Article de méthode

Une plate-forme informatique pour aider les cliniciens dans l’analyse et le diagnostic des troubles de l’alimentation

DOI :

10.3791/63848

⸱

10 mai 2022

 ,  ,  ,  ,  ,  , 
1Department of Neurobiology, Care Sciences and Society, Karolinska Institutet, 2Mandometer Clinic

Dans cet article

Résumé

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Le diagnostic des troubles de l’alimentation dans les soins de santé est difficile. Par conséquent, le présent protocole développe un algorithme basé sur 949 réponses de patients à un questionnaire, avec le diagnostic affiché sur une interface Web facile à utiliser. Ce système facilite le diagnostic précis des troubles de l’alimentation tout en excluant ceux que l’on croit avoir un trouble de l’alimentation.

Résumé

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Les troubles de l’alimentation (anorexie mentale, boulimie nerveuse, trouble de l’hyperphagie boulimique et autres troubles de l’alimentation ou de l’alimentation spécifiés) ont une prévalence combinée de 13 % et sont associés à de graves problèmes physiques et psychosociaux. Un diagnostic précoce, qui est important pour un traitement efficace et la prévention des conséquences indésirables à long terme sur la santé, pose des problèmes chez les cliniciens non spécialistes qui ne connaissent pas ces patients, comme ceux qui travaillent dans les soins primaires. Un diagnostic précoce et précis, en particulier dans les soins primaires, permet des interventions d’experts suffisamment précoces dans le trouble pour faciliter les résultats positifs du traitement. Les procédures de diagnostic assistées par ordinateur offrent une solution possible à ce problème en fournissant une expertise via un algorithme qui a été développé à partir d’un grand nombre de cas qui ont été diagnostiqués en personne par des diagnostiqueurs experts et des soignants experts. Un système Web permettant de déterminer un diagnostic précis pour les patients soupçonnés de souffrir d’un trouble de l’alimentation a été développé sur la base de ces données. Le processus est automatisé à l’aide d’un algorithme qui estime la probabilité du répondant d’avoir un trouble de l’alimentation et le type de trouble de l’alimentation de la personne. Le système fournit un rapport qui sert d’aide aux cliniciens pendant le processus de diagnostic et sert d’outil éducatif pour les nouveaux cliniciens.

Introduction

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Les régimes amaigrissants et l’augmentation associée de l’activité physique sont les causes connues de l’anorexie mentale et d’autres troubles de l’alimentation1. Les troubles de l’alimentation les plus courants mentionnés dans le manuel de diagnostic des troubles mentaux (DSM-5) sont l’anorexie mentale (AN), la boulimie (BN), l’hyperphagie boulimique (BED) et d’autres troubles spécifiques de l’alimentation ou de l’alimentation (OSFED)2. Ces troubles touchent principalement les femmes et s’accompagnent de graves complications physiques et/ou psychosociales et de détresse3. Environ 13 % des femmes souffrent de troubles de l’alimentation4, et la prévalence de l’AN chez les femmes est estimée à 0,3 % à 1 % tout au long de leur vie, avec un pourcentage encore plus élevé de femmes souffrant de BN5.

Une multitude de facteurs de risque est associée à des troubles de l’alimentation spécifiques. Suivre un régime au début de l’adolescence et un faible indice de masse corporelle (IMC) augmentent le risque d’AN chez les femmes, mais la puberté précoce, l’intériorisation idéale mince, l’insatisfaction corporelle, l’affect négatif et les déficits de soutien social nesont pas 6. Parmi les facteurs qui prédisent l’apparition du BN figurent les problèmes de poids, l’insatisfaction corporelle, la volonté de minceur, l’inefficacité, la faible conscience interoceptive et les régimes, mais pas le perfectionnisme, les peurs de la maturité, la méfiance interpersonnelle ou l’IMC6. Bien qu’il existe des différences symptomatiques entre les différents types de troubles de l’alimentation, il existe une similitude dans les facteurs de risque. Cela suggère que la pathologie alimentaire et le comportement alimentaire inadapté (régime) sont des facteurs de risque communs à tous les troubles de l’alimentation.

