Éducation mobile intégrée à l'IA et autogestion en hémodialyse (AI-MOBI-HEMODI)

Cet essai contrôlé randomisé vise à évaluer l'efficacité d'une application mobile d'éducation soutenue par l'intelligence artificielle, conçue pour améliorer les comportements d'autosoins, les pratiques de soins de la fistule artério-veineuse (FAV) et les paramètres biochimiques clés chez les patients adultes en hémodialyse (HD). La maladie rénale chronique (MRC) et son traitement de suppléance rénale le plus courant, l'hémodialyse, imposent un fardeau physique, psychologique et socioéconomique considérable aux patients. Les patients en HD éprouvent fréquemment de la fatigue, des douleurs, des crampes, des troubles du sommeil, des défis liés à la soif et aux restrictions hydriques, des limitations alimentaires, des complications liées à la FAV et une détresse émotionnelle. Ces difficultés soulignent l'importance de renforcer les capacités d'autosoins des patients et de promouvoir leur implication active dans la gestion de la maladie.

Malgré la prévalence des technologies de santé mobile (mSanté) dans la gestion des maladies chroniques, les applications existantes pour les patients en HD restent limitées, et aucune n'a intégré de soutien éducatif personnalisé basé sur l'intelligence artificielle. L'absence d'éducation des patients pilotée par l'IA représente une lacune significative dans la science infirmière et l'innovation en santé numérique. Ce projet comble cette lacune en développant et en testant un programme structuré d'éducation mobile basé sur des preuves, soutenu par l'intelligence artificielle, conçu spécifiquement pour les patients en HD.

L'étude recrutera 76 patients éligibles en hémodialyse de l'Hôpital d'État de Bitlis et de l'Hôpital d'État de Tatvan à Bitlis. Les participants seront assignés au hasard soit au groupe d'intervention, soit au groupe témoin par randomisation simple. Le groupe d'intervention aura accès à l'application mobile soutenue par l'IA pendant six semaines, incluant des modules sur la fonction rénale, la MRC et les options de traitement, la gestion des symptômes, l'adhésion alimentaire, la gestion des liquides, l'adhésion au traitement et les soins de la FAV. Chaque module intègre du contenu écrit, des vidéos, des visuels, des fonctionnalités de lecture avec support vocal et une fonction intégrée "Poser une Question" permettant aux patients de communiquer directement avec l'équipe de recherche. Le groupe témoin recevra les soins cliniques de routine sans intervention supplémentaire.

La composante d'intelligence artificielle aidera à la personnalisation du contenu, au suivi de l'engagement des patients, au stockage des données, aux rappels automatisés pour les utilisateurs inactifs et aux retours d'information basés sur les progrès d'apprentissage et les tendances biochimiques. Le développement de l'application mobile sera guidé par les avis d'experts de spécialistes en néphrologie, d'infirmiers de dialyse, d'universitaires et de diététiciens. La lisibilité des supports éducatifs sera évaluée à l'aide de la Formule de Lisibilité d'Ateşman. Une étude pilote sera menée avant l'essai pour évaluer l'utilisabilité à l'aide de l'Inventaire d'Analyse et de Mesure Web (WAMMI).

La collecte de données inclura un Formulaire d'Identification du Patient, l'Échelle des Comportements d'Autosoins de la Fistule Artério-Veineuse en Hémodialyse, l'Échelle d'Auto-gestion en Hémodialyse et un Formulaire de Suivi des Paramètres Biochimiques. Les données pré-test seront recueillies avant l'intervention ; les données post-test seront recueillies à la fin de la période d'intervention de six semaines. Les paramètres biochimiques incluront l'urée sanguine, la créatinine, l'albumine, le potassium, le phosphore, l'hémoglobine, les niveaux d'acide urique, le Kt/V et le poids sec, obtenus à partir des dossiers cliniques de routine sans prélèvement sanguin supplémentaire.

Les critères d'évaluation principaux évalueront les changements dans les comportements d'autosoins et d'auto-gestion basés sur des échelles validées. Les critères secondaires examineront les changements dans les paramètres biochimiques entre les groupes d'intervention et témoin. L'analyse des données sera réalisée à l'aide de SPSS, employant des statistiques descriptives, des tests de normalité et des tests statistiques de comparaison appropriés, avec un seuil de significativité fixé à p < 0,05.

L'approbation éthique sera obtenue du comité d'éthique institutionnel approprié, et un consentement éclairé écrit sera obtenu de tous les participants. La confidentialité des données sera assurée par des systèmes de connexion cryptés et des processus de stockage sécurisés.

Cet essai devrait contribuer de manière significative à la littérature scientifique en étant la première intervention d'éducation mobile soutenue par l'IA adaptée aux patients en hémodialyse. Les bénéfices anticipés incluent l'amélioration des comportements d'autosoins, l'augmentation de l'autonomie des patients, la réduction des complications de la FAV, une meilleure adhésion aux restrictions alimentaires et hydriques et l'amélioration des résultats biochimiques. Les impacts plus larges du projet incluent la réduction potentielle des taux d'hospitalisation, la diminution des coûts de santé, l'augmentation de la qualité de vie des patients en HD et l'établissement d'un modèle numérique pouvant être adapté à d'autres populations atteintes de maladies chroniques.

En fin de compte, cette étude vise à démontrer que l'intégration de l'intelligence artificielle à l'éducation en santé mobile peut créer une approche transformative de l'autonomisation des patients, des soins cliniques et de la gestion des maladies chroniques dans le domaine de la néphrologie et des soins infirmiers.