Добірка наукової літератури з теми "Prédiction alertes"

Introduction : Les patients hospitalisés au décours d’un passage aux urgences sont à risque d’erreur médicamenteuse. Le déploiement de l’activité de conciliation médicamenteuse à l’admission en unité d’hospitalisation de courte durée (UHCD) permet d’identifier les divergences non intentionnelles (DNI) de prescription médicamenteuse hospitalière en comparaison avec le traitement pris à domicile, puis de les corriger. L’objectif de l’étude était d’identifier les facteurs prédictifs d’erreurs de prescription médicamenteuse aux urgences, afin de mieux prioriser la conciliation médicamenteuse pour les patients admis à l’UHCD. Méthode : Nous avons mené une étude rétrospective, monocentrique et observationnelle incluant tous les patients ayant bénéficié d’une conciliation médicamenteuse à l’admission à l’UHCD pendant six mois. L’association entre les caractéristiques des patients et la survenue d’au moins une DNI a été étudiée à l’aide d’une régression logistique en ajustant sur les facteurs de confusion (analyse multivariée). Résultats : Parmi 200 patients inclus, 111 étaient concernés par la survenue d’au moins une DNI (56 %) avec une médiane de deux par patient. Les erreurs étaient principalement des omissions, en majorité pour des traitements à visée cardiovasculaire et du système nerveux central. La majorité des patients étaient exposés à un potentiel événement indésirable lié aux soins (n = 70, 63 %), mais aucun à un événement indésirable de gravité potentielle catastrophique. Dans l’analyse multivariée, la présence d’au moins cinq lignes de traitement dans l’observation médicale de l’urgentiste était très prédictive de la survenue d’au moins une DNI (OR : 1,30 ; IC 95 % : [1,15–1,26] ; p < 0,01). Cette variable concernait principalement un groupe de patients distincts d’âge supérieur ou égal à 75 ans et connus pour au moins deux comorbidités dont la majorité a été concernée par au moins une DNI (69 %). Les facteurs organisationnels propres à l’hospitalisation en situation urgente n’étaient pas prédictifs de la survenue de DNI. Conclusion : Pour le pharmacien de l’UHCD, la présence d’au moins cinq lignes de traitement dans l’observation médicale d’un patient doit être considérée comme une alerte et déclencher l’activité de conciliation médicamenteuse, en priorisant les patients âgés de plus de 75 ans et polypathologiques.

• Objectifs L’explicabilité de l’intelligence artificielle représente un défi technique et organisationnel croissant pour le marketing, soulevant des enjeux éthiques, légaux, mais aussi de performance. Pour le relever, un champ interdisciplinaire (XAI pour eXplainable AI) se développe pour créer et diffuser des outils dédiés à la compréhension des IA, mais la littérature alerte sur les difficultés à les mettre en pratique. • Méthodologie Cet article s’appuie sur deux cas d’étude : deux entreprises (une européenne et une américaine) en pointe sur le développement de solutions d’optimisation de la publicité en ligne. • Résultats Nos résultats montrent que si la nécessité de renforcer les capacités à expliquer les IA est bien reconnue sur un horizon long, deux problèmes peuvent limiter à court terme leur développement : la cristallisation des indicateurs et référentiels de calculs (bases d’apprentissage et d’évaluation notamment) associés au suivi de la performance d’une part, et d’autre part la confusion entre évaluation de la performance prédictive des modèles d’IA et celle de la performance du système marketing dans son ensemble. • Implications managériales Nous discutons de ces écueils au regard notamment du rythme auquel l’XAI pourrait se standardiser en marketing. Ces résultats alertent sur une possible déconnexion de la pratique du marketeur avec certaines dimensions stratégiques du métier. Nous proposons des pistes pour y remédier, notamment la reconnaissance et l’identification de nouvelles expertises en XAI dans le marketing et la création d’indicateurs propres à l’XAI. • Originalité Cette étude vient proactivement questionner une des problématiques centrales de l’IA pour le marketing, qui pourrait freiner son développement. Elle ouvre de nouvelles perspectives sur la dimension managériale de l’XAI et invite à considérer l’émergence de nouvelles expertises au sein du marketing, qui permettraient de recentrer le marketeur au cœur du processus décisionnel.

