des AcVC dans le jardin était 3 fois supérieure à celle dans la cuisine. De la même façon, l’incidence des AcVC dans le jardin était 6,7 fois supérieure à celle dans la salle de bains.
Le DSS construit dans le cadre du projet MAVIE permet à l’utilisateur d’expérimenter virtuellement l’impact d’une série de décisions préventives sur son propre risque. Les objectifs du projet MAVIE-Lab étaient :
(i) de sélectionner et développer un modèle prédictif bayésien approprié pour combiner les connaissances des experts et de la littérature avec les informations extraites des données longitudinales collectées dans le cadre de la cohorte MAVIE ;
(ii) développer une interface web personnalisée et conviviale basée sur le modèle bayésien pour permettre aux participants du projet MAVIE d’évaluer leurs propres risques de plusieurs types de blessures et d’expérimenter virtuellement l’impact des décisions préventives ;
(iii) évaluer le DSS MAVIE-Lab.
L’interface web du DSS du MAVIE-Lab a été conçue dans le but d’offrir un outil personnalisé avec deux fonctions principales: (i) une vue d’ensemble graphique de chaque risque par rapport au niveau médian des risques pour tous les participants (ii) une interface graphique interactive proposant des stratégies de réduction des risques appropriées et personnalisées et montrant les résultats en terme de réduction des risques des options préventives sélectionnées.
Le projet MAVIE fournit un large éventail de prédicteurs potentiels qui sont soumis dans un modèle prédictif. Les données sociodémographiques comprennent l’âge, le sexe, la profession, le revenu, les caractéristiques de l’environnement urbain/de vie. Les données relatives au logement comprennent un large éventail de descripteurs de la maison et de son environnement, y compris les équipements de sécurité et d’accessibilité. L’exposition aux activités de la vie quotidienne est mesurée par un système original décrivant le temps passé dans chaque lieu (pièces, zones extérieures) et dans toutes les activités déclarées. La santé est également décrite en détail en s’appuyant sur notre expertise dans l’auto-évaluation des variables liées à la santé dans les cohortes épidémiologiques. Cela inclut l’état de santé, la consommation de médicaments, l’évaluation de la santé mentale et les variables liées à l’attention et au vagabondage de l’esprit. Enfin, les participants sont insérés dans leur environnement de vie réel avec des données spécifiques sur les relations familiales et sociales. La sélection des variables proposées et l’impact de la modulation de leur niveau sont mis à jour graphiquement et en temps réel à l’aide du moteur de prédiction s’appuyant sur les données de l’ensemble de la base de données.
Un travail préliminaire a été mené sur la charte graphique et sur les grands principes de l’interface. Le développement de l’application MAVIE-Lab a été fait grâce à une collaboration avec le Centre de Recherche et de Développement en Informatique médicale de l’Institut de Santé Publique, d’Epidémiologie et de Développement. Le CREDIM est par ailleurs le centre qui a développé et qui héberge le site web de la cohorte MAVIE.
L’application MAVIE-Lab prévoit deux types d’utilisateurs, d’une part les utilisateurs connectés qui disposent d’un compte créé sur l’observatoire MAVIE et d’autre part les utilisateurs non connectés qui n’ont pas de compte sur le site Observatoire MAVIE ou qui ne se sont pas identifiés et qui ont donc accès à une nombre réduit de fonctions du fait de l’absence de données sur leurs expositions et leurs facteurs de risque.
L’ensemble des fonctionnalités suivantes ont été développées et testées avec succès :
- Développement de la charte graphique
- Développement de l’architecture de l’application et de la navigation
- Interfaçage avec la cohorte MAVIE
- Développement d’un module permettant de déclarer un accident via l’application
- Développement d’un module permettant aux utilisateurs d’évaluer l’application
- Intégration du site de la cohorte AMVIE au sein de l’application
- Démarches techniques et administratives permettant de rendre accessible l’application compatible iOS et Android.