En effet, la pathologie de l’alimentation est visible dans les troubles de l’alimentation. Cependant, la difficulté de définir et de quantifier le comportement alimentaire pathologique, combinée au fait que le diagnostic repose principalement sur la description subjective des dimensions des symptômes, peut rendre les limites entre les diagnostics peu claires7. Ce problème rend le diagnostic des troubles de l’alimentation difficile, en particulier pour les praticiens de la santé qui ne connaissent pas les patients atteints de troubles de l’alimentation, tels que les médecins de soins primaires.

Les professionnels de la santé en soins primaires sont souvent les premiers à être approchés par des personnes souffrant d’un trouble de l’alimentation. Compte tenu de l’importance de la détection et de l’intervention précoces pour un pronostic favorable, les fournisseurs de soins doivent avoir les outils pour les aider à reconnaître ces troubles. Par conséquent, un diagnostic doit être déterminé rapidement et avec précision pour éviter les retards dans leur traitement par des spécialistes.

Une façon d’atteindre cet objectif diagnostique est de numériser et d’automatiser les questionnaires concernant leurs symptômes. Un avantage supplémentaire de cette méthode pourrait être que les réponses sont plus véridiques puisque les études suggèrent que les patients font davantage confiance aux thérapeutes virtuels qu’aux cliniciens humains pour discuter des problèmes de santé mentale8. Un autre avantage potentiel est une fiabilité diagnostique accrue, certaines études suggérant que les diagnostics informatiques peuvent avoir une fiabilité supérieure à celle des diagnostics en personne 9,10.

Dans le présent protocole, un algorithme a été développé sur la base des réponses à des questions ouvertes et fermées sur la condition physique, le comportement, les émotions et les pensées de 949 patients référés consécutivement (pour les données démographiques, voir le tableau 1). Sur les 949 participants, 91,6 % (869) étaient des femmes, 18,0 % avaient un AN, 19,0 % bn, 13,5 % BED, 36,8 % OSFED, 6,8 % d’obésité (OB) et 5,9 % n’avaient aucun trouble de l’alimentation (No ED). L’algorithme estime à la fois la probabilité d’avoir un trouble de l’alimentation et la conclusion concernant le type de trouble de l’alimentation de l’individu. Les éléments du questionnaire sont basés sur les critères du DSM-5 pour les troubles de l’alimentation et de l’alimentation et les caractéristiques diagnostiques de l’AN, BN, BED et OSFED. OB (excès de graisse corporelle) n’est pas inclus dans le DSM-5 en tant que trouble mental. Cependant, il existe des associations solides entre OB et BED2. Les éléments du questionnaire sont regroupés en trois catégories: (1) Conditions, telles que l’IMC, la perte / gain de poids au cours de la dernière année et les vomissements auto-induits. (2) Comportements, y compris les habitudes alimentaires, les régimes, la pesée, les vomissements auto-induits, l’isolement des amis et de la famille et l’évitement des activités. (3) Cognitions / pensées, telles que le poids souhaité, la peur de perdre le contrôle, de trop manger, les pensées sur la nourriture, se croire gros quand les autres disent que vous êtes trop mince et la réaction à la prise de poids. L’algorithme est basé sur une analyse discriminante inconditionnelle qui attribue des pondérations aux éléments par étapes, identifiant les éléments les plus discriminants pour chacun des cinq diagnostics. Les informations de diagnostic sont affichées sur une interface Web facile à utiliser.

Protocole

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Tous les travaux sur des sujets expérimentaux et des patients ont été approuvés par l’Autorité suédoise d’examen éthique, Suède (D. nr: 2019-05505). Avant l’inscription dans le système, toutes les personnes ont donné leur consentement écrit au stockage, au traitement et à l’analyse de leurs données. Les patients ont été référés à la clinique pour un traitement spécialisé des troubles de l’alimentation, soit par référence du médecin, soit par auto-référence. Souffrir d’un trouble de l’alimentation était le critère d’inclusion pour les patients.

1. Inscription des patients par les cliniciens

REMARQUE : L’inscription des patients (figure 1) est effectuée par un clinicien à l’aide d’un outil Web personnalisé développé (voir la Table des matériaux).