La dépression, deuxième source de handicap, constitue le principal facteur de risque de suicide. Il a été proposé à juste titre que le traitement de la dépression soit une stratégie efficace de prévention du suicide. Pourtant la dernière décennie a été marquée par les controverses sur le risque suicidaire potentiel des antidépresseurs, qui ont eu des effets néfastes sur la prise en charge des patients. Puisque les alertes sur ce risque ont été proposées à partir des résultats d’études qui n’avaient pas comme objectif de s’intéresser au processus suicidaire, nous avons réalisé une étude destinée à évaluer la survenue d’idées et de tentatives de suicide chez 4357 patients déprimés ambulatoires traités par antidépresseur et suivis 6 semaines en condition naturelles. Une idéation suicidaire est apparue de novo chez 9 % des patients qui n’en avaient pas à l’inclusion. Les critères prédictifs étaient l’aggravation de la symptomatologie anxieuse ou dépressive et l’instauration d’un nouveau traitement après échec antérieur. Deux pour cent des patients ont réalisé une TS au cours des 6 semaines de suivi. Les critères prédictifs étaient l’aggravation de la symptomatologie dépressive ou du désespoir, l’instauration d’un nouveau traitement après échec antérieur, et l’existence de mésusage d’alcool et d’antécédents de TS. Ces résultats suggèrent que le risque suicidaire en début de traitement soit lié aux facteurs de risque suicidaires, dont l’inefficacité du traitement antidépresseur. Par ailleurs, nous avons montré que l’initiation d’un traitement par non ISRS ou d’un traitement ISRS à forte dose augmente le risque d’aggravation des idées de suicide. L’ensemble de ces données, confortées par la littérature, nous indique que les médecins possèdent les outils de prévention en évaluant précisément et régulièrement la dépression et le risque suicidaire au cours du traitement antidépresseur.

Sont évoquées dans cette conclusion les actions de l’ anapsy. pe, ses engagements sur la qualité des modes d’accueil, pour la petite enfance, et son positionnement pour une prévention prévenante qui s’oppose à une prévention prédictive. Association qui se fait entendre en participant à des concertations ministérielles, en organisant des journées d’étude, en publiant ses travaux et en s’exprimant dans des communiqués de presse. L’ anapsy. pe fait partie des collectifs qui alertent sur les orientations gestionnaires des pouvoirs publics aux dépens du développement sécure des bébés accueillis dans les eaje, où la qualité se dégrade faute de moyens humains suffisants. Elle souligne aujourd’hui la lutte supplémentaire dans laquelle les psychologues s’engagent, alertant sur le dispositif « Mon psy » qui assigne à des pratiques éthiquement contestables.

RÉSUMÉLes personnes âgées hospitalisées présentent un haut risque de chute. Le système HELPER est un système de détection des chutes fixé au plafond qui envoie une alerte à un téléphone intelligent lorsqu’une chute est détectée. Cet article décrit la performance du système HELPER, qui a été testé dans un projet pilote mené dans un centre de santé mentale gériatrique. La précision du système pour la détection des chutes a été comparée aux données de l’hôpital liées à la documentation des chutes. Au terme du projet pilote, le personnel infirmier a été interviewé afin de documenter comment cette technologie était perçue. Dans cette étude, le système HELPER n’a pas permis de détecter une chute qui a été documentée par le personnel, mais en a détecté 4 autres qui n’avaient pas été documentées. Bien que la sensibilité du système soit élevée (0.80), les fausses alarmes qu’il génère diminuent sa valeur prédictive (0.01). Les entrevues avec le personnel infirmier ont permis de recueillir plusieurs informations utiles liées au fonctionnement de cette technologie dans un environnement réel; ces données seront utiles aux ingénieurs travaillant sur de tels systèmes et sur des technologies associées aux soins de santé et aux services sociaux.

