Recherche et publications
Nous publions régulièrement dans des revues scientifiques et comités de lecture.
Parmi ces travaux, notre équipe a co-écrit une étude analysant plus de 62 000 conversations en ligne autour de la chirurgie bariatrique en France et aux États-Unis. Les résultats démontrent la valeur des conversations issues des réseaux sociaux et forums de santé pour mieux comprendre les besoins, préoccupations et expériences des patients et des aidants, et apporter ainsi une nouvelle source d’information au service d’une approche davantage centrée sur le patient.
Évolution des conversations sur les réseaux sociaux liées à l’obésité et aux traitements GLP-1 en France entre 2016 et 2026 : une étude de social listening – 2026
ABSTRACT
Évolution des conversations sur les réseaux sociaux liées à l’obésité et aux traitements GLP-1 en France entre 2016 et 2026 : une étude de social listening
Paméla Voillot, MS, MPH1, Manissa Talmatkadi, MS1, Mélanie Sambrès, MS1, Joelle Malaab, MS, MPH1, Amine Chouaki, MEng2, Safaa Mahdir, MEng1, Nathalie Texier, PharmD3, Stéphane Schück, MPH, MD2.
ISPOR 2026 · DOI: …
Dans cet abstract:
Hausse des échanges sur les traitements GLP-1 depuis 2024, principalement sur TikTok.
Préoccupations majeures : accès aux traitements, maintien de la perte de poids et effets indésirables.
Enjeu : mieux comprendre les besoins
CHIFFRES CLÉS DE L’ÉTUDE
359 095
messages analysés
10 ans
de données (2026-2026)
6 000 %
progression du volume de messages sur TikTOK
X5
multiplication des échanges sur les GLP-1 depuis 2024
Principaux sujets abordés
L’accès au traitement (prescription médicale) et les ruptures de stock (22%)
Les résultats de perte de poids et la reprise pondérale à l’arrêt (22%)
Les effets indésirables (13%)
Patients’ and caregivers’ perceptions of bariatric surgery: A France and United States comparative infodemiology study using social media data minining – 2023
PUBLICATION SCIENTIFIQUE
Patients’ and caregivers’ perceptions of bariatric surgery: A France and United States comparative infodemiology study using social media data mining
Czernichow S., Rassy N., Malaab J., Loussikian P., Mebarki A., Khadhar M., Poghosyan T., Fagherazzi G., Carette C., Schück S., Rives-Lange C.
Frontiers in Digital Health · Avril 2023 · DOI: 10.3389/fdgth.2023.1136326
PMID 37143935 · PMCID PMC10151923
Dans cet article:
Une méthode de classification par intelligence artificielle (machine learning) capable de distinguer les patients des aidants avec une fiabilité de 87 à 88 %
Des résultats publiés et validés par la communauté scientifique, confirmant la pertinence de l’analyse de conversations en ligne pour mieux comprendre les parcours de soin
62 604 messages analysés sur des réseaux sociaux et forums de santé, entre 2015 et 2021, en France et aux États-Unis
Cette étude n’est pas une simple référence académique : elle a été conduite par les mêmes experts qui développent notre plateforme. L’extraction des données, la classification automatique des messages par machine learning et l’identification des thématiques par topic modeling reposent sur les techniques que nous utilisons au quotidien pour analyser les conversations autour de l’obésité et des traitements GLP-1 par exemple.
CHIFFRES CLÉS DE L’ÉTUDE
62 604
messages analysés
6 ans
de données (2015–2021)
2 pays
comparés (France / États-Unis)
87-88 %
de fiabilité des modèles de classification
Principaux sujets abordés
Suivi post-opératoire (30,1 %)
Parcours de soin (20,1 %)
Thérapies alternatives de perte de poids (15,3 %)
Principaux sujets abordés
Témoignages d’aidants (21,5 %)
Alimentation et exercice post-chirurgie (18,0 %)
Sleeve gastrectomie (16,5 %)
Vous souhaitez voir cette méthodologie appliquée à vos besoins ?