Transforming Multi-Clinic Naturopathic EHR Data into a Research Database: A Retrospective Feasibility Pilot Study

Dans le paysage de la médecine moderne, une révolution tranquille est en cours au sein des cliniques communautaires. Depuis des décennies, les récits les plus détaillés sur la manière dont les médecins soignent les patients sont enfermés dans des notes non structurées, écrites sous forme de paragraphes de texte plutôt que dans des cases nettes et consultables. Alors que les grands hôpitaux et les centres universitaires ont commencé à exploiter la puissance de leurs dossiers numériques pour suivre les tendances de santé, le monde de la médecine naturopathique — où les praticiens se concentrent sur le soin global de la personne en utilisant l'alimentation, les herbes et les changements de mode de vie — est resté largement en dehors de ce filet numérique. Ce fossé est important car, sans moyen de rassembler et d'analyser les données provenant de nombreuses cliniques différentes, il est difficile de comprendre comment ces traitements fonctionnent dans le monde réel, au-delà des cadres contrôlés d'une étude de recherche unique. Pour combler cette fracture, les chercheurs avaient besoin d'un moyen de transformer des milliers de notes numériques éparpillées, de style manuscrit, en une bibliothèque organisée et unique qui puisse être étudiée de manière sûre et scientifique.

Une équipe de chercheurs s'est donné pour mission de résoudre ce problème en construisant un pont entre sept cliniques naturopathiques indépendantes de l'État de Washington et une base de données de recherche sécurisée, basée sur le cloud. Leur objectif n'était pas de mener un essai médical spécifique, mais de prouver qu'il était possible d'extraire automatiquement des données de ces cliniques, de supprimer toutes les informations d'identification personnelle comme les noms et les adresses, et d'organiser les détails médicaux restants dans un format que les scientifiques pourraient interroger. Ils se sont concentrés sur un système capable de lire les notes en texte libre que les médecins rédigent après avoir vu un patient, d'identifier quels traitements ont été recommandés et de les regrouper dans des catégories telles que les suppléments nutritionnels, les médecines botaniques ou les conseils diététiques. Le projet reposait sur un langage numérique standardisé qui permet à différents systèmes informatiques de communiquer entre eux, garantissant que les données d'une clinique de Seattle puissent être combinées de manière fluide avec les données d'une clinique de Portland.

Le résultat fut une archive numérique massive contenant les dossiers de santé de près de 59 000 patients, s'étendant sur une période de dix-huit ans. Cette collection comprenait plus de 469 000 visites de patients et plus de 858 000 notes cliniques. Les chercheurs ont réussi à transformer cette montagne de texte non structuré en une base de données structurée où ils pouvaient compter la fréquence à laquelle des pathologies spécifiques étaient traitées et quelles thérapies étaient les plus couramment prescrites. Ils ont constaté que les patients de ce réseau étaient principalement des femmes d'une quarantaine d'années, cherchant de l'aide pour des problèmes chroniques tels que la fatigue, la carence en vitamine D et l'insomnie. Lorsque les chercheurs ont examiné la manière dont les médecins traitaient les patients présentant des taux de sucre élevés dans le sang, un schéma clair est apparu : l'approche la plus courante impliquait une combinaison de suppléments nutritionnels, de conseils diététiques et de médecines à base de plantes. Ce schéma apparaissait de manière constante dans les différentes cliniques, suggérant une philosophie de soin partagée qui donne la priorité au mode de vie et aux interventions naturelles.

Pour tester si cette nouvelle base de données pouvait réellement suivre l'évolution de la santé, l'équipe s'est concentrée sur un groupe spécifique de patients présentant des marqueurs de glycémie élevés. Ils ont comparé les premières et les dernières lectures de glycémie disponibles pour des milliers de ces individus. Les données ont montré qu'en moyenne, les patients prédiabétiques présentaient une baisse légère mais mesurable de leur glycémie au fil du temps, tandis que ceux diagnostiqués diabétiques présentaient un déclin plus significatif. Les chercheurs ont pris soin de noter que cette observation ne prouve pas que les traitements naturopathiques ont causé l'amélioration, car les patients auraient pu également prendre d'autres médicaments ou changer leurs habitudes en dehors de la clinique. Cependant, le fait que la base de données puisse détecter ces changements dans les marqueurs de santé prouve que le système fonctionne. Il a démontré que l'infrastructure est capable de capturer les signaux subtils et longitudinaux de la santé des patients qui sont souvent perdus dans les études traditionnelles ponctuelles.

Le succès de ce projet pilote réside dans sa capacité à gérer la réalité désordonnée de la pratique médicale quotidienne. Dans de nombreuses cliniques, les médecins rédigent des notes selon leur propre style, utilisant des mots différents pour les mêmes traitements. Les chercheurs ont construit un système capable de lire ces notes variées et d'identifier avec précision quand un médecin prescrivait une thérapie spécifique, telle qu'un supplément vitaminique ou une recommandation d'acupuncture. Ils ont validé ce processus en vérifiant manuellement un échantillon des données extraites, confirmant que leur système automatisé était correct plus de 93 pour cent du temps. Ce haut niveau de précision signifie que la base de données peut être considérée comme un reflet fidèle des pratiques réelles de ces médecins, plutôt que comme le simple bruit d'un texte aléatoire. Cela a également révélé que, si certaines cliniques se concentraient fortement sur les thérapies physiques ou la gestion du stress, d'autres penchaient davantage vers la nutrition, montrant une diversité d'approches au sein d'un même domaine.

La découverte la plus significative est peut-être que ce type de recherche est désormais possible sans compter sur les médecins pour saisir manuellement des données dans un formulaire de recherche distinct. Par le passé, la création d'une base de données de cette taille aurait nécessité des équipes de personnes assises pour taper des informations à partir de dossiers papier ou d'écrans numériques, un processus lent et coûteux qui limitait l'échelle de la recherche. En automatisant l'extraction des données directement des dossiers de santé électroniques que les médecins utilisaient déjà, l'équipe a créé un système évolutif et durable. La base de données qu'ils ont construite n'est pas seulement une collection statique de chiffres ; c'est une ressource vivante qui peut être mise à jour à mesure que de nouveaux patients sont vus et que de nouveaux traitements sont prescrits. Cela ouvre la porte à de futures études pour explorer comment les soins naturopathiques affectent un large éventail de conditions, de l'hypothyroïdie à la santé cardiaque, en utilisant des preuves du monde réel plutôt que des modèles théoriques.

L'étude a également mis en évidence les défis qui subsistent. Étant donné que les données provenaient d'un groupe spécifique de cliniques dans un seul État, les résultats peuvent ne pas représenter parfaitement toutes les pratiques naturopathiques à travers le pays. De plus, le système ne pouvait pas capturer l'information de savoir si les patients avaient réellement suivi les conseils des médecins, seulement que les conseils avaient été donnés. Les données sur la race et l'ethnie étaient également largement absentes des dossiers, reflétant un problème plus large dans la collecte des informations médicales. Malgré ces limites, le projet constitue une preuve de concept démontrant que les outils numériques de la médecine moderne peuvent être adaptés pour soutenir la nature unique et personnalisée des soins naturopathiques. Il montre qu'avec la technologie appropriée, les récits riches et détaillés contenus dans les notes des patients peuvent être transformés en preuves puissantes, aidant à construire une image plus claire de ce qui fonctionne dans le monde réel des soins de santé.