  1. Accédez à la page de destination Web à l’aide de n’importe quel navigateur moderne sur recommandation du patient.
  2. Utilisez un compte existant associé à un clinicien pour vous connecter à l’outil Web.
  3. Remplissez le formulaire d’inscription du patient, y compris l’identifiant du patient, le numéro de sécurité sociale, la date de naissance, l’âge et le sexe.
  4. Appuyez sur le bouton Enregistrer pour enregistrer un nouveau patient. À ce stade, la procédure peut être suspendue, puis redémarrée ultérieurement.

2. Questionnaire pour les patients

REMARQUE : Le patient remplit le questionnaire sur un appareil intelligent à l’aide d’une application personnalisée développée dans un outil Web (voir tableau des matériaux). Si le patient est mineur, le questionnaire est rempli par un parent ou un tuteur. Leurs données sont organisées en blocs thématiques. Une fois la réponse à chaque question complétée, le système présente la question suivante (Figure 2).

  1. Ouvrez l’application de questionnaire sur un appareil intelligent.
  2. Remplissez le numéro de sécurité sociale des patients (Figure 3).
  3. Remplissez la date de la première visite; la date actuelle est utilisée par défaut.
  4. Remplissez les informations correspondant au poids, à la taille et à l’âge des patients.
  5. Remplissez les informations correspondant au comportement tels que les vomissements induits, la fréquence des collations et le taux de consommation.
  6. Remplissez les détails correspondant à des éléments cognitifs et émotionnels tels que la peur de prendre du poids et les sentiments de dysmorphie corporelle.
  7. Appuyez sur le bouton Terminé pour terminer le questionnaire. À ce stade, le questionnaire peut être mis en pause, puis redémarré ultérieurement.

3. Évaluation des risques par les cliniciens

REMARQUE : L’évaluation des risques (figure 4) est récupérée et utilisée par le clinicien à l’aide d’un outil Web personnalisé (voir tableau des matériaux).

  1. Accédez à la page de destination Web à l’aide de n’importe quel navigateur Web. Utilisez un compte existant pour vous connecter à l’outil Web.
  2. Recherchez le patient à l’aide du numéro de sécurité sociale ou de l’identifiant du patient.
  3. Ajoutez le poids et la taille mesurés au système.
  4. Appuyez sur l’onglet Résultat pour obtenir la décision algorithmique de savoir si le patient a une dysfonction érectile et, le cas échéant, quel type de dysfonction érectile.
  5. Appuyez sur l’onglet Questions 1 à 20 ou Questions 21 à 34 pour afficher les questions auxquelles les réponses des patients s’écartent des réponses des personnes en bonne santé.
  6. Sélectionnez un diagnostic final sous l’onglet Résultat , en fonction de l’algorithme et de l’expertise du clinicien.

Résultats

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

L’inscription du patient décrite à l’étape 1 est effectuée par un clinicien qui remplit le formulaire présenté à la figure 1 dans les dossiers médicaux informatisés. Une fois que le clinicien a enregistré un nouveau patient, l’application passe à l’étape 2, qui permet au patient de remplir le questionnaire. Pour commencer le questionnaire, le patient ou le clinicien doit d’abord entrer le numéro de sécurité sociale (ou ID) du patient dans l’application sur un appareil intelligent (Figure 3), après quoi l’application affiche le premier élément du questionnaire. La figure 2 montre une capture d’écran d’un élément du questionnaire de diagnostic. Une fois qu’une réponse est sélectionnée à un élément de questionnaire, l’application passe à l’élément suivant. Les patients ne peuvent pas revenir en arrière pour modifier la réponse aux questions précédentes, et si le questionnaire est terminé prématurément, les réponses sont toujours enregistrées et l’utilisateur peut revenir pour remplir les éléments manquants. Une fois que toutes les questions ont été répondues, l’application est fermée automatiquement.

