Mémoires Année : 2024

Étude préliminaire et validation d'un algorithme d'aide à la décision pour l'extubation des patients en réanimation

Résumé

Introduction : l’échec de l’extubation est une complication fréquente de la ventilation mécanique, associée à une morbi-mortalité significative. Ce travail vise à développer et valider un modèle d’apprentissage automatique pour aider le clinicien à prédire l’échec de l’extubation en réanimation. Méthode : l’échec de l’extubation est défini comme une ré-intubation dans les 48 heures suivant une extubation. Un total de 5619 patients ayant subi une première tentative d’extubation a été inclus. Ces patients ont été répartis de manière aléatoire entre une cohorte d’entraînement et une cohorte de test. Plusieurs modèles d’apprentissage automatique (Réseau de neurones, arbres décisionnels, modèles de régression logistique) ont été testés en s'appuyant sur une cinquantaine de prédicteurs cliniques et paracliniques issue de la base de données du logiciel métier de la réanimation. Résultats : la population inclue a été admise en réanimation entre le 1er janvier 2013 et le 1er janvier 2024. Sur les 5619 tentatives d’extubation, 644 se sont soldées par un échec. Le modèle BLACKBOOST (Gradient boosting with regression trees) a montré les meilleures performances, avec une aire sous la courbe (AUC) de 0,66, une sensibilité de 66 %, et une spécificité de 58 %. Les variables les plus discriminantes pour la prédiction de l’échec de l’extubation étaient le score de Glasgow, la tension artérielle et la fréquence respiratoire. Conclusion : cette étude préliminaire a permis de développer et de valider le modèle d’apprentissage BLACKBOOST, qui s’est révélé supérieur aux autres modèles testés pour prédire l’échec de l’extubation chez les patients en réanimation. Une nouvelle approche nécessitant un nettoyage de la base de données permettra d’augmenter les performances de notre modèle et permettre son utilisation en pratique quotidienne.
Fichier principal
Vignette du fichier
The`se Sarah SAFFAF FAC.pdf (2.54 Mo) Télécharger le fichier
Origine Fichiers produits par l'(les) auteur(s)

Dates et versions

dumas-04718689 , version 1 (02-10-2024)

Identifiants

Citer

Sarah Saffaf. Étude préliminaire et validation d'un algorithme d'aide à la décision pour l'extubation des patients en réanimation. Sciences du Vivant [q-bio]. 2024. ⟨dumas-04718689⟩
7 Consultations
12 Téléchargements

Partager

More