Nantilus
Algorithmes de détection précoce des épidémies hospitalières : synthèse et propositions
Malgré le développement de la surveillance syndromique et des méthodes modernes d aide à la décision, la surveillance des épidémies dans le milieu hospitalier reste généralement une tâche manuelle. Pourtant, l utilisation d algorithmes de détection permettrait d améliorer l efficacité de la surveill...
| Auteurs principaux : | , , , , , , |
|---|---|
| Collectivités auteurs : | , |
| Format : | Thèse ou mémoire |
| Langue : | français |
| Titre complet : | Algorithmes de détection précoce des épidémies hospitalières : synthèse et propositions / Brice Leclère; sous la direction de Didier Le Pelletier et de David Buckeridge |
| Publié : |
2020 |
| Accès en ligne : |
Accès Nantes Université
|
| Note sur l'URL : | Accès au texte intégral |
| Note de thèse : | Thèse de doctorat : Santé publique : Nantes : 2020 |
| Sujets : |
| Résumé : | Malgré le développement de la surveillance syndromique et des méthodes modernes d aide à la décision, la surveillance des épidémies dans le milieu hospitalier reste généralement une tâche manuelle. Pourtant, l utilisation d algorithmes de détection permettrait d améliorer l efficacité de la surveillance, d en étendre les contours et de réduire le temps dévolu à cette tâche. La qualité méthodologique des évaluations publiées à ce jour est cependant trop faible pour conclure sur l efficacité réelle de ces outils. Nous proposons donc dans cette thèse quelques éléments clés d un cadre méthodologique suffisant pour la détection précoce, ainsi qu un premier jeu de données comportant des événements à risque épidémique étiquetés. Ce jeu de données permettra à tous les chercheurs de développer, évaluer et comparer des algorithmes de détection. Cependant, comme l ont montré les recherches sur les systèmes de surveillance et les outils d intelligence artificiel appliquée aux soins, la mise en œuvre de ces nouvelles technologies peut s avérer difficile, et les performances observées en vie réelle peuvent être différentes de celles recueillies lors du développement. Il est donc nécessaire d inclure d autres indicateurs et d autres types de méthodologie d évaluation pour mesurer la réelle utilité de ces outils, en prenant notamment en compte leur acceptabilité, leur facilité d utilisation, leurs coûts et leurs impacts sur les pratiques. Despite the development of syndromic surveillance and of modern decision making methods, outbreak surveillance within hospitals remains mainly manual. Yet, the use of detection algorithms could improve surveillance efficiency, broaden its scope and overall reduce the time spent to accomplish this task. However, the methodological quality of the evaluations published to this date is too low to conclude about the real utility of these tools. We propose in this memoir several key elements of an adequate methodological framework for early outbreak detection, as well as a first data set containing labelled potential outbreaks. This data set can be used by researchers to develop, evaluate and compare detection algorithms. However, as research on surveillance systems and healthcare artificial intelligence tools has shown, implementing these tools can be difficult, and the results observed in real life can be quite different from those of the development phase. It is therefore necessary to use alternative indicators and evaluation methods to assess the real utility of these tools in real life, measuring for example their acceptability, ease of use, costs and impacts on daily practices. |
|---|---|
| Variantes de titre : | Algorithms for early hospital outbreak detection : research synthesis and propositions |
| Notes : | Titre provenant de l'écran-titre Ecole(s) Doctorale(s) : École doctorale Biologie-Santé (Rennes) Autre(s) contribution(s) : Leïla Moret-Majoube (Président du jury) ; Aurélien Madouasse (Membre(s) du jury) ; Yann Le Strat, Jean-Christophe Lucet (Rapporteur(s)) |
| Configuration requise : | Configuration requise : un logiciel capable de lire un fichier au format : PDF |