Contexte : Les patients âgés atteints de néphropathie diabétique ne reçoivent souvent pas un traitement pharmacologique optimal. Les directives de pratique clinique actuelles n'intègrent pas le concept de soins personnalisés. Les algorithmes d'aide à la décision clinique (ADC) qui tiennent compte à la fois des preuves et des soins personnalisés pour améliorer les résultats des patients peuvent améliorer les soins aux personnes âgées. L'objectif de cette recherche est de concevoir et de valider un algorithme ADC pour la prescription d'inhibiteurs du système rénineangiotensine- aldostérone (ISRAA) pour les patients âgés atteints de diabète. Méthodes : La conception de l'algorithme ADC comprenait trois phases principales. Dans la première phase, nous avons recherché, examiné et évalué les preuves actuelles sur plusieurs sujets liés aux décisions de prescription pour les patients âgés et à l'adhésion des cliniciens aux directives de pratique. Nous avons également procédé à un examen systématique et à une méta-analyse d'essais cliniques randomisés afin de déterminer les valeurs du nombre de patients à traiter (NPT) et du délai d'obtention d'un avantage (DOA) applicables à notre population cible en vue de leur utilisation dans l'algorithme. Dans la deuxième phase, nous avons exploré les points de vue des patients et des prestataires de soins de santé sur les outils ADC en menant des entretiens avec les patients et une enquête transversale auprès des prestataires de soins de santé. Dans la troisième et dernière phase, les résultats des études réalisées dans les phases un et deux ont été utilisés pour informer le développement de l'algorithme ADC qui a ensuite été validé dans une étude Delphi. Résultats : Nous avons créé un algorithme ADC qui couvrait 16 scénarios possibles. Neuf scénarios correspondaient à des recommandations de méta-analyses, tandis que cinq scénarios correspondaient à des directives de pratique clinique. Pour les neuf cas, nous avons généré 36 recommandations personnalisées et neuf recommandations générales sur la base des valeurs NPT et DOA calculées et appariées. En outre, nous avons pris en compte l'espérance de vie et la capacité fonctionnelle du patient. L'algorithme a été validé lors de trois tours d'une étude Delphi. Conclusion : Nous avons conçu un algorithme de CDS fondé sur des preuves qui intègre des considérations souvent négligées dans les directives de pratique clinique, notamment l'espérance de vie restante, la charge médicamenteuse et l'état fonctionnel. Les prochaines étapes consistent à le tester dans le cadre d'un essai clinique afin d'étudier s'il est capable d'atteindre des objectifs cliniques prévisibles et réalistes, de maintenir la qualité de vie des personnes âgées et de réduire l'utilisation et le coût du système de santé. / Background: Older patients with diabetic nephropathy often do not receive optimal pharmacological treatment. Current clinical practice guidelines do not incorporate the concept of personalized care. Clinical decision support (CDS) algorithms that consider both evidence and personalized care to improve patient outcomes can improve the care of older adults. The aim of this research is to design and validate a CDS algorithm for prescribing renin-angiotensin aldosterone system inhibitors (RAASi) for older patients with diabetes. Methods: The design of the CDS algorithm included three main phases. In phase one, we searched, reviewed, and evaluated current evidence on several topics related to prescribing decisions for older patients and clinicians' adherence to practice guidelines. We also conducted a systematic review and a meta-analysis of randomized clinical trials to determine the number needed to treat (NNT) and time-to-benefit (TTB) values applicable to our target population for use in the algorithm. In phase two, we explored the views of patients and healthcare providers on CDS tools through conducting patient interviews and a cross-sectional survey of healthcare providers. In the third and final phase, findings from studies completed in phases one and two were used to inform the development of the CDS algorithm which was then validated using modified Delphi methodology. Results: We have created a CDS algorithm that covered 16 possible scenarios. There were nine scenarios matched to meta-analysis recommendations, while five scenarios were matched to clinical practice guidelines. For the nine cases, we have generated 36 personalized and nine general recommendations based on the calculated and matched NNT and TTB values. In addition, we have considered the patient’s life expectancy and functional capacity. The algorithm was validated in three rounds of a modified Delphi study. Conclusion: We designed an evidenceinformed CDS algorithm that integrates considerations often overlooked in clinical practice guidelines, including remaining life expectancy, medication burden, and functional status. The next steps include testing in a clinical trial to study if it is able to achieve predictable and realistic clinical goals, maintaining quality of life in older adults, and reducing healthcare system use and cost.