Questionnaire de préparation à la santé numérique (DHRQ)

1. Résumé

Le Questionnaire de préparation à la santé numérique (Digital Health Readiness Questionnaire, DHRQ), conçu et validé par Martijn Scherrenberg et ses collaborateurs en 2023, constitue un instrument psychométrique novateur développé pour évaluer systématiquement l’état de préparation et la capacité d’apprentissage des patients à l’égard des interventions de santé numérique en pratique clinique courante. Dans un contexte de transformation digitale rapide des systèmes de soins, le déploiement de la télémédecine, des applications mobiles de santé (mHealth) et des dispositifs connectés (wearables) se heurte fréquemment à la fracture numérique chez les patients vulnérables, particulièrement en cardiologie ambulatoire. Le DHRQ a été élaboré simultanément en néerlandais et en anglais à partir de cadres validés de littératie numérique en santé (Karnoe et al., 2018 ; Kayser et al., 2018) et d’un consensus clinique d’experts médicaux spécialisés.

L’instrument se compose de 20 items structurés selon une échelle de Likert en 5 points, couvrant cinq dimensions complémentaires : l’accès numérique (Digital access), l’utilisation des technologies numériques (Usage of digital technology / compétences), la littératie numérique générale (Digital literacy), la littératie numérique en santé (Digital health literacy) et l’aptitude à l’apprentissage numérique (Digital learnability). L’outil génère deux métriques principales : un score global de préparation à la santé numérique (General DHRQ score) et un score spécifique d’apprenabilité (Learnability score). L’étude initiale de validation prospective a été menée auprès d’une cohorte de patients adultes suivis en cardiologie en Belgique (âgés de 21 à 97 ans). L’analyse factorielle confirmatoire (AFC) a confirmé une adéquation satisfaisante du modèle structurel (χ²₁₆₀ = 559,0, p < 0,001 ; CFI = 0,912 ; TLI = 0,895 ; SRMR = 0,065 ; RMSEA = 0,098). La cohérence interne est remarquable, avec des coefficients alpha de Cronbach s’échelonnant de 0,735 pour l’usage numérique à 0,937 pour la littératie numérique. Le DHRQ s’impose comme un outil diagnostique standardisé indispensable pour dépister l’illectronisme médical et concevoir des parcours d’accompagnement numérique sur mesure.

2. Mots-clés

Santé numérique, Télémédecine, Préparation à la santé numérique, Littératie numérique en santé, Compétences numériques, Apprenabilité numérique, Psychométrie, Télésurveillance médicale, Fracture numérique, Validation d’échelle, Cardiologie.

3. Auteurs

• Martijn Scherrenberg, MD, PhD — Centre de Cardiologie de Hasselt, Hôpital Jessa, Hasselt, Belgique ; Faculté de Médecine et des Sciences de la Vie, Université de Hasselt, Diepenbeek, Belgique. ORCID : 0000-0001-9483-3828. Courriel : [email protected]
• Maarten Falter, MD — Centre de Cardiologie de Hasselt, Hôpital Jessa, Hasselt, Belgique ; Département des Sciences Cardiovasculaires, KU Leuven, Louvain, Belgique. ORCID : 0000-0001-7407-115X.
• Toshiki Kaihara, MD — Centre de Cardiologie de Hasselt, Hôpital Jessa, Hasselt, Belgique. ORCID : 0000-0003-0941-8035.
• Linqi Xu, MSc — Centre de Cardiologie de Hasselt, Hôpital Jessa, Hasselt, Belgique. ORCID : 0000-0002-4346-0547.
• Mayke van Leunen, MSc — Département de Cardiologie, Centre Médical Máxima, Veldhoven, Pays-Bas. ORCID : 0000-0002-5048-3747.
• Hareld Kemps, MD, PhD — Département de Cardiologie, Centre Médical Máxima, Veldhoven, Pays-Bas ; Département de Génie Biomédical, Université de Technologie d’Eindhoven, Pays-Bas.
• Hanne Kindermans, PhD — Faculté de Médecine et des Sciences de la Vie, Université de Hasselt, Diepenbeek, Belgique. ORCID : 0000-0003-2723-1645.
• Paul Dendale, MD, PhD — Centre de Cardiologie de Hasselt, Hôpital Jessa, Hasselt, Belgique ; Faculté de Médecine et des Sciences de la Vie, Université de Hasselt, Diepenbeek, Belgique.

