Get started
Work

VIGIL Care. Development, validation, and evaluation of a Nursing Process Decision Support System

Year: 2025
Type: dissertation
Abstract: Les infirmiers occupent une place centrale dans la sécurité des patients et la qualité des soins, assurant surveillance, coordination et interventions. En Unités de Soins Intensifs (USI), pénurie de personnel, charge de travail et complexité clinique augmentent le stress et la charge cognitive et le risque d'erreurs. Ces contraintes soulignent l'intérêt des outils d'aide à la décision. Le Processus de Soins Infirmiers (PSI), socle du raisonnement clinique, comporte évaluation, diagnostic, planification, mise en œuvre et évaluation. Les diagnostics infirmiers (DI), formulés à travers des langages standardisés tels que NANDA-I, sont essentiels mais limités par la complexité des données, la charge cognitive et le temps. L'intégration partielle du PSI dans les dossiers électroniques renforce l'intérêt des Systèmes d'aide à la décision clinique (SADC). Les SADC qui soutiennent le PSI (NP-CDSS) améliorent la précision diagnostique, la cohérence du raisonnement et la priorisation des interventions. Malgré le standard mondial pour les NP-CDSS (2016), leur adoption reste limitée : les solutions existantes couvrent partiellement le PSI, manquent d'ergonomie et d'interopérabilité, génèrent une charge documentaire et sont peu adoptées. Nous avons conçu VIGIL Care, un NP-CDSS pour USI à faible maturité numérique, combinant moteur de règles et algorithmes d'apprentissage machine (AM), basé sur les langages standardisés et les principes du standard des NP-CDSS pour produire des DI en temps réel. Un formulaire numérisé intègre les données démographiques, cliniques et fonctionnelles, enrichies d'informations administratives, de laboratoire, de pharmacie et de facturation puisés du système d'information hospitalier. Ces données alimentent un moteur générant des DI codés NANDA-I avec facteurs déclencheurs. Les infirmiers peuvent confirmer, rejeter ou ajouter des diagnostics, classés selon leur criticité et adaptables au contexte. Le développement s'est déroulé en trois phases : (1) Priorisation : 13 experts des USI ont réduit 277 diagnostics NANDA-I à 32, dont 18 prioritaires ; (2) Affinement : un second panel a validé 449 indicateurs et ajouté 52, avec pondération des règles ; (3) Prototype et évaluation : un prototype web génère, explique et hiérarchise les DI. Les tests sur des cas pseudonymisés ont montré une sensibilité et spécificité supérieures aux documentations manuelles. Lors d'un essai randomisé contrôlé avec 32 infirmiers sur 12 cas, la justesse des diagnostics est passée de 73 % à 81 %, avec amélioration de la sensibilité et spécificité, surtout pour les situations complexes. Le temps décisionnel a diminué avec l'utilisation, illustrant la courbe d'apprentissage. L'acceptabilité est élevée (87 %) malgré un léger biais d'automatisation. L'utilisabilité (SUS 78 %) et la satisfaction est bonne, en particulier grâce à l'intégration des données, l'explicabilité et l'adéquation aux flux de travail, malgré une interface perfectible. Les perspectives incluent l'interopérabilité avec les dossiers électroniques, l'aide au diagnostic intégrant l'AM et le traitement du langage naturel, l'explicabilité renforcée, des alertes sur les données incohérentes, la mesure de la charge de travail et les boucles de rétroaction continues. VIGIL Care intègre également un module de prédiction de risques basé sur l'AM, illustré par un modèle prédisant le risque d'escarres acquises, offrant soutien dynamique et interprétable, complémentaire au raisonnement basé sur les règles. En conjuguant Intelligence Artificielle et jugement clinique, VIGIL Care favorise une pratique infirmière plus précise, efficiente et centrée sur le patient, adaptée aux USI et aux environnements à ressources numériques limitées.
Language: English
Field: Nursing
Open Access status: green
OpenAlex ID: W7140149285
Cites:
Cited by:
Related to: