Qu’est-ce qui rend les applications contre la dépression sûres, efficaces et dignes de confiance ?

Qu’est-ce qui rend les applications contre la dépression sûres, efficaces et dignes de confiance ?

L’étude fournit une voie plus claire pour identifier les applications contre la dépression qui sont sûres, efficaces et recommandées.

Étude : Validation et sélection de critères d'évaluation des applications pour le traitement de la dépression : une étude Delphi. Crédit photo : myboys.me/Shutterstock.com

Dans une étude récente publiée dansBMJ ouvert, les chercheurs ont présenté un nouveau cadre consensuel qui jette les bases d'un futur outil d'évaluation pour aider les experts et les consommateurs à évaluer la pléthore d'applications de santé mobile (mHealth) ciblant la dépression et le soutien en matière de santé mentale.

Le cadre a utilisé une méthodologie Delphi modifiée impliquant des professionnels de la santé, des experts en technologie et des patients pour proposer et examiner 51 mesures d'évaluation potentielles, qui ont ensuite été distillées en 28 critères essentiels destinés à être utilisés dans un outil d'évaluation d'application structuré.

Les résultats de l'étude ont montré que la confidentialité et l'efficacité clinique constituent une priorité majeure parmi les participants par rapport à d'autres fonctionnalités d'application couramment mises en avant, telles que l'engagement et l'auto-suivi. En particulier, ces résultats constitueront la base de « EvalDepApps », un futur outil conçu pour aider les utilisateurs et les cliniciens à identifier des interventions numériques sûres et fondées sur des preuves.

Pourquoi choisir une application fiable pour la dépression reste difficile

Un trouble dépressif, ou communément appelé dépression, est un éventail de maladies mentales caractérisées par des sentiments persistants de tristesse et entraînant souvent des changements observables dans le comportement et le fonctionnement quotidien (de routine). La maladie augmente à un rythme alarmant dans le monde entier, à un rythme sans précédent, touchant environ 5 % de la population adulte mondiale.

Alors que l’Organisation mondiale de la santé (OMS) souligne le potentiel des technologies numériques émergentes pour combler les lacunes en matière de soins, la réalité de l’App Store est souvent floue. Une analyse récente a révélé que sur 30 applications sur la dépression soumises à un examen approfondi, seules 26,7 % étaient étayées par des preuves scientifiques.

De plus, les applications de santé mobile (mHealth) ciblant la dépression et le soutien à la santé mentale sont rarement soumises à la normalisation ou à la pression réglementaire. Actuellement, les utilisateurs sont obligés de s'appuyer sur des avis subjectifs ou invérifiables qui donnent peu d'informations sur la validité médicale d'une application, son traitement des données personnelles sensibles ou sa conformité aux meilleures pratiques cliniques.

Une approche axée sur la dépression pour évaluer la mHealth permettrait aux professionnels et aux patients de prendre des décisions éclairées lors du choix de leur prochain outil numérique anti-dépression.

Utilisation des méthodes Delphi pour définir des normes d'application spécifiques à la dépression

Le but de la présente étude était de répondre à ce besoin urgent en proposant un ensemble de critères spécifiques, consensuels, adaptés exclusivement aux applications de traitement de la dépression. L'étude a utilisé une méthodologie d'étude Delphi modifiée, une technique de communication structurée conçue pour parvenir à un consensus parmi un panel d'experts et aider à consolider les opinions, les perceptions et les priorités des parties prenantes incluses au cours de deux cycles d'évaluation itératifs.

Les parties prenantes appelées participants à l’étude comprenaient des professionnels de la santé (psychiatres, psychologues, infirmières), des experts en technologies de la santé et des personnes souffrant de dépression. Ces participants (n = 43) ont été soigneusement sélectionnés pour garantir une vision holistique du sujet du point de vue clinique et de l'expérience vécue.

La méthodologie de l'étude a commencé par une revue de la littérature menée par l'auteur pour identifier des critères possibles de standardisation des applications mHealth et d'évaluation de leurs performances. Sur les 60 critères potentiels identifiés, un examen interne a sélectionné 51 critères pour l'évaluation des participants, dont neuf critères jugés redondants.