4. Objectif et pertinence clinique

Le Digital Health Readiness Questionnaire (DHRQ) a été spécifiquement conceptualisé pour combler un vide méthodologique majeur dans l’évaluation des patients avant leur intégration dans des programmes de télémédecine, de réadaptation cardiaque à distance (telerehabilitation) ou de télésurveillance des pathologies chroniques. Alors que les innovations technologiques en santé se multiplient de façon exponentielle, un paradoxe clinique préjudiciable s’est installé : les patients présentant les fardeaux de morbidité les plus élevés — typiquement les individus âgés, souffrant de comorbidités cardiovasculaires ou issus de milieux socio-économiques défavorisés — sont également les plus susceptibles d’être exclus des interventions numériques en raison de compétences informatiques lacunaires, de craintes quant à la sécurité de leurs données ou d’un manque d’accès matériel. Ce phénomène, qualifié de « fracture numérique de second degré » ou d’illectronisme, aggrave les inégalités sociales de santé si aucune stratification préalable n’est opérée.

Sur le plan clinique, l’objectif fondamental du DHRQ n’est pas de créer une barrière à l’entrée ou d’exclure les patients les moins technophiles des soins innovants, mais au contraire de fournir un profilage diagnostique précis de leurs besoins de soutien. En mesurant distinctement les compétences acquises et l’apprenabilité (la motivation intrinsèque et le sentiment d’auto-efficacité face à l’apprentissage de nouveaux outils), le clinicien peut orienter le patient vers le niveau d’intervention le plus adapté :

• Profil autonome : patient maîtrisant les interfaces, disposant du matériel requis et capable d’interpréter des données télémétriques ; il peut être immédiatement intégré dans des protocoles de télésurveillance entièrement automatisés.
• Profil assisté ou hybride : patient motivé mais présentant des freins techniques ou des doutes cognitifs ; il bénéficiera d’une formation individualisée par un éducateur en santé, de guides illustrés pas à pas ou du recours à un proche aidant.
• Profil conventionnel : patient non connecté, réfractaire ou dépourvu de sentiment de compétence, nécessitant la poursuite d’un suivi médical présentiel strict afin de prévenir tout risque de rupture de soins ou d’abandon thérapeutique.

Dans le domaine de la recherche translationnelle et des essais cliniques randomisés évaluant l’efficacité des solutions d’e-santé, le DHRQ apporte un standard de contrôle rigoureux. Il permet aux chercheurs de contrôler statistiquement le biais d’attrition lié aux compétences technologiques, d’analyser l’observance en fonction du niveau d’alphabétisation numérique et de mener des analyses en sous-groupes pertinentes afin d’identifier pour qui, et sous quelles conditions d’accompagnement, une intervention de santé numérique est véritablement bénéfique.

5. Construit psychologique

Le construit de préparation à la santé numérique (Digital Health Readiness) évalué par le DHRQ est une méta-dimension complexe, articulée autour de cinq composantes sous-jacentes interconnectées mais psychométriquement distinctes :

1. Accès numérique (Digital Access)

Cette dimension évalue la disponibilité matérielle et la fréquence d’usage des infrastructures technologiques contemporaines dans l’environnement quotidien de l’individu. L’accès ne se limite pas à la possession nominale d’un appareil, mais englobe la connectivité réelle (connexion Internet permanente) et la diversité de l’écosystème numérique maîtrisé : ordinateurs portables, téléphones intelligents (smartphones), tablettes tactiles et dispositifs portables connectés (montres intelligentes, capteurs d’activité). L’absence d’accès direct constitue un obstacle physique infranchissable pour les interventions numériques synchrones ou asynchrones.

