Other (Learning materials)
Comment soupçonner un Long Covid en médecine générale ? Deux cas cliniques, deux entretiens et une aide par intelligence artificielle dans un Dodécagroupe belge
Jamoulle, Marc
2026
 

Files


Full Text
DDG_TUBIZE.pdf
Author postprint (298.33 kB)
Download
Full Text Parts
DDG_TUBIZE_20260921.pdf
Author postprint (2 MB)
Download

All documents in ORBi are protected by a user license.

Send to



Details



Keywords :
Long Covid; affection post-COVID-19; médecine générale; soins primaires; récit du patient; entretien clinique; intelligence artificielle; Human Phenotype Ontology; phéno- typage; malaise post-effort; exacerbation symptomatique post-effort; dysautonomie; incertitude diagnostique; patient advocacy; DDG
Abstract :
[fr] Le Long Covid constitue un défi particulier pour la médecine générale : les symptômes sont multiples, fluctuants et souvent dispersés au fil du dossier médical, tandis qu'aucun examen ne permet à lui seul de confirmer ou d'exclure le diagnostic. Cette communication, réalisée dans le cadre d'un Dodécagroupe (DDG) en Belgique, propose une démarche clinique simple permettant au médecin généraliste de reconnaître le moment où des plaintes apparemment banales constituent une configuration compatible avec un Long Covid. Deux situations récentes de femmes âgées d'environ 30 ans sont présentées. Dans les deux cas, la relecture chronologique du dossier médical informatisé, complétée par un entretien clinique enregistré avec l'accord de la patiente, fait apparaître une cohérence que les consultations successives ne rendaient pas visible. Les principaux domaines retrouvés concernent l'intolérance à l'effort et la récupération anormale, les troubles neurocognitifs et langagiers, les manifestations respiratoires et dysautonomiques, les modifications sensorielles et les douleurs. Les deux observations illustrent également la nécessité de préserver le diagnostic différentiel : une histoire psychologique antérieure dans un cas et une pathologie mécanique pelvienne préexistante dans l'autre ne doivent ni expliquer abusivement l'ensemble du tableau ni être elles-mêmes attribuées au Long Covid. Les verbatim des deux entretiens sont analysés avec l'aide d'un modèle de langage. L'intelligence artificielle est utilisée non pour établir un diagnostic, mais pour extraire les concepts cliniques du discours. Ceux-ci peuvent ensuite, après validation médicale, être rapprochés de la Human Phenotype Ontology (HPO), présentée ici comme un dictionnaire informatisé international permettant de disposer d'un langage phénotypique partageable. La démarche proposée repose finalement sur quelques éléments simples : reconstruire la temporalité, comparer l'état actuel au fonctionnement antérieur, interroger systématiquement l'effet d'un effort physique, cognitif ou émotionnel et le temps de récupération, documenter le retentissement fonctionnel et maintenir ouvertes les hypothèses diagnostiques concurrentes. Reconnaître un possible Long Covid ne met pas fin à l'incertitude ; cela permet de la transformer en question clinique. Le premier acte du médecin est alors d'écrire l'histoire du patient, d'expliciter ce qui est connu et ce qui reste incertain, de rechercher les affections accessibles au traitement et d'organiser les relais nécessaires. En présence de malaise ou d'exacerbation symptomatique post-effort, l'activité doit être adaptée aux limites du patient plutôt qu'augmentée selon un programme fixe. En l'absence actuelle de traitement étiologique démontré applicable à l'ensemble des patients, écouter, reconnaître, conseiller, accompagner et défendre le retentissement fonctionnel restent des actes médicaux essentiels.
Disciplines :
General & internal medicine
Author, co-author :
Jamoulle, Marc  ;  Université de Liège - ULiège > HEC Liège : UER > UER Opérations : Systèmes d'information de gestion
Language :
French
Title :
Comment soupçonner un Long Covid en médecine générale ? Deux cas cliniques, deux entretiens et une aide par intelligence artificielle dans un Dodécagroupe belge
Publication date :
22 September 2026
Available on ORBi :
since 20 September 2026

Statistics


Number of views
59 (5 by ULiège)
Number of downloads
30 (1 by ULiège)

Bibliography


Similar publications



Contact ORBi