Une fois le questionnaire rempli, la page d’évaluation des risques présentée à la figure 4 est mise à la disposition du clinicien via une interface Web. Les cliniciens peuvent consulter le diagnostic recommandé sur la page « Résultat », ainsi que la probabilité estimée de précision de 0 à 1 (c.-à-d. une fourchette de 100 %), en fonction d’un calcul automatique des facteurs de risque du questionnaire. En appuyant sur l’onglet « Questions 1 à 20 » ou « Questions 21 à 34 », les cliniciens peuvent voir les réponses saines (couleur turquoise) et les réponses divergentes (couleur rouge) qui ont abouti au diagnostic suggéré (Figure 5). L’algorithme (voir tableau des matériaux) estime à la fois la probabilité d’avoir un trouble de l’alimentation et la conclusion concernant le type de trouble de l’alimentation de la personne. La précision du modèle est de 97,1 % pour les diagnostics de dysfonction érectile et de 82,8 % pour les diagnostics de dysfonction érectile (tableau 2). Les informations de diagnostic sont affichées sur une interface Web facile à utiliser. Cette information donne aux cliniciens la confiance dans leur décision si le diagnostic algorithmique est en accord avec la propre évaluation du clinicien. Si le diagnostic algorithmique n’est pas en accord avec l’évaluation du clinicien, le clinicien est encouragé à demander un deuxième avis à d’autres professionnels de la santé. Le système permet également aux cliniciens de se former pour devenir meilleurs dans le diagnostic des patients en examinant les questions spécifiques censées s’écarter d’une personne en bonne santé dans les onglets des questions et en examinant les cas difficiles avec d’autres professionnels de la santé.

figure-results-1
Figure 1: Illustration du formulaire d’inscription des patients dans l’outil Web. Veuillez cliquer ici pour l’agrandir.

figure-results-2
Figure 2: Exemple d’un seul élément de questionnaire affiché sur une tablette intelligente. Veuillez cliquer ici pour afficher une version plus grande de ce chiffre.

figure-results-3
Figure 3: Instantané de la page demandant le numéro de sécurité sociale requis avant de remplir le questionnaire de diagnostic. Veuillez cliquer ici pour voir une version plus grande de ce chiffre.

figure-results-4
Figure 4 : Exemple de page de résultats avec diagnostic recommandé et précision estimée (dans ce cas 100%) telle qu’affichée à l’aide de l’outil Web. La page de résultats indique également la date, le sexe, l’âge et l’IMC du patient. Au sommet, les cliniciens peuvent choisir un diagnostic. Veuillez cliquer ici pour voir une version agrandie de cette figure.

figure-results-5
Figure 5 : Réponses au questionnaire et leur association avec le diagnostic suggéré. Le rouge indique une association élevée, et la sarcelle suggère une association faible. Veuillez cliquer ici pour voir une version agrandie de cette figure.

Femme (n = 869)Homme (n = 80)Total (n = 949)
Âge21.0 (17.0 - 30.0)21.0 (15.0 - 33.5)21.0 (17.0 - 30.0)
Hauteur167.0 (162.0 - 170.0)176.5 (169.0 - 183.0)167.0 (162.0 - 171.0)
Poids58.2 (50.0 - 75.0)71.5 (57.0 - 97.0)59.1 (50.0 - 76.5)
IMC20.9 (17.8 - 26.7)21.3 (18.0 - 31.2)21 (17.9 - 27.1)

Tableau 1 : Données démographiques des 949 patients inclus pour le développement de l’algorithme de diagnostic. Les valeurs sont exprimées en médiane (quartile inférieur - quartile supérieur).

DiagnosticDiagnostic du clinicienDiagnostic de l’algorithmePrécision (%)
Un17117287.1
Bn18018182.2
Lit12813881.3
OSFED34932879.9
Ob657490.8

Tableau 2 : Nombre de patients dans chaque catégorie de dysfonction érectile diagnostiqués par un clinicien qualifié et décision et précision de l’algorithme.

Discussion

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Un diagnostic précoce et précis des troubles de l’alimentation est essentiel pour initier un traitement approprié, améliorer les résultats du traitement et réduire les mauvais résultats en matière de santé1. Pour déterminer un diagnostic, les cliniciens doivent traiter de grandes quantités d’informations psychologiques et physiologiques, et une grande quantité de données fait du diagnostic une tâche fastidieuse avec un risque élevé d’erreur de diagnostic.