La dépression représente un facteur majeur de risque suicidaire. Il est légitime de proposer que traiter la dépression conduira à une réduction de l’incidence des conduites suicidaires (CS). En effet, des données quasi-expérimentales et épidémiologiques soutiennent cette hypothèse. Toutefois, les autorités de régulation nous alertent sur l’aggravation possible du risque suicidaire lors de l’utilisation des antidépresseurs, particulièrement chez les jeunes. Remarquons en outre que ces recommandations ont conduit à un rebond des conduites suicidaires non seulement chez les jeunes mais aussi chez les adultes. Il est donc indispensable d’étudier spécifiquement les mécanismes qui pourraient expliquer que chez certains sujets déprimés, la prescription d’antidépresseurs puissent aggraver le risque suicidaire. Nous présenterons les données de plusieurs grandes études de cohorte. D’une part, les facteurs prédictifs de l’aggravation du risque suicidaire dans les premières semaines de traitement sont la non-réponse au traitement et les antécédents de CS. En outre, des facteurs génétiques ont également été associés à l’émergence d’idées de suicide sous antidépresseurs. Réciproquement, nous avons observé que les patients déprimés les plus à risque de suicide, parce qu’ils présentent des idées de suicide ou des antécédents de CS, répondent moins bien aux antidépresseurs. Ceci indique la nécessité de traitements plus efficaces pour les patients qui en nécessitent le plus ! Des pistes intéressantes voient le jour pour offrir des traitements réduisant les idées de suicide chez des sujets en crise suicidaire. Il s’agit de la thérapie d’acceptation et d’engagement et de la kétamine.

Les troubles conduites suicidaires bénéficient d’une reconnaissance officielle dans le DSM-5. L’enjeu actuel vise à identifier les modalités de prise en charge de ces patients. Cette session abordera deux aspects thérapeutiques complémentaires, centrés sur les deux principaux facteurs de risque : tentative de suicide et dépression. G. Vaiva propose d’associer les différents types de recontact du suicidant pour élargir la cible de prévention. Plusieurs dispositifs ont été imaginés et testés, sans qu’aucun à lui seul ne se montre satisfaisant pour une majorité de suicidants en population générale. D’où l’idée d’un algorithme simple (ALGOS) qui pourrait allier les qualités de certains des dispositifs proposés : une carte de crise remise aux primosuicidants, l’appel téléphonique à 15 jours pour les sujets récidivistes, l’envoi de quelques cartes postales aux sujets injoignables ou trouvés en difficulté à l’appel téléphonique… M. Morgiève rendra compte d’une démarche sociologique d’évaluation de ce programme de veille des conduites suicidaires. Il s’agit ici de comprendre comment les différentes catégories d’acteurs (psychiatres, psychologues, généralistes, cellule de re-contact, urgentistes, suicidants eux-mêmes) ont pu se sentir impliqués dans ce programme. Une stratégie plus conventionnelle et familière aux psychiatres consiste à traiter la dépression. Si d’un côté, nombre d’arguments sont en faveur de l’intérêt de l’usage des antidépresseurs, les autorités de régulation nous alertent sur l’aggravation possible du risque suicidaire. Il faut néanmoins reconnaître que l’explosion des prescriptions d’antidépresseurs ne s’accompagne pas d’une diminution en rapport des conduites suicidaires. Où est le problème ? P. Courtet montrera que l’on dispose de facteurs prédictifs de l’aggravation du risque suicidaire dans les premières semaines de traitement. En outre, il présentera des données suggérant que les patients déprimés les plus à risque de suicide répondent moins bien aux antidépresseurs. Ceci indique la nécessité de traitements plus efficaces pour les patients qui en nécessitent le plus !

