Projet DEEP : Évaluation de la performance de scores d’identification de maladies cardio-métaboliques à partir d’objets connectés.

Objectif(s) de la recherche et intérêt pour la santé publique

Finalité de l'étude

Objectifs poursuivis

Domaines médicaux investigués

Bénéfices attendus

Les maladies cardio-métaboliques (MCM) sont une cause majeure de décès, avec une détection sous-optimale. L’identification tardive de ces maladies et de leurs complications est associée à un fardeau médico-économique considérable qui pourrait être diminué grâce à une détection plus précoce.
Withings est une entreprise française spécialisée dans la conception et le développement d'objets connectés dédiés à la santé. ​L'entreprise propose une gamme variée de dispositifs médicaux connectés innovants, notamment des balances intelligentes, des montres hybrides, ou encore des matelas capteurs de sommeil. A partir des biomarqueurs collectés en routine par ces objets, Withings développe des scores pour identifier des pathologies et leurs complications. Plusieurs scores ont ainsi déjà été développés et validés, notamment pour la fibrillation auriculaire et l’apnée du sommeil. De nouveaux scores sont en cours de développement pour quatre nouvelles pathologies et leurs complications (diabète, hypertension artérielle, insuffisance cardiaque et artérite oblitérante des membres inférieurs). Withings souhaite valider ces scores en utilisant les données du SNDS.
L’objectif principal est de mesurer la performance de scores développés à partir de biomarqueurs issus des objets connectés Withings pour la détection de quatre maladies cardio-métaboliques : l’hypertension artérielle (HTA), le diabète, l’insuffisance cardiaque (IC) et l’artériopathie oblitérante des membres inférieurs (AOMI).
Les objectifs secondaires sont de :
- Mesurer la capacité de scores développés à partir de biomarqueurs issus d’objets connectés à prédire ces quatre maladies avant que celles-ci ne soient diagnostiquées et prises en charge ;
- Mesurer la capacité de scores développés à partir d’objets connectés à prédire la survenue de complications de l’HTA, du diabète, de l’IC et de l’AOMI ;
- Comparer la performance de ces scores dans différents sous-groupes d’utilisateurs (en fonction de l’âge, du sexe, de l’IMC, des comorbidités et d’indicateurs d’accès aux soins) ;
- Comparer les performances de scores développés à partir de données issues de chaque objet (balance, capteur de sommeil, montre, tensiomètre) séparément d’une part, et de deux objets connectés d’autre part.
L’objectif exploratoire est, en cas de performance insuffisante des scores développés, d’affiner ces scores à partir des informations issues du SNDS.