Le système décrit ici accélère le processus de prise de décision en fournissant un diagnostic automatique basé sur un questionnaire. De plus, il permet aux cliniciens de voir les réponses spécifiques qui s’écartent des réponses attendues d’une personne en bonne santé. Le système a été développé en tenant compte des besoins des cliniciens, c’est pourquoi le questionnaire est assez simple pour être rempli par le patient seul, ce qui réduit encore le temps requis par les cliniciens lors de l’examen d’un diagnostic. Pour la même raison, les réponses sont enregistrées à la saisie, ce qui garantit que le processus peut être mis en pause à tout moment. Les problèmes de connexion à l’ordinateur et autres interruptions ne nécessitent pas de répéter l’ensemble du processus.

Une limite au protocole est qu’une suggestion de diagnostic ne peut être calculée que si tous les éléments du questionnaire ont été remplis. Une autre limite est que les mesures médicales, telles que la pression artérielle et la température périphérique, ne sont pas incluses dans le système, mais doivent être évaluées par des cliniciens ou des médecins.

Il existe plusieurs outils numériques pour le diagnostic des troubles de l’alimentation, tels que les entretiens électroniques semi-structurés11, mais il n’existe actuellement aucun algorithme de diagnostic basé sur le DSM-5 ou la Classification internationale des maladies,11e révision (CIM-11). Le principal problème avec les approches disponibles est qu’elles ne fournissent pas un moyen simple pour les cliniciens de recevoir de l’aide pour le diagnostic ou de communiquer ce qui constitue des réponses malsaines. Le système actuel est destiné à être utilisé à la fois dans les soins primaires, par des professionnels de la santé ayant peu de connaissances sur les troubles de l’alimentation, et dans les cliniques spécialisées pour discuter de cas plus complexes, aidant les cliniciens dans le processus de prise de décision lors du diagnostic des troubles de l’alimentation. Ce système se traduit par une amélioration de la qualité des soins, une réduction du temps et des efforts des cliniciens et une efficacité accrue pour le clinicien dans sa pratique quotidienne.

L’algorithme de diagnostic est actuellement basé sur un questionnaire et permet au système d’apprendre aux cliniciens à mieux diagnostiquer les patients et à consulter d’autres professionnels de la santé dans les cas difficiles. Le développement futur du système doit également inclure des données médicales. En outre, la capacité pronostique de l’algorithme peut être améliorée en affinant le questionnaire, en remplaçant les éléments redondants et non informatifs par des éléments plus pertinents. Une approche longitudinale doit également être envisagée. Si le patient reçoit un traitement approprié, il est essentiel de suivre sa progression de santé au fil du temps. De nombreux éléments du questionnaire sont encore valables pour une approche de suivi. Cependant, le questionnaire et l’algorithme doivent être reformulés pour créer un indice permettant de mesurer la progression de la santé.

Déclarations de divulgation

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,


Il s’agit ici d’une transparence totale en ce qui concerne les arrangements financiers. Brodin déclare qu’il n’a aucun intérêt financier lié à cette étude. Nos recherches sont menées à l’Institut Karolinska, où Södersten est professeur émérite. La recherche est traduite cliniquement par Mando Group AB, une société créée par Södersten et Bergh, qui détiennent chacune 47,5% des actions. Le professeur Michael Leon de l’Université de Californie à Irvine a les 5% restants. Mando Group AB passe des contrats avec la région de Stockholm tous les cinq ans pour traiter les patients atteints de troubles de l’alimentation. Mando Group AB a signé son premier contrat en 1997 avec la région de Stockholm et, depuis lors, son traitement est l’une des normes de soins offerts aux citoyens de Stockholm. Mando Group AB a remporté le dernier appel d’offres et il existe maintenant des cliniques Mandometer dans quatre hôpitaux de Stockholm. Cet arrangement est le même que lorsque la région de Stockholm passe des contrats avec ses propres cliniques pour traiter les patients atteints de toutes sortes de maladies, y compris les troubles de l’alimentation. C’est-à-dire que la région de Stockholm fournit des services de troubles de l’alimentation aux citoyens de Stockholm à la fois par le biais de sa propre clinique et par l’intermédiaire de Mando Group AB. Tous les soins de santé en Suède sont financés par le système fiscal; la rémunération privée est extrêmement rare. Il convient d’ajouter, en premier lieu, que Mando Group AB se conforme à la recommandation de l’International Committee of Medical Journal Editors sur les « responsabilités des auteurs-conflits d’intérêts », http://www.icmje.org/recommendations/browse/rolesand-responsibilities/. Deuxièmement, il convient également d’ajouter que tous les bénéfices réalisés par Mando Group AB ont été réinvestis dans la recherche et le développement et qu’il n’y a pas eu de dividendes pour les actionnaires. Tout ce qui p