2. Utilisation et compétences relatives aux technologies numériques (Usage of Digital Technology / Digital Skills)

Cette sous-échelle mesure les habiletés opératoires instrumentales nécessaires à la manipulation courante des technologies de l’information et de la communication. Elle évalue la capacité concrète de l’individu à accomplir de manière autonome des actions fondamentales : rédiger et expédier un courriel, naviguer sur les réseaux sociaux, participer à des téléconsultations en visioconférence, capturer et transmettre un document photographique (par exemple, une image d’une plaie chirurgicale ou d’un tracé électrocardiographique) et consulter ses métriques d’activité physique (comme le podomètre). Ces compétences techniques de base conditionnent l’ergonomie perçue et la faisabilité des échanges médecin-patient.

3. Littératie numérique générale (Digital Literacy)

Au-delà du simple maniement technique, la littératie numérique relève d’une compétence cognitive et critique globale. Elle traduit la faculté de localiser de l’information utile et fiable sur les réseaux, mais surtout l’état affectif et perceptif du sujet lorsqu’il navigue en ligne. Le construit intègre le sentiment de sécurité psychologique face aux risques perçus sur Internet (protection de la vie privée, fraudes) et le sentiment de contrôle personnel lors de la recherche d’informations, évitant ainsi la surcharge cognitive ou la désorientation informationnelle.

4. Littératie numérique en santé (Digital Health Literacy)

Cette composante focalise la littératie dans le contexte spécifique des décisions de santé. Elle mesure l’aptitude du patient à rechercher activement des renseignements concernant ses symptômes cliniques, ses traitements médicamenteux ou sa pathologie chronique, à utiliser des applications médicales dédiées pour effectuer le suivi longitudinal de ses paramètres physiologiques, et à exercer un jugement critique pour distinguer les sources de données médicales scientifiques validées des fausses informations ou contenus trompeurs proliférant sur le Web.

5. Aptitude et motivation à l’apprentissage numérique (Digital Learnability)

Facteur distinctif et original du DHRQ par rapport aux échelles concurrentes (telles que l’eHEALS), l’apprenabilité numérique quantifie la disposition psychologique prospective du patient à développer de nouvelles aptitudes technologiques. Elle sonde la motivation intrinsèque, le sentiment d’auto-efficacité d’apprentissage, la réceptivité aux supports pédagogiques textuels ou à un tutorat personnalisé en face-à-face, ainsi que l’espérance de résultat : la conviction que l’acquisition de compétences digitales exercera une influence favorable et tangible sur son état de santé global.

6. Cadre théorique

Le développement du DHRQ s’enracine au confluent de plusieurs théories fondamentales de la psychologie de la santé, des sciences cognitives et des modèles d’acceptation technologique :

La théorie de l’auto-efficacité d’Albert Bandura

Le concept d’auto-efficacité (self-efficacy) formulé par Albert Bandura (1977, 1997) postule que les croyances d’un individu en ses capacités à exécuter les comportements requis pour produire un résultat déterminé régissent l’initiation, l’intensité et la persistance de ses efforts face aux obstacles. Dans le DHRQ, l’apprenabilité numérique et les compétences instrumentales traduisent directement l’auto-efficacité informatique (computer self-efficacy). Un patient intimement convaincu de sa capacité à assimiler le fonctionnement d’un tensiomètre connecté surmontera l’anxiété technologique initiale, tandis qu’un faible sentiment d’efficacité personnelle générera des comportements d’évitement, indépendamment de la complexité objective de l’outil.

Le modèle d’acceptation de la technologie (TAM) et la théorie unifiée UTAUT

Le Technology Acceptance Model (TAM) de Davis (1989) ainsi que la Unified Theory of Acceptance and Use of Technology (UTAUT) développée par Venkatesh et collaborateurs (2003) identifient deux déterminants cardinaux de l’intention d’usage : l’utilité perçue (perceived usefulness) et la facilité d’utilisation perçue (perceived ease of use). L’espérance de gain sanitaire mesurée dans le DHRQ (« I expect that learning digital skills can positively impact my health ») reflète l’utilité perçue, tandis que les compétences d’usage et le sentiment de contrôle incarnent l’effort attendu et les conditions facilitatrices décrites dans les modèles d’acceptation technologique.

