Recrutement, Stages,

Perti’SAM – Conception et développement d’une application web pour l’aide à la décision lors de revues de pertinence de prescriptions pour limiter la iatrogénie médicamenteuse

Encadrantes: Elsa Jouhanneau-Treton (CHM), Valérie Renault (CREN), Nathalie Camelin (LIUM), Catherine Cléder (CREN)
Equipes d’accueil : Centre Hospitalier du Mans – Le Mans Université, laboratoires CREN (Centre de Recherche en Education de Nantes – site Le Mans) et LIUM (Laboratoire d’Informatique de l’Université du Mans). Le stage se déroulera en présentiel.
Lieu : Le Mans Université et Centre Hospitalier du Mans, déplacements possibles à Laval et Angers
Contact : Elsa Jouhanneau-Treton (ejouhanneau@ch-lemans.fr), Valérie Renault (valerie.renault@univ-lemans.fr), Nathalie Camelin (nathalie.camelin@univ-lemans.fr), Catherine Cléder (catherine.cleder@univ-lemans.fr).

Candidature : Envoyer votre CV, une lettre de motivation adaptée au sujet proposé, vos relevés de notes des deux dernières années d’études, possibilité de joindre un avis ou des lettres de recommandations. à l’ensemble des encadrantes, avant le 18 décembre 2023

 
 

Contexte : Lorsqu’un patient âgé, de plus de 65 ans, arrive aux Urgences, la raison du motif de consultation est souvent chute, malaise. Lors de l’enquête médicamenteuse, le patient s’avère souvent polymédicamenté (plus de 5 médicaments), ce qui peut induire des effets indésirables dus aux interactions entre ces médicaments (la iatrogénie médicamenteuse). Les sujets âgés sont plus sensibles à la iatrogénie médicamenteuse et cela cause de nombreuses hospitalisations. Les pharmaciens des centres hospitaliers doivent ainsi étudier les médicaments prescrits au patient et leur pertinence : c’est la Revue de pertinence de prescriptions.

Lors de celle-ci, le pharmacien va devoir utiliser ses connaissances mais aussi différents outils, différentes sources d’informations afin de proposer au médecin des changements de traitements, des adaptations de posologie, des arrêts de traitements… Ces revues de pertinence sont propres à un centre hospitalier. Lors de cette expertise, on peut observer des pratiques non mutualisées car cela dépend souvent de l’expérience du pharmacien, de sa formation particulière.

Les données médicales sont complexes et nombreuses. Les avancées scientifiques ne sont pas toujours inscrites dans le résumé des caractéristiques du produit. Chaque laboratoire pharmaceutique définit ses propres descriptions de ses médicaments et ces descriptions ne sont pas régies par une norme unique. Cependant, les applications existantes ne contiennent pas toutes les informations nécessaires aux pharmaciens pour leur revue de pertinence et ne permettent pas le partage d’expertises.

L’objectif général du projet de recherche est de créer une application permettant d’aider les pharmaciens à réaliser des revues de pertinence des prescriptions chez les patients âgés de plus de 65 ans, et de l’évaluer, tout en tenant compte des applications proches déjà existantes.

 
Vos missions :

Plusieurs missions pourront être priorisées et réparties en fonction de l’avancée du projet, voire des préférences de l’étudiant engagé dans le projet :

  1. Axe IHM et UX Design: Poursuivre le travail d’analyse détaillée des besoins et d’identification des fonctionnalités nécessaires à une revue de pertinence en appuie sur les applications existantes (Vidal, Yatro, etc.) et sur les pratiques des pharmaciens du CHM, du CH de Laval et CHU d’Angers ;
  2. Axe développement de web services : Poursuivre l’intégration des données disponibles déjà identifiées et conception des services web permettant d’utiliser ces données (données Excel du CHM, fichiers gérontologies, etc.).
  3. Axe IA : Plusieurs pistes sont actuellement envisagées et pourront faire l’objet de preuves de concept : web agents, détection de pattern dans les interactions médicamenteuses, automatisation de l’exploration de données médicales (structurées ou non standardisées selon les sources), etc.

 

Technologies : Technologies web et base de données du type API Rest, Angular, Python, Flask.

Partenaires : Réunions de travail régulières avec les pharmaciens des différents hôpitaux impliqués dans le projet pouvant amener à se déplacer au CHM.

 

Bibliographie – Webographie

[1] Jouhanneau, E & Fratta, A & Auvrignon, A & Descout, J. (2017). PS-064 Impact of remedial actions after a risk analysis by a failure mode effects and consequences analysis on pharmaceutical interventions in a paediatric hospital. Eur J Hosp Pharm. 24. A255.2-A255. doi:10.1136/ejhpharm-2017-000640.570.

[2] Jouhanneau, Elsa & Imbert, Camille & Auvrignon, Anne & Fratta, Anne & Descout, Jerome. (2016). Évaluation prospective des interventions pharmaceutiques dans un hôpital pédiatrique et analyse des risques selon la méthode AMDEC (analyse des modes de défaillance, de leurs effets et de leur criticité). Le Pharmacien Hospitalier et Clinicien. 51. 79. doi:10.1016/j.phclin.2016.01.041.

[3] Vidal – « VIDAL Sentinel, le monitoring en temps réel des risques de prescriptions » – https://www.vidalfrance.com/solutions/vidal-sentinel

[4] SFGG – «YATRO», un dispositif unique en France pour lutter contre l’iatrogénie médicamenteuse – https://sfgg.org/espace-presse/communiques-de-presse/yatro-un-dispositif-unique-en-france-pour-lutter-contre-liatrogenie- medicamenteuse/ – Février 2022

[5] Inserm – Intelligence artificielle : va-t-elle remplacer le diagnostic médical ? Inserm n°57 – https://www.inserm.fr/actualite/intelligence-artificielle-va-t-elle-remplacer-le-diagnostic-medical/ – 13/07/2023

[6] Loïck Bourdois, Marta Avalos, Gabrielle Chenais, Benjamin Contrand, Cédric Gil-Jardiné, et al.. Traitement automatique des résumés de passages aux urgences : focus sur la désidentification. PFIA 2021 – Santé et I.A., Journée organisée avec le soutien de l’Association française d’Informatique Médicale (AIM) et le Collège Science de l’Ingénierie des Connaissances de l’AFIA dans le cadre de la Plate-Forme Intelligence Artificielle (PFIA), Jun 2021, Bordeaux / Virtual, France. ⟨hal- 03276124⟩

[7] Chenais G, Gil-Jardiné C, Touchais H, Avalos Fernandez M, Contrand B, Tellier E, Combes X, Bourdois L, Revel P, Lagarde E, Deep Learning Transformer Models for Building a Comprehensive and Real-time Trauma Observatory: Development and Validation Study JMIR AI 2023;2:e40843 doi: 10.2196/40843