La fonctionnalité permettant aux utilisateurs de donner leur avis sur l’application a été utilisée pour sa mise au point. Il ne s’agit pas réellement d’une validation au sens de la mesure de l’impact de son utilisation pour prévenir les accidents de la vie courante.
Le nombre de participants à la cohorte fut trop faible pour permettre cette évaluation. C’est la raison pour laquelle l’outil MAVIE-LAB va être intégré dans la version II de la cohorte MAVIE qui sera lancé fin 2022 par Calyxis, déjà partenaire de la cohorte MAVIE. Cette seconde version va procéder à un nouveau recrutement et va inviter les volontaires de la cohorte MAVIE à poursuivre leur participation sur cette plateforme. Si le recrutement est suffisant, il deviendra alors possible de tester l’efficacité de l’application MAVIE-Lab.
Productions scientifiques et communications (Liste non exhaustive)
Articles scientifiques
Castro, M. Y. R., Avalos, M., Contrand, B., Dupuy, M., Sztal-Kutas, C., Orriols, L., & Lagarde, E. (2021). Health conditions and the risk of home injury in French adults: results from a prospective study of the MAVIE cohort. Injury Prevention.
Castro, M. Y. R., Orriols, L., Contrand, B., Dupuy, M., Sztal-Kutas, C., Avalos, M., & Lagarde, E. (2021). Cohort profile: MAVIE a web-based prospective cohort study of home, leisure, and sports injuries in France. PLoS One, 16(3), e0248162.
Castro, M. Y. R., Travanca, M., Fernandez, M. A., Orriols, L., Conesa, D. V., & Lagarde, E. (2018). PA 05-3-0690 Mavie-lab sports: a mhealth for injury prevention and risk management in sport. BMJ Publishing Group Ltd.
Ramiz, L., Contrand, B., Castro, M. Y. R., Dupuy, M., Lu, L., Sztal-Kutas, C., & Lagarde, E. (2021). A longitudinal study of mental health before and during COVID-19 lockdown in the French population. Globalization and Health, 17(1), 1–16.
Rojas Castro, M. Y., Orriols, L., Basha Sakr, D., Contrand, B., Dupuy, M., Travanca, M., Sztal-Kutas, C., Avalos, M., & Lagarde, E. (2021). A web-based prospective cohort study of home, leisure, school and sports injuries in France: a descriptive analysis. Injury Epidemiology, 8(1), 1–13.
Rojas Castro, M. Y., Travanca, M., Avalos Fernandez, M., Conesa, D. V., Orriols, L., & Lagarde, E. (2018). MAVIE-Lab Sports: A mHealth for Injury Prevention and Risk Management in Sport. Proceedings of the 2018 International Conference on Digital Health, 158–159.
Thèses :
Octobre 2017- 2020, Thèse de Madelyn Rojas. Les accidents de la vie courante en France. Étude des facteurs de risque d’accidents domestique au sein de la cohorte MAVIE. Université de Bordeaux, Ecole doctorale Sociétés, politique, santé publique. Direction : Emmanuel Lagarde, Codirection : Marta Avalos.
Novembre 2018, Thèse de Mélanie Née. Les défauts d’attention dans la survenue de traumatismes non intentionnels. Université de Bordeaux, Ecole doctorale Sociétés, politique, santé publique. Direction : Emmanuel Lagarde, Codirection : Cédric Galéra.
Equipes du projet
Coordonnateur :
LAGARDE Emmanuel
N° ORCID : 0000-0001-8031-7400
Structure administrative de rattachement : Université de Bordeaux
Laboratoire ou équipe : BORDEAUX POPULATION HEALTH RESEARCH CENTER _INSERM U1219
Autres équipes participantes :
Responsable de l'équipe 2 : THIEBAULT Rodolphe
Université de Bordeaux - BORDEAUX POPULATION HEALTH RESEARCH CENTER _INSERM U1219
Responsable de l'équipe 3 : STALZ-KUTAS Catherine
Association Calyxis
Responsable de l'équipe 4 : CONESA David
Université de Valence (Espagne) - Département de statistiques et recherches opérationnelles
Dites-le nous !

