Analyse exploratoire basée sur les données d’utilisation d’Andrew
Contexte
Aujourd'hui, l’utilisation d’outils digitaux dans la prise en charge des troubles musculo-squelettiques suscitent de plus en plus d’intérêt et fait l’objet de nombreuses études à ce sujet,. Des analyses systématiques récentes ont exploré l'impact de ces outils, suggérant des effets positifs sur la douleur et la fonctionnalité dans les groupes d'intervention par rapport aux valeurs de base, et, dans le cas des essais contrôlés randomisés inclus, des améliorations supérieures aux groupes contrôles dans 67% des cas. Chez Andrew, nous avons donc testé cela sur nos données internes.
Dans le cadre de cette analyse exploratoire, nous avons formulé la question suivante : “L’utilisation de l’outil AndrewApp est-elle associée à une diminution de la douleur perçue dans le cadre des troubles musculo-squelettiques ?”.
L’objectif est de tester à partir des données d’utilisation d’Andrew si un outil digital de recommandation d’exercices est corrélé à une amélioration de la douleur liée à des troubles musculo-squelettiques.
Shebib et al., « Randomized Controlled Trial of a 12-Week Digital Care Program in Improving Low Back Pain ». Plavoukou et al., « The Effectiveness of Telerehabilitation in Managing Pain, Strength, and Balance in Adult Patients With Knee Osteoarthritis ». Lewkowicz et al., « Digital Therapeutic Care and Decision Support Interventions for People With Low Back Pain ».
Méthodologie et données
Pour réaliser cette analyse exploratoire, nous avons récupéré les données relatives aux questionnaires de santé auxquels les patients répondent en utilisant AndrewApp. Les critères d’inclusion sont les suivants :
Patient ayant consulté un thérapeute utilisant AndrewApp
Patient inscrit sur AndrewApp
Patient ayant une douleur renseigné par un thérapeute à J0
Patient ayant répondu au questionnaire santé à J+7 strict
Patient ayant reçu un programme d’exercice AndrewApp
Patient présentant une douleur à J0 (EVA strictement supérieure à 0)
L’intensité de la douleur est coté grâce à une échelle visuelle analogique (EVA) allant de 0 à 10. L’EVA est une échelle couramment utilisée en clinique pour mesurer la douleur perçue.
Les données ont été préalablement anonymisées pour des raisons évidentes de confidentialité.
Concernant la méthode statistique, les investigations se sont organisés de la manière suivante :
Statistiques descriptives
Visualisation des données
Test des rangs signés de Wilcoxon (pour échantillons appariées)
Résultats
Statistiques descriptives
Taille de l’échantillon : 478 patients

Nous pouvons observer que la douleur s’améliore en moyenne de 1,55 en moyenne entre le jour 0 et le jour 7.
Visualisation des données

Test des rangs signés de Wilcoxon
Nous savons que nos données ne suivent pas une distribution gaussienne (test de shapiro wilk réalisés au préalable). Pour évaluer la différence entre nos deux échantillons, nous avons donc utilisé un test non paramétrique, le test de rangs signés de Wilcoxon.
Formulation des hypothèses :
H₀ (hypothèse nulle) : la médiane des différences entre les paires de valeurs des deux échantillons est nulle (il n'y a pas de différence significative entre les deux échantillons).
H₁ (hypothèse alternative) : la médiane des différences est différente de zéro (il existe une différence significative entre les deux échantillons).
Nous avons obtenu les résultats suivants :

Avec un seuil de significativité de 5%, nous pouvons rejeter l'hypothèse nulle, la différence entre nos deux échantillons est donc statistiquement significative.
Interprétation
Au vu des résultats précédents, nous pouvons donc dire que l’utilisation de l’outil semble corrélé à une amélioration significative de la douleur perçue. Associé à ces résultats, nous pouvons émettre plusieurs hypothèses :
Les exercices eux-mêmes ont un effet sur la douleur
La prise en charge du thérapeute à J0 a eu son effet dans les 7 jours suivants
L’autogestion du patient l’aide à améliorer sa douleur perçue
Risques de biais identifiés
Biais de sélection
Seuls les patients ayant répondu aux questionnaires J0 et J7 sont inclus. Cet échantillon peut ne pas représenter l’ensemble des utilisateurs. Ceux qui ont abandonné et qui n’ont pas répondu aux questionnaires ne sont pas pris en compte.
Biais d’auto-évaluation
La douleur à J0 est demandée au patient par le thérapeute et la douleur à J7 est renseignée par le patient sur l’application. Le patient peut être influencé par plusieurs facteurs (humeur, contexte, désir de faire plaisir au thérapeute, douleur communiqué à J0, etc…)
Biais de confusion
Nous n’avons pas pu contrôler d’autres facteurs externes pouvant expliquer une amélioration. (Médicaments, interventions tierces, etc..)
Biais d’absence de groupe témoin
En l’absence de groupe témoin, nous ne pouvons pas conclure à un effet causal de l’outil sur l’amélioration observée.
Régression vers la moyenne
Une partie de l’amélioration observée peut s’expliquer par une régression naturelle vers la moyenne, notamment si la douleur était particulièrement aiguë au moment de la première mesure.
Conclusion
Cette analyse exploratoire suggère une amélioration de la douleur perçue chez les patients utilisant AndrewApp. Ces résultats sont encourageants et doivent être interprétés avec prudence en prenant en compte les biais potentiels. Cette analyse exploratoire a été réalisée dans le but de partager les connaissances issues de l'application AndrewApp. Nous portons l’espoir qu’elle contribue à initier des études plus rigoureuses et contrôlées à ce sujet.
Disclaimer
Les résultats présentés sont issus d’une analyse interne sur données anonymisées et restent des résultats exploratoires. Ils n’ont pas vocation à remplacer une étude scientifique encadrée. Il ne s’agit pas d’un essai clinique. Aucun groupe contrôle n’est inclus. L’analyse ne peut pas affirmer de lien causal entre l’outil et la baisse de douleur.
Ces résultats sont donc présentés avec humilité, dans le but de faire naître des réflexions et de potentielles futures études.
Conflits d’intérêts
Les auteurs de cette analyse travaillent pour la société éditrice de l’application AndrewApp. Les résultats doivent être interprétés à la lumière de ce conflit d’intérêt.