← Retour aux articles
Étude transversaleTroubles des apprentissages

Évaluation d'une plateforme de santé numérique à l'aide d'analyses Web et de mesures de l'expérience utilisateur : étude quantitative basée sur RE-AIM.

Assessment of a Digital Health Platform Using Web Analytics and User Experience Measurements: Quantitative Study Based on RE-AIM.

PubMed / PMC — neurodeveloppement open access · Anglais

L’essentiel

Cette étude quantitative préréglée évalue la plateforme allemande LONDI (Lernstörungen Online-Diagnostik und Intervention) destinée aux professionnels de la santé mentale soutenant des enfants avec troubles d'apprentissage. Basée sur le cadre RE-AIM (hors efficacité), elle a collecté des données via questionnaires (n=1324 pour la portée, n=160 pour l'adoption) et analyses Web (N=37 133 visites) sur 10 mois. La portée a dépassé la proportion attendue de psychothérapeutes et psychologues scolaires. L'expérience utilisateur moyenne était de 1,54 (SD=1,14), prédisant l'intention de réutilisation. Cependant, le temps de lecture des pages cibles était insuffisant et le taux d'engagement du chatbot très faible (0,18% contre 35-40% de référence). L'utilisation a augmenté de 81,2% entre les versions. La plateforme montre des résultats positifs pour la portée, l'adoption et la maintenance, mais nécessite des améliorations pour l'implémentation.

  • L'étude a évalué la plateforme numérique LONDI pour troubles d'apprentissage selon quatre dimensions du cadre RE-AIM (hors efficacité).
  • Les données de portée ont montré que 21,9% des utilisateurs étaient des psychothérapeutes et 10,64% des psychologues scolaires, dépassant leur proportion dans la population allemande.
  • Les scores d'expérience utilisateur (moyenne=1,54, SD=1,14) étaient supérieurs à la référence et prédisaient l'intention de réutilisation.
Robustesse de l’étudeNon déterminable

Le texte intégral n’était pas accessible ; aucune faiblesse méthodologique ne peut être déduite de cette absence.

Comprendre l’analyse ↓
Portée de l’analyse NeuroWatchAnalyse partielle

Analyse du résumé uniquement. Confiance faible dans les informations extraites.

Voir les sources ↓

Synthèse détaillée

Synthèse

Cette étude quantitative préréglée évalue la plateforme allemande LONDI (Lernstörungen Online-Diagnostik und Intervention) destinée aux professionnels de la santé mentale soutenant des enfants avec troubles d'apprentissage. Basée sur le cadre RE-AIM (hors efficacité), elle a collecté des données via questionnaires (n=1324 pour la portée, n=160 pour l'adoption) et analyses Web (N=37 133 visites) sur 10 mois. La portée a dépassé la proportion attendue de psychothérapeutes et psychologues scolaires. L'expérience utilisateur moyenne était de 1,54 (SD=1,14), prédisant l'intention de réutilisation. Cependant, le temps de lecture des pages cibles était insuffisant et le taux d'engagement du chatbot très faible (0,18% contre 35-40% de référence). L'utilisation a augmenté de 81,2% entre les versions. La plateforme montre des résultats positifs pour la portée, l'adoption et la maintenance, mais nécessite des améliorations pour l'implémentation.

Résultats principaux

L'étude a évalué la plateforme numérique LONDI pour troubles d'apprentissage selon quatre dimensions du cadre RE-AIM (hors efficacité). Les données de portée ont montré que 21,9% des utilisateurs étaient des psychothérapeutes et 10,64% des psychologues scolaires, dépassant leur proportion dans la population allemande. Les scores d'expérience utilisateur (moyenne=1,54, SD=1,14) étaient supérieurs à la référence et prédisaient l'intention de réutilisation. Le temps de lecture des pages destinées aux professionnels était inférieur au temps nécessaire, et le taux d'engagement du chatbot était très faible (0,18%). Le nombre d'utilisateurs a augmenté de 81,2% entre la version précédente (n=20 496) et la version actuelle (n=37 133).