Risques de dépression respiratoire postopératoire liés aux opioïdes : 1) tout patient bénéficiant en postopératoire d’un traitement par opioïde est à risque de dépression respiratoire quelle que soit la voie d’administration ; 2) la littérature rapporte que la dépression respiratoire survient majoritairement dans les 12 heures postopératoires, la nuit (entre minuit et 6 h) et entraîne généralement le décès du patient ou une encéphalopathie postanoxique ; 3) les facteurs de risque de dépression respiratoire sont connus (liés au patient, au type de chirurgie et aux modalités d’administration) et doivent être recherchés dès la consultation préanesthésique ; 4) des scores prédictifs de dépression respiratoire existent et ont été validés sur de grandes séries publiées ; 5) l’administration continue d’oxygène est une fausse sécurité, pouvant même retarder le diagnostic. Modalités de surveillance postopératoire des patients bénéficiant d’opioïdes : 1) la surveillance clinique seule est insuffisante chez les patients à risque ; 2) une surveillance paraclinique (avec SpO2 et capnographie) est efficace chez les patients à risque ; 3) de nombreux systèmes de surveillance continue électronique (utilisant SpO2, capnographie, impédancemétrie et/ou pléthysmographie) existent, mais ne peuvent être recommandés actuellement en pratique courante du fait de leur ergonomie, de leur coût, de leurs nombreux artefacts et des faux-positifs. Leur développement semble être la solution d’avenir ; 4) l’hospitalisation en postopératoire des sujets à risque en unité de soins continus (pendant 24 heures) reste la seule alternative fiable pour prévenir ce risque.

Avec la montée en puissance des capacités de calcul nécessaires pour les méthodes plus développées d'Apprentissage Machine (ML), la Prédiction des Incidents Réseau (NFP:Network Fault Prediction) connait un regain d'intérêt scientifique. La capacité de prédire les incidents des équipements réseau est de plus en plus fréquemment identifiée comme un moyen efficace d'améliorer la fiabilité du réseau. Cette capacité prédictive peut être utilisée pour atténuer ou mettre en œuvre une maintenance prédictive en prévision des cas d'incidents réseau imminents. Cela pourrait contribuer à la mise en œuvre de réseaux sans défaillance et sans pertes, et permettre aux applications critiques d'être exécutées sur des réseaux de plus grandes dimensions et hétérogènes. Dans ce manuscrit, nous nous proposons de contribuer au domaine du NFP en nous focalisant sur la prédiction des alertes réseau. Dans un premier temps, nous présentons une étude de l'état de l'art complet du NFP en utilisant des méthodes d'apprentissage machine (ML) entièrement dédiée aux réseaux de télécommunications. Ensuite, nous établissons de futures directions de recherche dans le domaine. Dans un deuxième temps, nous proposons et étudions un couple de métriques (Réduction des coûts de maintenance, et mesure des gains de Qualité de Service) de performances de ML adaptées au NFP dans le cadre de la maintenance des réseaux. Dans un troisième temps, nous décrivons l'architecture complète de traitement des données, incluant l'infrastructure réseau et logicielle, et la chaîne de prétraitement des données nécessaires au ML qui ont été mis en œuvre chez SPIE ICS, société d'intégration de réseaux et de systèmes. Nous décrivons également avec précision le modèle du problème d'alarme et d'incidents. Dans un quatrième temps, nous établissons une comparaison des différentes méthodes de ML appliquées à notre jeu de données. Nous considérons des méthodes conventionnelles de ML, basés sur des arbres de décision, des perceptrons multicouches et des Séparateurs à Vastes Marges. Nous testons la généralisation des performances des modèles par rapport aux différents types d'équipements, ainsi que les généralisations en ML des modèles de ML et des paramètres proposés. Ensuite, nous étudions avec succès les architectures de ML à entrée séquentielle - Réseaux de neurones convolutifs et Long Short Term Memory - dans le cas de données SNMP séquentielles sur notre ensemble de données. Finalement, nous étudions l'impact de la définition de l'horizon de prédiction (et des variables arbitraires associées) sur la performance de prédiction des modèles ML
With the improvement of computation power necessary for advanced applications of Machine Learning (ML), Network Fault Prediction (NFP) experiences a renewed scientific interest. The ability to predict network equipment failure is increasingly identified as an effective means to improve network reliability. This predictive capability can be used, to mitigate or to enact predictive maintenance on incoming network failures. This could contribute to establishing zero-failure networks and allow safety-critical applications to run over higher dimension and heterogeneous networks.In this PhD thesis, we propose to contribute to the NFP field by focusing on network alarm prediction. First, we present a comprehensive survey on NFP using Machine Learning (ML) methods entirely dedicated to telecommunication networks, and determine new directions for research in the field. Second, we propose and study a set of Machine Learning performance metrics (maintenance cost reduction and Quality of Service improvement) adapted to NFP in the context of network maintenance. Third, we describe the complete data processing architecture, including the network and software infrastructure, and the necessary data preprocessing pipeline that was implemented at SPIE ICS, Networks and Systems Integrator. We also describe the alarm or failure prediction problem model precisely. Fourth, we establish a benchmark of the different ML solutions applied to our dataset. We consider Decision Tree-based methods, Multi-Layer Perceptron and Support Vector Machines. We test the generalization of performance prediction across equipment types as well as normal ML generalization of the proposed models and parameters.Then, we apply sequential - Convolutional Neural Networks (CNN) and Long Short Term Memory (LSTM) - ML architectures with success on our sequential SNMP dataset. Finally, we study the impact of the definition of the prediction horizon (and associated arbitrary timeframes) on the ML model prediction performance

