En vous connectant à colibri, vous avez accès à :
Quel que soit le module, vous bénéficiez :
Il est composé de 2 types de fiches
LA FICHE INITIALE
À remplir en 1 ou plusieurs consultations, jusqu'à ce qu'un diagnostic soit proposéDES FICHES DE SUIVI
1 fiche différente pour chaque consultation
Le dossier colibri-BPCO sera renseigné par vos patients, en amont de la consultation, grâce à une interface dédiée et adaptée pour recueillir
Vos dossiers patients (données cliniques + imageries) sont hébergés sur un serveur web sécurisé et agréé pour les données de santé.
Permet de partager en “1 clic” un dossier patient avec un confrère ou un expert, simplement et en toute sécurité.
Depuis 2015, un nombre croissant de pneumologues utilisent colibri pour organiser leur DMD et fluidifier la relation avec les correspondants hospitaliers et libéraux.
En utilisant colibri, vous participez à l’enrichissement d’une base unique de données en vie réelle.
Chaque observatoire est placé sous la responsabilité d’un comité scientifique spécifique, garant de la bonne utilisation des données colibri.
Les données recueillies par les pneumologues au cours de la consultation contiennent des informations authentiques sur les pathologies observées en vie réelle, et sur la façon dont les médecins priorisent les prises en charge.
Publications colibri-PNEUMO
- Aguilaniu B et al. Consultation numérique, machine learning & décisions médicales : exemple de Colibri-pneumo. Info Respiration 2019;151:13-15
Lien vers la publication
Publications/Posters issus de colibri-BPCO
- Kelkel E et al. Colibri: Improving clinical practice and producing relevant scientific data. Rev Mal Respir. 2016;33:5-16 - Lien vers la publication
- Roche N et al. Are there specific clinical characteristics associated with physician’s treatment choices in COPD? Respiratory Research 2019;20:189 - Lien vers la publication
- Roche N et al. Trends over time in COPD treatment choices by respiratory physicians: An analysis from the COLIBRI-COPD French cohort. Respiratory Medicine 2019;156:8-14 - Lien vers la publication
- Aguilaniu B et al. (2021) A machine learning approach to predict extreme inactivity in COPD patients using non-activity-related clinical data. PLoS ONE 16(8): e0255977. - Lien vers la publication
Publications/Posters issus de colibri-PID
- Borie R. et al. Different prevalence of ILD according the private/public practice: a real-life web based cohort. (en cours de soumission)
Dans colibri, les données cliniques accumulées au fil du temps sont exploitées pour créer des “Ensemble Machine Learning” prédictifs d’évènements.
Les outils de l’intelligence artificielle (statistiques, informatiques) sont en cours de développement.