Description : Introduction - L'amélioration de la surveillance et de la prévention des infections
du site opératoire (ISO) fait partie du programme national de lutte contre les infections
nosocomiales. Notre objectif était de mettre en place un outil de détection automatique
par apprentissage supervisé afin de remplacer le système de surveillance actuel. Méthode
- Deux approches ont été menées pour détecter les ISO suite à une chirurgie du rachis
et une neurochirurgie correspondant respectivement à 2133 et 2303 interventions. La
première approche utilise les multiples sources d’information disponibles dans l’entrepôt
de données du CHU de Bordeaux. La seconde approche utilise uniquement le texte libre.
Pour chaque approche, nous avons comparé la précision de deux algorithmes, à savoir
la régression logistique et les forêts aléatoires, avec un rappel fixé à 100%. Résultats
- Le modèle final utilisant toutes les données a obtenu les meilleures performances
pour la chirurgie du rachis avec une précision de 94%. Le modèle utilisant des données
de texte libre a obtenu des résultats corrects et était meilleur pour la neurochirurgie.
Discussion - L'utilisation du texte libre présente l'avantage d'être transposable
à d'autres établissements de santé et facilement applicable à diverses spécialités
chirurgicales avec des performances stables. Les performances de nos algorithmes doivent
être évaluées sur un jeu de données test.;