Axes de recherche
Des axes de recherche orientés vers la prévention et les trajectoires de soins des patients
Axe I : Sommeil et données de la vie réelle
Les objets connectés sont présents au quotidien et donnent des indications sur différents éléments de la vie quotidienne, que ce soit le nombre de pas, le temps de sommeil, le temps d’utilisation d’un traitement. Il est également possible de recueillir à l’aide de smartphone des informations sur l’état de santé au travers de questionnaires à différents moments.
Enfin, il existe des bases de données collectant en continue des informations sur la santé, comme le système national des données de santé (SNDS) qui est la base de données de la caisse nationale d’assurance maladie en France.
Impact du confinement sur l’architecture du sommeil
La pandémie liée à la COVID-19 a eu des impacts sur les habitudes de chacun en particulier sur le sommeil. Cette étude cherche à comprendre l’impact du confinement total en France sur le sommeil à partir de données collectées en temps réel chaque nuit.
Projet ALASKA
Analyse des données de l’assurance maladie pour les patients traités pour leur syndrome d’apnées du sommeil : évolution de la prise en charge au cours du temps
Axe II : Sommeil, alimentation et activité physique
Le sommeil fait partie intégrante de notre vie quotidienne au même titre que l’alimentation et l’activité physique. Comprendre les mécanismes du sommeil et les interactions avec l’alimentation et l’activité physique permettent de mieux identifier les actions de préventions que l’on peut mettre en place pour améliorer la santé individuelle.
Dysbiose intestinale au cours du syndrome d’apnées obstructives du sommeil (SAOS)
Ce projet vise à étudier l’impact du traitement du syndrome d’apnées obstructives du sommeil par pression positive continue sur le microbiote des patients.
Etude CO-RNPC
La pandémie liée à la COVID-19 a entraîné la mise en place d’un confinement total en France en 2020 pendant 2 mois. L’enjeu de cette étude était de voir l’impact de cette situation exceptionnelle sur un programme de réduction de poids.
Axe III : Sommeil, facteurs personnels et environnementaux
Cet axe vise à développer la connaissance des phénomènes de non recours aux soins et leur prévention au quotidien dans l’accompagnement des patients par une approche qualitative – quantitative dans le cadre de la collaboration avec l’Observatoire du non recours aux soins (ODENORE). Cela se traduit par :
- La mise en place de protocoles de recherche dédiés pour explorer les relations entre déterminants personnels, et notamment la littératie en santé, et le parcours de soin des patients, notamment l’observance aux traitements.
- Construire une démarche de recherche en lien avec les sciences humaines et sociales pour donner du sens aux trajectoires de soins en développant un axe de recherche qualitatif et en développant l’expertise quant à l’analyse des données issues de questionnaires. Sensibiliser les professionnels de santé à la notion de non recours aux soins et œuvrer à la mise en œuvre d’actions ciblées pour favoriser la prise en charge des patients en situation de non recours aux soins.
Projet SOCIO-SAS
Le projet OBSERVE a montré que la précarité et le renoncement aux soins de santé peuvent être associés à l’observance au traitement des patients. L’enjeu est d’identifier, à travers des questionnaires et des interviews de patients, quels sont les principaux éléments pouvant déterminer l’observance à un traitement.
Etude OBSERVE
L’efficacité des thérapies de pression positive (pression positive continue ou ventilation non invasive) est étroitement liée à leur adhérence. Une faible adhérence au traitement peut être le reflet d’une vulnérabilité socio-économique.
Axe IV : Méthodes d’analyse de données
Cet axe ambitionne de développer l’application des approches méthodologiques innovantes existantes et de les adapter pour analyser les données de santé.
Ce sont par exemple les méthodes de clustering pour identifier les phénotypes cliniques à partir des données au diagnostic et sur les données longitudinales issues des données de télésuivi des traitements comme l’adhérence à la pression positive continue et l’exploitation des objets connectés (IoT) comme les actimètres ou les balances connectées, les capteurs de glycémie, etc. Un travail est également engagé sur les approches d’intelligence artificielle (deep learning, text mining) pour caractériser les trajectoires des patients et les parcours de soins en explorant l’ensemble des données disponibles. Enfin cela se traduit par le développement des approches qualitatives et quantitatives pour intégrer les dimensions personnelles des patients aux données cliniques. Cela passe par le développement d’études basées sur l’évaluation de la qualité des soins perçue par le patient ou PROMs pour Patient-reported outcomes measures). Ces approches permettent une évaluation conjointe de la qualité des soins par les professionnels de santé et les patients avec pour finalité d’améliorer le service rendu aux patients.
Modèles de Markov cachés pour identifier les trajectoires d’événements résiduels sous pression positive continue
Comprendre les trajectoires d’événements résiduels observés sous traitement est une étape nécessaire permettant d’améliorer la personnalisation du traitement et le suivi des échecs de traitements au cours du temps.
DTW : analyse des trajectoires d’observance à la pression positive continue des patients ayant un syndrome d’apnées obstructives du sommeil.
Les données des patients ayant un syndrome d’apnées obstructives du sommeil sont recueillies chaque jour grâce au télé-suivi.