Cette thèse a permis la mise en place d’un système d’alerte précoce des épidémies de paludisme basé sur le système de surveillance sentinelle proposant différents seuils épidémiques et un modèle de prédiction. Les données collectées quotidiennement par SMS sont automatiquement stockées sur un serveur dédié. Concomitamment, le système acquiert systématiquement et de manière automatique des données satellitaires météorologiques sur chaque site sentinelle en lien avec les changements de prévalence du paludisme, tels que la température, les précipitations et l'indice de végétation (eng. NDVI). Une base de données des interventions contre le paludisme a également été créée. Ce système a déjà démontré sa capacité à détecter une épidémie de paludisme dans le sud-est du pays en 2014. Deuxièmement, nous avons réalisé une étude pour évaluer la relation entre la durée de l'efficacité de la campagne de masse des moustiquaires imprégnées d'insecticide à effet longue durée (MILD) et les épidémies de paludisme identifiées à Madagascar de 2009 à 2015 par le système de surveillance sentinelle. Cette étude a montré que la différence entre l'efficacité théorique et l’efficacité réelle peut entraîner des lacunes dans la couverture des services pendant les années suivantes, contribuant au rebond du paludisme et souligne la nécessité de mise en place de mécanisme de distribution continue de moustiquaires. Ce travail vise à maximiser l'utilité d'un système de surveillance sentinelle dans des milieux à ressources limitées, guider les changements dans l'orientation des programmes de lutte et fournir des exemples pratiques pour son utilisation dans d'autres systèmes ou contextes
We describe a Malaria Early Warning System (MEWS) using various epidemic thresholds and a forecasting component with the support of recent technologies to improve the performance of a sentinel MEWS. Malaria-related data from sentinel sites collected by Short Message Service are automatically stored in a database hosted on a server at Institut Pasteur de Madagascar. Concomitantly our system routinely and automatically acquires site specific satellite weather data related to changes in malaria prevalence such as temperature, rainfall and Normalized Difference Vegetation Index (NDVI). A Malaria Control Intervention data base has also been. This system has already demonstrated its ability to detect a malaria outbreak in southeastern part of Madagascar in 2014. In a second time, we conducted a study to assess the relationship between the effectiveness of mass campaign of long-lasting insecticidal nets (LLIN) over time and malaria outbreaks identified in Madagascar from 2009 to 2015 through the Sentinel surveillance system. This study showed that the difference between efficacy and effectiveness may result in gaps in service coverage during the subsequent years contributing to malaria rebound well before the replacement of the LLINs and highlights the need of continuous distribution mechanism of LLINs.This work aims to maximize the usefulness of a sentinel surveillance system to predict and detect epidemics in limited-resource environments, to guide any changes in the orientation of malaria control programs and to provide practical examples and suggestions for use in other systems or settings

