Le nombre de femmes atteintes de diabète gestationnel a fortement augmenté au cours des dix dernières années, tant en Finlande qu’à l’échelle mondiale. Dans le cadre du projet de développement du CleverHealth Network, la prise en charge du diabète gestationnel est soutenue par un nouveau modèle de service numérique en temps réel.
Dans le cadre de ce projet, une application mobile a été développée pour accompagner le processus de soins ; celle-ci mesure et enregistre en temps réel dans le cloud le taux de glucose continu de la femme enceinte, son activité physique, son alimentation, sa fréquence cardiaque ainsi que son poids quotidien. Un essai randomisé contrôlé mené dans le cadre de ce projet a démontré que cette application mobile améliore l’autogestion du diabète gestationnel.
– En agissant sur le mode de vie et l’alimentation pendant la grossesse, il est probable que l’on puisse réduire le nombre de mères atteintes de diabète de type 2 ainsi que les risques pour la santé de l’enfant, et ainsi d’améliorer également la santé des générations futures. Nous avons démontré dans nos études que l’application aide la patiente à comprendre comment l’alimentation et l’activité physique influencent la glycémie et l’évolution du poids, et, par conséquent, sur le déroulement de la grossesse ainsi que sur la santé du nouveau-né », explique Saila Koivusalo, spécialiste en gynécologie et obstétrique et directrice de recherche du projet.
Les informations sont transmises en temps réel via l’application au personnel soignant, qui peut, si nécessaire, fournir des conseils et un accompagnement dans le cadre de l’apprentissage. L’application s’intègre ainsi au parcours de soins et ne reste pas isolée, ce qui constitue son principal avantage par rapport aux autres applications de santé.
– Grâce à ce service, nous pouvons proposer des soins encore meilleurs et plus modernes. De plus, la mise en place de ce service optimise le processus de prise en charge des femmes atteintes de diabète gestationnel, car on s’attend à ce que le nombre de consultations nécessitant une visite à l’hôpital diminue, explique M. Koivusalo.
La prochaine étape du projet s’appuiera sur l’apprentissage automatique, qui permettra d’adapter l’accompagnement et les soins en fonction du profil de risque de chaque patient et de ses besoins individuels. L’intelligence artificielle permet également d’établir des prévisions concernant la santé future tant de la mère que de l’enfant à naître.
– Cela signifie, par exemple, de pouvoir prédire les futurs taux de glucose et le poids du nouveau-né d’une manière sans précédent. Grâce à ces prévisions, l’application fournit automatiquement des retours d’information et conseille l’utilisateur sur les choix à faire pour compenser ces variations, explique M. Koivusalo.
PUBLICATIONS
Määttänen S, Koivusalo S, Ylinen H, Heinonen S, Kytö M. (2025). « Soutenir l’autogestion chez les personnes atteintes de diabète gestationnel : l’effet de l’application mobile eMOM sur la découverte de soi et les facteurs psychologiques – Une étude utilisant des méthodes mixtes. » JMIR mHealth and uHealth (accepté pour publication). DOI : 10.2196/60855
Kytö, M., Hotta, S., Niinistö, S., Marttinen, P., Korhonen, T. E., Markussen, L. T., Jacucci, G., Sievänen, H., Vähä-Ypyä, H., Korhonen, I., Virtanen, S., Heinonen, S., & Koivusalo, S. B. (2024). Une application mobile périodique (eMOM) permettant l’autosurveillance de la glycémie et du mode de vie améliore la prise en charge du diabète gestationnel contrôlé par le régime alimentaire sans accompagnement humain : un essai contrôlé randomisé. American Journal of Obstetrics and Gynecology. https://doi.org/10.1016/j.ajog.2024.02.303
Hotta, S., Kytö, M., Koivusalo, S., Heinonen, S., & Marttinen, P. (2024). Optimisation de la prédiction de la glycémie postprandiale grâce à l’intégration de l’alimentation et de l’activité physique : exploitation de l’apprentissage par transfert avec des données de patients non équilibrées. PLoS ONE, 19 (8 août). https://doi.org/10.1371/journal.pone.0298506
Kytö, M., Koivusalo, S., Tuomonen, H., Strömberg, L., Ruonala, A., Marttinen, P., Heinonen, S., & Jacucci, G. (2023). Soutenir la prise en charge du diabète gestationnel grâce à un suivi autonome complet : étude utilisant des méthodes mixtes et des capteurs portables. JMIR Diabetes, 8, e43979. https://doi.org/10.2196/43979
Kytö, M., Strömberg, L., Tuomonen, H., Ruonala, A., Koivusalo, S. B., & Jacucci, G. (2022). Applications visant à modifier les comportements pour la prise en charge du diabète gestationnel : exploration des fonctionnalités souhaitables. International Journal of Human-Computer Interaction, 38(12), 1095–1112. https://doi.org/10.1080/10447318.2021.1987678
Kytö, M., Koivusalo, S., Ruonala, A., Strömberg, L., Tuomonen, H., Heinonen, S., & Jacucci, G. (2022). Application de changement de comportement pour l’autogestion du diabète gestationnel : conception et évaluation des fonctionnalités souhaitables. JMIR Human Factors, 9(4), e36987. https://doi.org/10.2196/36987
Kytö, M., Markussen, L. T., Marttinen, P., Jacucci, G., Niinistö, S., Virtanen, S. M., Korhonen, T. E., Sievänen, H., Vähä-Ypyä, H., Korhonen, I., Heinonen, S., & Koivusalo, S. B. (2022). Suivi complet de la glycémie et du mode de vie à l’aide d’une application mobile dans la prise en charge du diabète gestationnel : protocole d’étude pour un essai contrôlé randomisé (étude eMOM GDM). BMJ Open, 12(11), e066292. https://doi.org/10.1136/bmjopen-2022-066292
Zhang, G., Ashrafi, R. A., Juuti, A., Pietiläinen, K., & Marttinen, P. (2020). Modélisation par erreurs dans les variables des trajectoires personnalisées de réponse au traitement. IEEE Journal of Biomedical and Health Informatics, 25(1), 201-208.
Ashrafi, R. A., Ahola, A. J., Rosengård-Bärlund, M., Saarinen, T., Heinonen, S., Juuti, A., Marttinen, P., & Pietiläinen, K. H. (2021). Modélisation computationnelle de l’influence de l’apport en glucides alimentaire autodéclaré sur les concentrations de glucose chez les patients ayant subi un bypass gastrique Roux-en-Y par rapport à un bypass gastrique à anastomose unique. Annals of Medicine, 53(1), 1885–1895. https://doi.org/10.1080/07853890.2021.1964035
En collaboration avec
Pour en savoir plus
Mikko Kytö, responsable du développement, docteur en sciences techniques, maître de conférences, mikko.kyto[at]hus.fi
Saila Koivusalo, médecin spécialiste en gynécologie et obstétrique, docteur en médecine, maître de conférences, saila.koivusalo[at]hus.fi