Le modèle conceptuel de littératie numérique en santé (eHealth Literacy Framework)

Le DHRQ s’appuie explicitement sur les travaux pionniers de Norman et Skinner (modèle du lys, 2006) ayant donné naissance à l’eHEALS, tout en intégrant les révisions contemporaines apportées par l’eHealth Literacy Framework (eHLF) de Norgaard, Kayser et collaborateurs (2015, 2018) et le Readiness and Enablement Index for Health Technology (READHY) de Karnoe et al. (2018). Ces approches soulignent que la relation d’un patient avec la technologie en santé n’est pas statique mais transactionnelle : elle résulte de la congruence entre les compétences de l’individu et les exigences ergonomiques des systèmes numériques déployés par les institutions hospitalières.

7. Validité psychométrique

La validation psychométrique du DHRQ a été établie selon un protocole rigoureux documenté par Scherrenberg et collaborateurs (2023) :

Validité de contenu et validité apparente

La validité de contenu a été garantie par une démarche itérative en plusieurs étapes. La définition opérationnelle de la préparation aux interventions de santé numérique a d’abord été conceptualisée par deux médecins cardiologues experts en santé numérique. Une synthèse méthodique des instruments de mesure préexistants — notamment le READHY (Karnoe et al., 2018) et l’eHLQ (Kayser et al., 2018) — a guidé la génération d’un pool initial d’items. Un comité d’experts pluridisciplinaire (cliniciens, chercheurs en psychométrie et ingénieurs en télémédecine) a ensuite passé en revue chaque énoncé afin d’évaluer sa pertinence, sa clarté et sa représentativité clinique. La validité apparente (face validity) a été formellement testée auprès d’un panel de patients ambulatoires : leurs retours qualitatifs ont permis d’affiner la formulation linguistique, d’éliminer le jargon technologique abstrait et de garantir que les questions étaient perçues comme claires, intelligibles et faciles à renseigner par des sujets de tous âges.

Validité de construit

La validité de construit a été analysée au sein d’une cohorte clinique prospective de patients adultes suivis en cardiologie à l’hôpital Jessa (Hasselt, Belgique). La population d’évaluation présentait une vaste dispersion d’âge (21 à 97 ans), reflétant fidèlement l’hétérogénéité des cohortes rencontrées en cardiologie générale et en prévention cardiovasculaire. L’analyse structurale a confirmé l’individualisation des cinq facteurs attendus (accès, compétences d’usage, littératie générale, littératie en santé, apprenabilité), corroborant l’hypothèse théorique selon laquelle l’alphabétisation technologique et la disposition à apprendre forment des dimensions distinctes mais complémentaires de la préparation clinique globale.

Validité convergente, discriminante et prédictive

Les corrélations inter-domaines ont confirmé que la littératie numérique générale et la littératie numérique en santé partagent une variance commune significative tout en mesurant des construits discriminables. La dimension d’apprenabilité s’est avérée modérément corrélée à l’âge (corrélation inverse attendue, les patients plus âgés exprimant en moyenne un sentiment d’auto-efficacité plus modeste) tout en conservant une variabilité intra-individuelle majeure, prouvant que l’âge chronologique ne saurait se substituer à une évaluation psychométrique objective de l’apprenabilité. Les auteurs recommandent dans leurs perspectives de recherche la conduite d’études de validation externe multicentriques pour tester la validité prédictive du DHRQ quant à l’adhésion thérapeutique réelle et au taux d’abandon (churn) dans les protocoles de téléréadaptation.