Le chien d’aide pour les personnes a fait l’objet de peu d’études. Pourtant, plusieurs anecdotes rapportent les capacités de détection, voire de prédiction de chiens, qu’ils soient entrainés ou de compagnie. Au travers d’une revue de littérature, il est apparu qu’il y a un manque de données important, que les quelques données existantes sont peu fiables (i.e. issues de questionnaires rétrospectifs majoritairement) et ne permettent pas de conclure sur l’existence réelle de ces capacités ni sur leur fonctionnement, l’entrainement adéquat, la personne susceptible d’en bénéficier ou le profil de chien les présentant. Cette recherche vise à explorer le phénomène du chien d’aide pour personne épileptique afin de compléter significativement les connaissances actuelles. Nos résultats montrent qu’il ne semble pas y avoir un profil spécifique de chien d’alerte, en dehors de caractéristiques comportementales. De même les caractéristiques dépendantes de la personne ou de l’épilepsie ne semblent pas influer sur la capacité d’alerte des chiens. Ceci se trouve conforté par le fait qu'il semble y avoir une signature olfactive de l’épilepsie, discriminée d’autres contextes par le biais de i) chiens entrainés, ii) chiens de compagnie et iii) SIFT-MS. Ainsi, nous montrons qu’il existe une odeur associée à la crise d’épilepsie, quelle qu’en soit la cause ou le type. Les données issues d’analyses chimiques montrent aussi que cette odeur est présente avant la crise, ce qui va dans le sens des capacités de prédiction rapportées des chiens, et ouvre la voie à d’efficaces systèmes de prédiction de crises d’épilepsie. Nous allons également dans le sens d’une amélioration de la qualité de vie de la personne après obtention d’un chien d’aide pour l’épilepsie. Enfin, nous proposons un développement méthodologique visant, in fine, à permettre d’évaluer en vidéoélectroencéphalographie les capacités des chiens à alerter les crises d’épilepsie, sur une base d’enregistrements en contexte familier. Au final, ces travaux apportent des résultats originaux permettant de redécouvrir l’épilepsie à partir d’observations rapportées chez des chiens et d’éclaircir différents aspects centraux liés aux chiens d’aide pour les personnes épileptiques
The assistance dog for persons with epilepsy has been the subject of few studies. However, several anecdotes report detection and even prediction skills of dogs, whether trained or companion dogs. Through a literature review, it appeared that there is a significant lack of data. In addition, the few existing data are unreliable (i.e. from retrospective questionnaires mostly) and do not allow to conclude on the real existence of these abilities, nor on their functioning, the adequate training, the person likely to benefit from them or the dog profile presenting them. This research aims to explore the phenomenon of seizure-dog in order to significantly supplement current knowledge. Our results show that there does not seem to be a specific alert dog profile, apart from behavioural characteristics. Similarly, characteristics dependent on the person or epilepsy do not seem to affect the alerting ability of dogs. This is reinforced by the fact that there seems to be an olfactory signature of epilepsy, discriminated in other contexts through i) trained dogs, ii) companion dogs and iii) SIFT-MS. Thus, we show that there is a smell associated with epilepsy, whatever the cause or type. Data from chemical analyses also show that this odour is present before the seizure, which is in line with the reported predictive abilities of dogs and paves the way for effective systems for predicting epileptic seizures. In addition, our results suggest an improvement in the person's quality of life after obtaining an assistance dog. Finally, we propose a methodological development aimed, ultimately, at evaluating in videoelectroencephalography the ability of dogs to alert people to epileptic seizures, on the basis of records in a familiar environment. In the end, these studies provide original results that allow to rediscover epilepsy from reported observations of dogs and to clarify various central aspects related to assistance dogs for people with epilepsy