Le processus d’évaluation des participants ou du panel s’est déroulé en deux tours de vote :

1. Runde 1: Die Teilnehmer bewerteten die Relevanz jedes Kriteriums auf einer 6-stufigen Likert-Skala (0 bis 6).
2. Runde 2: Kriterien, die in der ersten Runde keinen entscheidenden Konsens erzielten, wurden zusammen mit früheren Abstimmungsergebnissen und zusammenfassendem Feedback zur Neubewertung an das Gremium zurückgesendet.

Seuls les critères répondant à des seuils internes avec un niveau de consensus élevé ont été inclus dans les recommandations de l'étude. Plus précisément, un critère n’était considéré comme faisant l’objet d’un consensus élevé que si 80 % ou plus des répondants lui donnaient une note de 5 ou 6, ce qui correspond à « très important ».

Ce que les parties prenantes attendent vraiment des applications contre la dépression

Les deux cycles d'examen par un comité ont abouti à l'identification de 28 critères (contre 51 auparavant) qui répondaient aux préférences et aux besoins des experts et des patients. La participation au panel a été particulièrement forte : 59 % des experts invités ont répondu au Round 1 et 53,4 % au Round 2.

Les résultats de l’étude ont montré que les participants ont massivement donné la priorité aux domaines suivants :

1. Sicherheit und Datenschutz (25 % der berücksichtigten Kriterien): Alle vorgeschlagenen Kriterien zu Sicherheit und Datenschutz erzielten bereits in der ersten Runde maximalen Konsens. So erreichte beispielsweise ein Kriterium bezüglich der Weitergabe von Daten an Dritte eine 100-prozentige Übereinstimmung.
2. Klinische Wirksamkeit (25 %): Die Anforderung, dass die Empfehlungen einer App evidenzbasiert sein müssen, erreichte eine Zustimmung von 95,7 %, was ein starkes Interesse an einem nachweisbaren therapeutischen Wert widerspiegelt

De manière inattendue, et contrairement aux résultats d’études plus larges d’évaluation de mHealth, les critères liés aux indicateurs de santé, tels que : D’autres critères, tels que le suivi du sommeil, de l’alimentation ou des habitudes sédentaires, ont été largement considérés comme moins importants et représentaient 7,1 % de la liste finale des critères. Les auteurs notent que cette dépriorisation ne signifie pas que ces traits manquent de valeur, mais plutôt qu’elle reflète des preuves limitées les reliant à de meilleurs résultats pour la dépression lorsqu’ils sont utilisés isolément.

Enfin, la convivialité et la fonctionnalité sont restées importantes, représentant 17,9 % de la liste finale. Les participants ont souligné que les applications doivent être interprétables, réactives et communiquer clairement leurs objectifs pour soutenir une utilisation durable et significative.

Ce que ces critères signifient pour les futures applications de santé mentale

La présente étude souligne que les applications mHealth, en particulier celles visant à soulager la dépression, doivent donner la priorité à la sécurité et à la validité scientifique plutôt qu'à des fonctionnalités moins cliniques telles que le suivi du sommeil ou de l'alimentation. Il introduit 28 critères validés pour évaluer et examiner les applications mHealth, offrant aux parties prenantes un chemin éclairé pour les évaluations futures des outils numériques pour le traitement de la dépression, plutôt que de recommander immédiatement des applications spécifiques.

Ces critères seront cruciaux pour optimiser l’outil d’évaluation EvalDepApps, qui vise à permettre aux professionnels de la santé et aux utilisateurs d’identifier des applications de haute qualité, garantissant ainsi que le soutien numérique en matière de santé mentale est non seulement accessible, mais également sûr et scientifiquement fondé. Cependant, les auteurs notent qu’une validation plus poussée, une adaptation contextuelle et des tests dans le monde réel seront nécessaires avant une mise en œuvre généralisée, en particulier dans divers systèmes de santé et contextes culturels.

Téléchargez votre copie PDF maintenant !

Sources :