KAI — L'adhérence, chaînon manquant de la prévention Suisse
70% des gens abandonnent leur programme de prévention (nutrition, sport, bien-être) en quelques semaines. Un programme que personne ne suit ne prévient rien. KAI Swiss, c'est un coach santé complet dans la poche : des modèles prédictifs calibrés sur la physiologie construisent le programme nutrition et sport de chacun, puis le recalibrent chaque semaine à partir de ses données réelles (activité, biométrie, ressenti), avec un garde-fou médical intégré. Le tout pensé friction-less : valider un repas, suivre une séance, ajuster son plan ne demande aucun effort, parce que chaque friction retirée est un abandon évité. Résultat : 79% d'adhérence, en production (iOS, Android, Web) avec des clients payants, là où le marché plafonne sous 30%. Ce projet : croiser notre expérience terrain avec le regard académique et des soins pour construire un référentiel suisse de mesure de l'adhérence en prévention digitale, un langage commun dont institutions, cantons et assureurs manquent aujourd'hui pour évaluer ces solutions, et le socle d'un déploiement à l'échelle de la prévention qui tient.
| 3 | 10 | 6 | 5 |
|---|
KAI - Dataset
dataset
Les données réelles du projet, préparées et déposées exclusivement par Takfarinas : anonymisées, agrégées par cohortes, conformes nLPD. C'est la seule source de données autorisée du projet, aucune donnée externe ou individuelle n'y transite. Le contenu est aligné sur le périmètre défini dans le Cadrage (étape 1) : les variables disponibles, leur définition et leur fiabilité de source y sont documentées avec chaque export.
KAI - Cadrage
dataset
brief détaillé de l'étude (les 5 étapes), la définition de l'adhérence et son périmètre une fois validés en équipe, ainsi que la répartition des rôles et le calendrier des jalons. C'est le document de référence : en cas de doute sur le périmètre ou la direction, c'est ici qu'on revient. Toute évolution du cadrage est validée en équipe avant d'être appliquée.
Ressources scientifiques
dataset
études, méta-analyses et revues corrélant prévention (nutrition, activité physique, bien-être) et amélioration de la santé, issues de sources fiables et citables. Chaque référence ajoutée est accompagnée de sa source complète et, idéalement, d'une note de deux lignes (ce que l'étude établit, sur quelle population, avec quelles limites). C'est la matière première de l'état de l'art (étape 2) et le socle de la modélisation (étape 3).
Méthodologie - Livrable
dataset
La construction progressive du livrable final : comment l'adhérence est mesurée, comment les analyses sont menées, quelles règles de rigueur s'appliquent (corrélations observées uniquement, jamais de causalité ; chaque résultat accompagné de son niveau de confiance ; sources systématiquement citées).