8. Fidélité et cohérence interne

Les propriétés de fidélité du DHRQ ont été évaluées de manière approfondie à travers l’estimation de la consistance interne de chaque domaine à l’aide du coefficient alpha de Cronbach (α) :

• Littératie numérique (Digital Literacy) : α = 0,937. Ce coefficient exceptionnellement élevé démontre une remarquable homogénéité des items explorant l’aptitude à trouver des informations fiables et les sentiments de sécurité et de contrôle en ligne.
• Littératie numérique en santé (Digital Health Literacy) : α > 0,80, attestant d’une excellente consistance interne pour capter les comportements spécifiques de recherche de données médicales et l’usage des applications de suivi.
• Apprenabilité numérique (Digital Learnability) : α > 0,85, confirmant la grande fiabilité du sous-score destiné à mesurer la motivation et l’auto-efficacité d’apprentissage.
• Accès numérique (Digital Access) : α > 0,75, traduisant une bonne cohérence dans le profil d’équipement et d’infrastructure des répondants.
• Utilisation des technologies (Digital Usage / Skills) : α = 0,735, une valeur satisfaisante et supérieure au seuil psychométrique usuel de 0,70, justifiée par l’hétérogénéité des compétences opératoires évaluées (allant de l’écriture d’un simple courriel au suivi de podométrie sur montre connectée).

L’ensemble des sous-échelles présente une consistance interne > 0,70, ce qui garantit une excellente sensibilité de mesure et une fidélité suffisante pour une utilisation en pratique clinique individuelle et en recherche interventionnelle.

9. Analyse factorielle

La structure dimensionnelle du DHRQ a été investiguée au moyen d’une analyse factorielle confirmatoire (AFC) robuste, visant à éprouver la concordance entre la structure théorique à cinq facteurs et les données empiriques recueillies auprès des patients de cardiologie :

• Statistique du Chi-deux global : χ²₁₆₀ = 559,0 (p < 0,001). Bien que le test du chi-deux soit statistiquement significatif — une sensibilité couramment observée en psychométrie sur des échantillons cliniques conséquents —, les indices d’ajustement pratiques ont été privilégiés pour juger de la qualité du modèle.
• Comparative Fit Index (CFI) : 0,912. Une valeur supérieure au seuil standard de 0,90, témoignant d’une adéquation générale satisfaisante du modèle comparativement au modèle d’indépendance nulle.
• Tucker-Lewis Index (TLI) : 0,895. Proche du seuil d’adéquation conventionnelle de 0,90, indiquant un ajustement très honorable compte tenu de la brièveté du questionnaire et de la diversité des formats d’items.
• Standardized Root-Mean-Square Residual (SRMR) : 0,065. Nettement inférieur au plafond critique de 0,08, confirmant de faibles résidus moyens standardisés entre les matrices de covariance observées et prédites.
• Root-Mean-Square Error of Approximation (RMSEA) : 0,098 (intervalle de confiance à 95 % : 0,090 – 0,106). Cette valeur indique un ajustement modéré à acceptable, reflétant la variabilité importante des réponses inhérente à une population ambulatoire étendue (21 à 97 ans).

Les saturations factorielles standardisées de l’ensemble des 20 items sur leurs dimensions théoriques respectives se sont avérées significatives et substantielles, validant le découpage en cinq sous-construits et l’extraction des deux scores composites finaux (préparation générale et apprenabilité).

10. Instrument de mesure et administration

• Type d’instrument : Questionnaire d’auto-évaluation psychométrique en santé numérique (évaluation standardisée sur support papier ou dématérialisé).
• Population cible : Adultes (18 ans et plus), incluant les jeunes adultes (18-29 ans), adultes d’âge moyen (30-64 ans), personnes âgées (65-84 ans) et personnes très âgées (≥ 85 ans). Validé initialement chez des patients ambulatoires suivis en cardiologie.
• Nombre d’items : 20 items répartis en 5 sections : Accès numérique (items 1 à 4), Utilisation technologique (items 5 à 9), Littératie numérique (items 10 à 12), Littératie numérique en santé (items 13 à 15), Apprenabilité numérique (items 16 à 20).
• Formats d’échelle et cotation :
  • Items d’accès (1 à 4) : Échelle de fréquence en 5 points (1 = Never / I don’t have access to… à 5 = Daily).
  • Item d’usage réseaux sociaux (6) : Échelle ordinale (1 = No ; 2 = Rarely ; 3 = Sometimes ; 4 = Often ; 5 = Daily).
  • Items de compétences, littératies et apprenabilité (5, 7 à 20) : Échelle de Likert d’accord en 5 points (1 = Strongly disagree, 2 = Disagree, 3 = Neither agree nor disagree, 4 = Agree, 5 = Strongly agree).
• Calcul des scores : Un score élevé reflète une meilleure préparation technologique et une disposition d’apprentissage plus affirmée. Deux scores principaux sont calculés :
  • Score global DHRQ : Moyenne ou somme des 20 items, offrant une vision synthétique de l’autonomie numérique du patient.
  • Score d’apprenabilité du participant (Participant Learnability Score) : Moyenne ou somme dédiée des items 16 à 20, isolant la motivation intrinsèque et l’auto-efficacité face à la formation technologique.
• Mode d’administration : Initialement validé sous format papier autoadministré en salle d’attente ou lors d’une consultation médicale, afin de ne pas biaiser la mesure en imposant une interface numérique aux patients illectroniques. Durée approximative de passation : 5 à 8 minutes.