Remerciements

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Ce travail a été financé par la région de Stockholm.

Matériaux

Liste des matériaux utilisés dans cet article
NomEntrepriseNuméro de catalogueCommentaires
Plate-forme informatisée pour aider les cliniciens dans l’analyse et le diagnostic des troubles de l’alimentationMandoEn attente d’affectation
Claris FileMaker Go 19Claris-Pourl’enregistrement des patients, application personnalisée pour questionnaire, évaluation des risques
iPad 7e génération (2019)AppleA2197

Références

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,
  1. Treasure, J., Duarte, T. A., Schmidt, U. Eating disorders. Lancet. 395 (10227), London, England. 899-911 (2020).
  2. American Psychiatric Association. Diagnostic and Statistical Manual of Mental Disorders, 5th Edition. , American Psychiatric Publishing. Washington, DC. DSM-5 (2013).
  3. Smink, F. R. E., van Hoeken, D., Hoek, H. W. Epidemiology of eating disorders: incidence, prevalence and mortality rates. Current Psychiatry Reports. 14 (4), 406-414 (2012).
  4. Allen, K. L., Byrne, S. M., Oddy, W. H., Crosby, R. D. DSM-IV-TR and DSM-5 eating disorders in adolescents: prevalence, stability, and psychosocial correlates in a population-based sample of male and female adolescents. Journal of Abnormal Psychology. 122 (3), 720-732 (2013).
  5. Preti, A., et al. The epidemiology of eating disorders in six European countries: results of the ESEMeD-WMH project. Journal of Psychiatric Research. 43 (14), 1125-1132 (2009).
  6. Stice, E., Gau, J. M., Rohde, P., Shaw, H. Risk factors that predict future onset of each DSM-5 eating disorder: predictive specificity in high-risk adolescent females. Journal of Abnormal Psychology. 126 (1), 38-51 (2017).
  7. Södersten, P., Brodin, U., Zandian, M., Bergh, C. E. K. Verifying Feighner's hypothesis; anorexia nervosa is not a psychiatric disorder. Frontiers in Psychology. 10, 2110(2019).
  8. Lucas, G. M., Gratch, J., King, A., Morency, L. -P. It's only a computer: Virtual humans increase willingness to disclose. Computers in Human Behavior. 37, 94-100 (2014).
  9. Hendler, N., Spurgeon, D. Comparison of Clinical Diagnoses Versus Computerized Test Diagnoses using the Maryland Clinical Diagnostics Diagnostic Paradigm (Expert System) for Diagnosing Chronic Pain in the Neck, Back and Limbs. Journal of Anesthesia and Critical Care: Open Access. 6 (5), (2016).
  10. Richens, J. G., Lee, C. M., Johri, S. Improving the accuracy of medical diagnosis with causal machine learning. Nature Communications. 11 (1), 3923(2020).
  11. Dahlgren, C. L., Walsh, B. T., Vrabel, K., Siegwarth, C., Rø, Ø Eating disorder diagnostics in the digital era: validation of the Norwegian version of the Eating Disorder Assessment for DSM-5 (EDA-5). Journal of Eating Disorders. 8 (1), 1-7 (2020).

Réimpressions et autorisations

Demander l’autorisation de réutiliser le texte ou les figures de cet article JoVE

Demander une autorisation

Mots-clés

Diagnostic des troubles alimentairesdiagnostic informatiquesyst me Webaide la d cision cliniqueanorexie mentaleboulimie nerveusehyperphagie boulimiquealgorithme diagnostiqued pistage en soins primairesquestionnaire patient

Articles connexes