Repères pour la pratique

Les plateformes numériques comme LONDI peuvent atteindre efficacement les professionnels de la santé mentale, mais l'engagement et l'implémentation doivent être optimisés. Une bonne expérience utilisateur est un prédicteur de la réutilisation, soulignant l'importance de l'interface pour la pérennité. Les faibles temps de lecture suggèrent un besoin de contenu plus concis ou d'incitations pour que les professionnels approfondissent les informations. Le très faible engagement du chatbot indique que cet outil n'est pas encore adapté à la pratique clinique dans sa forme actuelle.

Limites et précautions

L'article évalue une plateforme numérique concrète pour les troubles d'apprentissage, pertinent pour les cliniciens en neuropsychologie et santé mentale. La méthodologie RE-AIM est robuste mais sans mesure d'efficacité. L'étude apporte des données réelles sur l'adoption, mais les limites (faible engagement, absence d'impact clinique) modèrent son intérêt immédiat pour la pratique. L'étude n'a pas évalué la dimension 'efficacité' du cadre RE-AIM, limitant la conclusion sur l'impact clinique. Les données d'analyse Web ne permettent pas de distinguer l'utilisation intentionnelle des visites accidentelles. L'échantillon des questionnaires (n=1324 et n=160) est faible par rapport au nombre total de visites (N=37 133), introduisant un biais de sélection. Le faible taux d'engagement du chatbot n'a pas été analysé qualitativement pour comprendre les causes. L'étude s'est déroulée sur 10 mois seulement, ce qui peut ne pas refléter les tendances à long terme.

Analyse méthodologique

Non déterminableLe texte intégral n’était pas accessible ; aucune faiblesse méthodologique ne peut être déduite de cette absence.

Le texte intégral ouvert n’était pas accessible. Cela rend la robustesse non déterminable : l’absence d’information n’est pas interprétée comme une faiblesse de l’étude.

Examiner les critères point par point

L'analyse automatisée du résumé de cette étude transversale a examiné quatre critères méthodologiques. Le contrôle des facteurs de confusion n'est pas rapporté dans la source analysée, ce qui rend impossible l'évaluation de ce biais potentiel. En revanche, la validité de la mesure est favorable : les scores d'expérience utilisateur (UX) ont été comparés à des références standard (benchmark moyen) et ont prédit l'intention de réutilisation. La sélection de la population est également favorable : la proportion de thérapeutes de l'apprentissage (21,90 %) et de psychologues scolaires (10,64 %) dépasse leur pourcentage dans la population allemande (<0,01 %). Les analyses statistiques sont documentées comme adéquates, incluant des analyses descriptives et inférentielles. Les auteurs concluent que la plateforme a atteint les professionnels ciblés au-delà des attentes, mais que l'engagement reste faible (temps de lecture insuffisant, chatbot à 0,18 % contre 35-40 % dans l'industrie). L'augmentation de 81,2 % du nombre d'utilisateurs entre les versions est mise en avant. L'analyse NeuroWatch note que l'absence de contrôle des facteurs de confusion et le recours à un seul résumé (lecture du résumé uniquement, pas du texte intégral) limitent la confiance dans les conclusions. Aucune recommandation clinique n'est formulée.

confounding controlNon déterminable

Aucune mention du contrôle des facteurs de confusion.

L’information nécessaire n’est pas rapportée dans la source analysée.
measure validityFavorable

La mesure de l'expérience utilisateur a été comparée à une référence standard, et les taux d'engagement du chatbot ont été comparés aux références du secteur.

Un élément méthodologique adéquat est explicitement documenté.
population selectionFavorable

La population cible était les professionnels de la santé mentale (thérapeutes de l'apprentissage et psychologues scolaires), et leur proportion dans l'échantillon a été comparée à la population allemande.

Un élément méthodologique adéquat est explicitement documenté.
statistical analysisFavorable

Des analyses descriptives (moyennes, pourcentages) et inférentielles (prédiction de la réutilisation par les scores UX) ont été rapportées.

Un élément méthodologique adéquat est explicitement documenté.

Cette analyse est produite automatiquement par une IA à partir des sources indiquées, puis l’appréciation est calculée avec des règles versionnées (scientific_analysis_v2). Elle ne constitue ni une validation par un professionnel ni une recommandation clinique. Consulter la méthodologie.

Classification détaillée

Lecture multiaxiale

Ce que l’article étudie

Taxonomie 2026_10

Population et étape de vie

Confiance élevée

Article assessing a digital health platform for children with learning disorders, focusing on professional users.