ModélisationConcept NCIt

N3-AUTOINDEXEE
Modélisation des données de santé en cancérologie : intérêt pour l'aide à la décision et l'optimisation stratégique des soins face aux maladies infectieuses émergentes
https://www.theses.fr/2023ANTI0989
La thèse avait pour objectif de démontrer qu’en temps de crise épidémique, la modélisation statistique des données de santé était une aide à la prise de décision en cancérologie.Dans le cadre de ce travail, un état des lieux des informations disponibles a permis de s’apercevoir qu’une multitude de données pouvaient être analysées en vue d’améliorer le soin. Différentes bases de données ont été explorées telles que : la base du registre général des cancers (base exhaustive des cas de cancers), la base du SNDS (base exhaustive de l’offre de soins) et la base du CépiDC (base exhaustive des causes médicales de décès).Les études mises en oeuvre ont permis de dresser un bilan épidémiologique du cancer du sein en Martinique. Deux indicateurs ont été étudiés au cours de ce travail : les délais d’accès aux soins et la qualité de vie des patients. Afin de poursuivre ces recherches, ces deux indicateurs seront exploités pour tous les autres cancers. Le but étant de les intégrer en routine dans la gestion du parcours de soins. Pour ce faire, les données de vie réelle qui détiennent de nombreuses informations sur l’évolution des maladies et la gestion de l’offre de soins, seront exploitées à l’avenir afin de guider les professionnels de santé.La Martinique est soumise à des risques naturels qui peuvent mettre en péril l’organisation du système de soins en cancérologie ; ces indicateurs de surveillance épidémiologique permettront donc de prévenir la saturation du système de soins, pour une optimisation du soin en oncologie en temps de crise.
2023
theses.fr
France
thèse ou mémoire
pas d'information disponible
maladie infectieuse
aide à la décision
soins
activités de soins
Face
Soins
maladies infectieuses
soins aux patients
maladie
optimisation
ensemble de données
jeu de données
Allèle sauvage FANCE
recherche opérationnelle
modélisation
santé
Visage
oncologie médicale
Maladie
maladies transmissibles émergentes
donnée

---
N3-AUTOINDEXEE
Application des approches de modelisation et de machine learning a l'individualisation des doses d’anti-infectieux en pediatrie
https://www.theses.fr/2023LIMO0098
Dans un premier temps, nous avons développé un algorithme de Machine Learning (ML), capable d'estimer la meilleure dose initiale de vancomycine chez les nouveau-nés à terme ou prématurés. Nous avons pour cela simulé des profils pharmacocinétiques à l'aide d'un modèle pharmacocinétique de population publié pour développer cet algorithme et nous avons ensuite comparé les performances de l’algorithme de ML sur des profils pharmacocinétiques simulés à ceux d’une deuxième équation déjà publiée et validée dérivée d'un modèle pharmacocinétique de population. L’algorithme Xgboost obtenait les meilleures performances. Le taux d’atteinte de cible de l’algorithme était de 46.9% dans la base de simulation et de 35.3% dans la base externe. Par ailleurs, le modèle Xgboost a entraîné moins d'AUC/CMI 600, ce qui réduit le risque de néphrotoxicité.Dans un deuxième temps, Nous avons utilisé au cours de cette étude des algorithmes de ML pour estimer la meilleure dose de départ de Ganciclovir (GCV) ou Valganciclovir (VGCV) chez les enfants, entrainés à partir de profils PK simulés obtenus par des simulations de Monte Carlo basées sur 4 modèles POPPK issus de la littérature ; puis nous avons comparé les performances de l’algorithme développé avec des modèles de pharmacocinétiques précédemment publiés sur une base de patient externe. Une combinaison linaire des algorithmes Xgboost, random forrest et Neural network a donné les meilleures performances (taux d’atteinte de cible : 47,3 % pour le ganciclovir et 50,5 % pour le valganciclovir pour la base de simulation). Chez les patients réels, l’algorithme était le meilleur pour le valganciclovir et le second pour le ganciclovir.Cependant, malgré de bonnes performances pour ces 2 algorithmes, le taux d'atteinte de la cible thérapeutique est resté faible dans une base de patients externes, ce qui justifie le suivi thérapeutique chez les enfants et les nouveau-nés. Dans un troisième temps, nous avons développé et validé une approche de stratégie limitée de prélèvements basée sur le Machine Learning pour prédire l'AUC0-24 du GCV et du VGCV chez les enfants. Les meilleures performances ont été obtenues avec l'algorithme Xgboost avec les concentrations 2 et 6 heures après la dose pour le VGCV et les concentrations 1 et 6 heures après la dose pour le GCV. L’ensemble de cette thèse a permis de préciser les avantages et inconvénients des algorithmes de ML pour prédire les premières doses d’anti-infectieux chez l’enfant et pour estimer l’AUC de GCV ou VGCV.
2023
theses.fr
France
thèse ou mémoire
attention
pédiatre
pose
pédiatrique
machine
modélisation
application informatique
individualisé
anti-infectieux
pédiatrie
approche
personnalisé
pédiatrique

---
N3-AUTOINDEXEE
Modélisation de la congestion du système de santé : une application aux services d’urgences
https://www.theses.fr/2022TROY0020
Les phénomènes d’engorgement sont des problématiques majeures dans la gestion de la tension des systèmes de soins pour la prise en charge adéquate de la santé populationnelle à toutes les échelles. Dans ce cadre, cette thèse montre une démarche générale et généralisable de modélisation et d’évaluation de l’engorgement des systèmes, en particulier du système de santé avec une application aux services d’urgences. La quantification de l’engorgement constitue le premier point adressé à travers la caractérisation des processus d’arrivée et de départ d’un système. Une nouvelle mesure de congestion sur un ratio entre charge d’arrivée et de départ est alors introduite puis comparée à d’autres mesures comme l’occupation ou le temps d’attente moyen. La modélisation de cette congestion est ensuite étudiée par une approche de file d’attente axée sur les données du système réel. L’ensemble des processus stochastiques d’arrivée, de transitions et de départs de stations avec la variable centrale de probabilité de départ instantané des patients, est alors modélisé selon différentes méthodes d’estimation. Le modèle alors conçu est appliqué dans une étude de simulation de l’impact d’ouverture de cliniques sur la congestion des urgences où le flux patient impacté est identifié à l’aide d’une méthode de clustering et d’étude temporelle. Par une démarche de recherche opérationnelle fondée sur les données, cette thèse offre alors de nouvelles opportunités d’étude comportementale, de prévision et d’optimisation de la congestion.
2022
theses.fr
France
thèse ou mémoire
prestations des soins de santé
modélisation
application informatique
services des urgences médicales
attention
congestion tissulaire
système d'un composant de dispositif
systèmes de délivrance de médicaments
Service des urgences
Services d'urgences de santé
pose
congestion

---