11. Permissions, tarifs et année de publication

• Année de publication du test : 2023.
• Droits d’utilisation et licence : Libre d’accès pour les activités de recherche académique, d’évaluation clinique non lucrative et d’enseignement sous licence internationale Creative Commons Attribution 4.0 (CC BY 4.0).
• Tarification : Gratuit (aucun droit d’auteur ni redevance financière requis pour un usage académique et clinique courant).
• Usage commercial : Les déploiements commerciaux au sein de plateformes technologiques propriétaires requièrent l’accord préalable des auteurs correspondants.
• Contact pour correspondance : Dr. Martijn Scherrenberg, Heart Centre Hasselt, Jessa Hospital, Stadsomvaart 11, Hasselt 3500, Belgique. Courriel : [email protected].

12. Références

Les sources scientifiques et études de validation psychométrique de référence sont les suivantes :

• Bandura, A. (1977). Self-efficacy: Toward a unifying theory of behavioral change. Psychological Review, 84(2), 191–215. https://doi.org/10.1037/0033-295X.84.2.191
• Bandura, A. (1997). Self-efficacy: The exercise of control. W. H. Freeman.
• Davis, F. D. (1989). Perceived usefulness, perceived ease of use, and user acceptance of information technology. MIS Quarterly, 13(3), 319–340. https://doi.org/10.2307/249008
• Karnoe, A., Furstrand, D., Christensen, K. B., Norgaard, O., & Kayser, L. (2018). Assessing competencies needed to engage with digital health services: Development of the Readiness and Enablement Index for Health Technology. Medical Research Archives, 6(6). https://doi.org/10.18103/mra.v6i6.1779
• Kayser, L., Karnoe, A., Furstrand, D., Batterham, R., Christensen, K. B., Elsworth, G., & Osborne, R. H. (2018). A multidimensional tool based on the eHealth Literacy Framework: Development and initial validity testing of the eHealth Literacy Questionnaire (eHLQ). Journal of Medical Internet Research, 20(2), Article e36. https://doi.org/10.2196/jmir.8371
• Norgaard, O., Furstrand, D., Klokker, L., Karnoe, A., Batterham, R., Kayser, L., & Osborne, R. H. (2015). The e-health literacy framework: A conceptual framework for characterizing e-health users and their interaction with e-health systems. Knowledge Management & E-Learning, 7(4), 522–540. https://doi.org/10.34105/j.kmel.2015.07.035
• Norman, C. D., & Skinner, H. A. (2006). eHEALS: The eHealth Literacy Scale. Journal of Medical Internet Research, 8(4), Article e27. https://doi.org/10.2196/jmir.8.4.e27
• Scherrenberg, M., Falter, M., Kaihara, T., Xu, L., van Leunen, M., Kemps, H., Kindermans, H., & Dendale, P. (2023). Development and internal validation of the Digital Health Readiness Questionnaire: Prospective single-center survey study. Journal of Medical Internet Research, 25, Article e41615. https://doi.org/10.2196/41615
• Venkatesh, V., Morris, M. G., Davis, G. B., & Davis, F. D. (2003). User acceptance of information technology: Toward a unified view. MIS Quarterly, 27(3), 425–478. https://doi.org/10.2307/30036540

13. Questions et items du questionnaire (Scale Items)