Actualités  –  publiée le 10/01/2020 par Équipe de rédaction Santélog

npj Digital Medicine

’objectif de cette nouvelle application est donc de pouvoir prévenir les chutes chez les personnes âgées mais aussi  préserver les ressources des aidants, des professionnels et des systèmes de santé.

Cette année sera certainement celle du développement des applications médicales basées sur l’intelligence artificielle (IA). Cette équipe du Houston Methodist nous propose cette app qui permet de prédire le risque de chutes -et donc de les prévenir- chez les patients âgés. Il est clair que l’application, présentée dans la revue npj Digital Medicine répond à un immense besoin, en regard notamment du vieillissement des populations.

Cette baisse possible de l’incidence des chutes, c’est l’espoir d’une réduction de la perte d’autonomie et de la dépendance chez les personnes âgées mais aussi d’une économie considérable de ressources et de dépenses pour nos systèmes de santé.

Les chutes des patients, y compris au cours d’une hospitalisation peuvent entraîner des blessures sévères. C’est d’ailleurs, soulignent les chercheurs, l’un des problèmes majeurs de sécurité des patients auxquels sont confrontés les établissements. Les chutes sont causes de perte d’autonomie chez les patients et d’augmentation des coûts médicaux, des durées d’hospitalisation et des litiges.

Aujourd’hui, les protocoles de surveillance consistent, du moins à l’hôpital, à stratifier les niveaux de risque, mais sans pouvoir prédire la sévérité des blessures. L’objectif de cette nouvelle application est donc d’évaluer le niveau de risque de chutes, mieux les prévenir et préserver aussi les ressources des aidants, des professionnels et des systèmes de santé.

A partir des données du patient, l’application prédit avec justesse son risque et la sévérité des chutes

Cette application a été conçue pour prédire la sévérité des chutes en milieu hospitalier. Elle est basée sur un mécanisme d’apprentissage automatique nourri, au départ, avec plus de 2.000 caractéristiques de patients hospitalisés. Les chercheurs apportent ici la preuve de l’efficacité de leur nouveau modèle, dans le traitement de données patients multi-sources et la justesse de ses prédictions quant à l’incidence et la sévérité des chutes.

En pratique, les paramètres cliniques et les données démographiques des patients tels que la densité osseuse, les diagnostics, les procédures antérieures, etc. sont rentrées dans l’application et celle-ci calcule un indice de risque de “chute sévère” ce qui permet, le cas échéant, de déclencher les interventions de prévention adaptées.

Un risque particulièrement élevé nécessitera une surveillance particulière, au-delà des procédures standards de prévention mises en œuvre pour l’ensemble des patients.

A domicile, en EHPAD ou à l’hôpital, la technologie peut être adaptée aux différents modes de suivi du patient. Les données peuvent être intégrées dans le dossier médical électronique du patient et, dans ce cas l’application transmet automatiquement aux professionnels de santé concernés le niveau de risque de chute du patient.

Cela permet à l’établissement ou à l’aidant de mettre en œuvre des mesures de prévention personnalisées pour le patient. L’avantage est immédiat pour le patient et, pour l’hôpital ou les équipes de soins de proximité, c’est une économie considérable d’énergie, de ressources et de dépenses de soins de santé.

Source: npj Digital Medicine 12 Dec, 2019 Preventing Inpatient Falls with Injuries using Integrative Machine Learning Prediction: A Cohort Study

Plus sur l’Autonomie, les Chutes du patient âgé sur Aidants Blog