S'abonner

Optimiser la prise en charge l’épidémie de Covid au sein d’un établissement hospitalier grâce aux outils de l’intelligence artificielle : une expérience en vie réelle - 10/01/21

Doi : 10.1016/j.rmra.2020.11.303 
C. Jung 1, N. Salaun-Penquer 2, M. Rousseau 3, J.B. Excoffier 2, M. Ortala 2, E. Bourcier 4, C. Chouaid 5,
1 Centre recherche clinique, Créteil, France 
2 Kaduceo, Créteil, France 
3 Département d’information médicale, Créteil, France 
4 Pharmacie, Créteil, France 
5 Pneumologie, Créteil, France 

Auteur correspondant.

Bienvenue sur EM-consulte, la référence des professionnels de santé.
Article gratuit.

Connectez-vous pour en bénéficier!

Résumé

Introduction

Lors de l’épidémie COVID-19 les centres hospitaliers (CH) ont eu 2 problématiques :

– prévision de nombre de lits d’hospitalisation ;

– prévision du risque d’aggravation d’un patient COVID-19 pour permettre une prise en charge optimale.

Objectif

Intérêt des bases de données médico-administratives pour l’aide à la gestion d’une épidémie tant en termes de prédiction des besoins d’hospitalisations que pour l’élaboration de scores prédictifs d’aggravation et de mortalité.

Méthodes

Modèle de prédiction des besoins de lits d’hospitalisation : utilisation des données d’un CH du Grand Est, ayant subi l’épidémie avant le reste de la France, puis du niveau de croissance de l’épidémie en Île-de-France et les caractéristiques propres du CH (modèle de régression exponentielle puis régression de type logistique lorsque l’épidémie s’est ralentie, enfin fonction de type gamma pour la phase de décroissance ; les prédictions ont été effectuées de manière quotidienne, à cinq jours). Modèle de risque d’aggravation (décès, ou nécessité de ventilation assisté ou survenue de SDRA) : modèle de type forêt d’arbres de décision pondérés, établi sur les caractéristiques des patients Covid prouvé vus aux urgences, utilisant les bases de données des urgences, du PMSI, des laboratoires, du dossier médical informatisé, avec un codage au fil de l’eau.

Résultats

La comparaison entre besoins prédits et situation réelle en lits lors des phases croissance, stabilité, décroissance montre une bonne prédiction pour les phases croissance et décroissance, et une surestimation des besoins pour la phase stabilisation : l’erreur moyenne absolue en pourcentage de respectivement 3,9 %, 8,0 % et 14,5 % et de 7,5 % pour toute la période. Prédiction de l’aggravation : entre le 20/03/2020 et 09/05/2020, 619 patients inclus ; 416 (67,1 %) admis, 176 (43 %) ont eu une aggravation 67 (16,1 %) décédés, (respectivement 16,1 %, 16,3 % chez les non admis et admis en réanimation). La sensibilité, spécificité et aire sous la courbe ROC est de respectivement 68 %, 73 % et 0,78. L’âge, la sévérité du scanner, la CRP, et les éosinophiles sont les facteurs les plus importants. Pour l’analyse restreint au risque de décès, la sensibilité, spécificité et aire sous la courbe ROC est de respectivement 63,2 %, 80,9 % et 0,82.

Conclusion

Ces résultats montrent la pertinence des outils de l’intelligence artificielle pour une utilisation médicalisée pertinente des données médico-administratives hospitalières en cas d’épidémie.

Le texte complet de cet article est disponible en PDF.

Plan


© 2020  Publié par Elsevier Masson SAS.
Ajouter à ma bibliothèque Retirer de ma bibliothèque Imprimer
Export

    Export citations

  • Fichier

  • Contenu

Vol 13 - N° 1

P. 143-144 - janvier 2021 Retour au numéro
Article précédent Article précédent
  • Particularités de l’atteinte tuberculeuse à l’aire du COVID-19
  • H. Snène, L. Kaabi, A. Harzalli, H. Blibech, D. Belkhir, D. Essid, A. Mlik, A. Saidane, N. Mehiri, N. Ben Salah, B. Louzir
| Article suivant Article suivant
  • Impact clinique et social de l’épidémie de COVID-19 sur la cohorte de patients transplantés pulmonaire suivis au CHU de Strasbourg
  • B. Renaud-Picard, F. Gallais, M. Riou, E. Chatron, T. Degot, S. Freudenberger, M. Porzio, A. Schuller, J. Stauder, S. Hirschi, R. Kessler

Bienvenue sur EM-consulte, la référence des professionnels de santé.

Mon compte


Plateformes Elsevier Masson

Déclaration CNIL

EM-CONSULTE.COM est déclaré à la CNIL, déclaration n° 1286925.

En application de la loi nº78-17 du 6 janvier 1978 relative à l'informatique, aux fichiers et aux libertés, vous disposez des droits d'opposition (art.26 de la loi), d'accès (art.34 à 38 de la loi), et de rectification (art.36 de la loi) des données vous concernant. Ainsi, vous pouvez exiger que soient rectifiées, complétées, clarifiées, mises à jour ou effacées les informations vous concernant qui sont inexactes, incomplètes, équivoques, périmées ou dont la collecte ou l'utilisation ou la conservation est interdite.
Les informations personnelles concernant les visiteurs de notre site, y compris leur identité, sont confidentielles.
Le responsable du site s'engage sur l'honneur à respecter les conditions légales de confidentialité applicables en France et à ne pas divulguer ces informations à des tiers.


Tout le contenu de ce site: Copyright © 2024 Elsevier, ses concédants de licence et ses contributeurs. Tout les droits sont réservés, y compris ceux relatifs à l'exploration de textes et de données, a la formation en IA et aux technologies similaires. Pour tout contenu en libre accès, les conditions de licence Creative Commons s'appliquent.