Des enfants tanzaniens testent l’efficacité des algorithmes d’aide à la décision clinique pour réduire l’utilisation d’antibiotiques
Des chercheurs dirigés par l’Université de Lausanne, en Suisse, ont testé l’impact d’un algorithme numérique d’aide à la décision clinique (CDSA) appelé ePOCT+ sur la prise en charge des enfants de moins de 15 ans gravement malades dans les établissements de soins primaires tanzaniens. L’objectif était de comparer les effets de l’utilisation d’ePOCT+ par rapport aux soins habituels pour réduire les prescriptions d’antibiotiques et évaluer les résultats cliniques.
Dans un article intitulé « Un algorithme de santé numérique pour guider la prescription d’antibiotiques dans les soins ambulatoires pédiatriques : un essai contrôlé randomisé en grappes », publié dans Médecine naturellel’équipe constate qu’ePOCT+ a réduit les prescriptions d’antibiotiques sans compromettre les résultats cliniques chez les enfants gravement malades.
La résistance aux antibiotiques constitue une menace sanitaire mondiale, responsable de millions de décès chaque année.
L’utilisation inappropriée d’antibiotiques contribue de manière significative à la résistance aux antimicrobiens (RAM), en particulier dans des régions comme l’Afrique subsaharienne. L’étude visait à voir si l’assistance ePOCT+ CDSA pourrait résoudre le problème de la résistance aux antimicrobiens en réduisant en toute sécurité la prescription d’antibiotiques aux lignes directrices cliniquement recommandées.
Un essai contrôlé randomisé en grappes a été mené dans des établissements de soins primaires tanzaniens. Plus de 44 000 consultations ont été incluses, avec des établissements assignés au hasard à l’ePOCT+ ou aux soins habituels.
L’utilisation de l’ePOCT+ CDSA a réduit de manière significative les prescriptions d’antibiotiques par rapport aux soins habituels (23,2 % contre 70,1 %). Les résultats en matière de sécurité, tels que les décès et les hospitalisations secondaires non référées au jour 7, n’ont montré aucune différence significative. La réduction de la surprescription d’antibiotiques s’inscrit dans le cadre des efforts déployés par la Tanzanie pour limiter l’utilisation des antibiotiques pour une sécurité à long terme.
Les CDSA, comme ePOCT+, ont été conçus pour servir de dépanneurs experts et d’arbres de décision pour aider le personnel médical en générant des invites et des rappels basés sur les données des patients. L’outil numérisé combine les informations sur la santé d’un individu avec les observations et les protocoles cliniques de l’agent de santé pour aider à prendre des décisions de diagnostic et de traitement.
À mesure que les CDSA deviennent plus efficaces dans l’analyse des données sur les patients, ils peuvent réduire les obstacles à la qualité des soins dus au manque d’accès aux spécialistes et aider même les travailleurs de la santé expérimentés à mieux suivre les recommandations cliniques fondées sur des données probantes pour diagnostiquer et traiter les patients.
Un outil de dépannage mécanique typique suit une arborescence logique avec des questions « oui » ou « non » et des tests de diagnostic. Il s’agit d’un moyen de réduire rapidement les composants d’un système défaillants. Dans un scénario de réparation automobile, peu importe que le véhicule ait également une crevaison lors de l’examen d’un problème électrique, mais des éléments tels que l’année, la marque et le modèle seraient cruciaux.
Connaître l’année, la marque et le modèle d’un patient humain est également crucial. Bien que l’étude actuelle ait été couronnée de succès, la LRCDAS a été conçue pour donner des conseils spécifiquement aux enfants et n’a pas été optimisée pour les femmes enceintes ou les patients âgés dont l’immunité est affaiblie.
Comme les systèmes biologiques de la machine humaine ont tendance à être beaucoup plus interdépendants que les systèmes mécaniques, les antécédents médicaux et les comorbidités actuelles sont nécessaires pour comprendre la meilleure façon de proposer un traitement. Chacun de ces points de données nécessite ensuite une analyse intensive et un consensus de la part d’experts médicaux pour constituer le fondement de l’arbre décisionnel de la LRCDAS.
Pour que les CDSA fonctionnent avec succès, ils doivent être intégrés à des informations fiables sur les patients et avoir des seuils optimisés pour le moment où ils disposent de suffisamment de données pour procéder. Ils nécessitent également des connaissances cliniques locales, telles que la prévalence d’une maladie dans la population de patients correspondante, pour éviter de procéder à des tests excessifs pour détecter des maladies improbables présentant des profils de symptômes communs.
En fin de compte, les obstacles à la réalisation de LRCDAS dignes de confiance et fiables peuvent sembler intimidants. L’alternative consiste à s’appuyer sur le niveau d’expertise que possède le travailleur local de la santé humaine pour diagnostiquer et traiter la maladie sans un tel outil. Cela donne l’impression que les efforts déployés dans le cadre des CDSA sont urgents et attendus depuis longtemps.
