Research Article

Développement et validation externe d’une application web pour la prédiction du SDRA associé à la pneumonie

DOI:

10.3791/69738

January 6th, 2026

In This Article

Summary

Loading...
$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Cette étude vise à développer et valider à l’externe un système web intégrant des modèles d’apprentissage automatique pour un diagnostic précoce et un phénotypage clinique du SDRA associé à la pneumonie afin de faciliter un traitement de précision.

Abstract

Loading...
$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Le syndrome de détresse respiratoire aiguë (SDRA) est une maladie très hétérogène avec des manifestations cliniques pouvant recouper une pneumonie sévère, posant des difficultés à une différenciation précise. Par conséquent, une prédiction précoce et un regroupement rapide de sous-types au chevet des patients atteints de SDRA sont urgents. Cette étude vise à développer un système web, incluant des modèles validés de diagnostic précoce au chevet et de classification des sous-groupes cliniques, afin de prédire le développement et les phénotypes du SDRA associé à la pneumonie. Des modèles diagnostiques et de sous-groupes ont été développés et validés à partir des deux grandes bases de données, Medical Information Mart for Intensive Care IV (MIMIC-IV) et Telehealth Intensive Care Unit (eICU), et intégrés dans un système de prédiction basé sur le web. Les données de patients atteints de pneumonie hospitalisés plus de 24 heures entre 2008 et 2019 ont été analysées. La cohorte de dérivation MIMIC-IV comprenait 24 987 patients atteints de pneumonie (14 121 atteints de SDRA associé à la pneumonie) ; la cohorte de vérification en soins intensifs électroniques comprenait 20 676 patients atteints de pneumonie (9 946 atteints de SDRA associé à la pneumonie). Au diagnostic, la méthode d’empilement de l’apprentissage automatique a obtenu les meilleurs résultats avec un AUC de 0,919, une précision de 70,00 %, une précision de 69,88 % et une mémoire de 82,27 % dans la cohorte de dérivation MIMIC-IV. L’AUC, la précision, la précision et la mémoire de la cohorte de validation de l’eICU étaient respectivement de 0,915, 70,87 %, 69,70 % et 69,70 %. Le SDRA associé à la pneumonie a été classé en trois phénotypes cliniques avec des caractéristiques cliniques et des résultats différents, tous répondant différemment au traitement. Chez les patients des clusters 0 et 1, les taux de mortalité hospitalière étaient plus élevés chez ceux ayant reçu un traitement précoce par corticostéroïdes que chez ceux qui n’en avaient pas eu, tandis que chez les patients du cluster 2, le taux de mortalité hospitalière était plus faible chez ceux qui ont reçu des corticostéroïdes que chez ceux qui n’en avaient pas reçu. Nous avons réalisé une transformation en toile de la prédiction du diagnostic et de la classification des sous-groupes cliniques du SDRA associé à la pneumonie. Nos modèles en ligne de diagnostic précoce au chevet et de classification des sous-groupes cliniques du SDRA associé à la pneumonie peuvent aider les cliniciens à diagnostiquer et traiter la maladie et à promouvoir un traitement de précision individualisé.

Introduction

Loading...
$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

L’insuffisance respiratoire aiguë, en particulier le syndrome de détresse respiratoire aiguë (SDRA) après une infection pulmonaire, est un problème courant et dévastateur rencontré chez les patients gravement malades. Des études ont montré que l’incidence du SDRA peut atteindre 10 % chez les patients en unité de soins intensifs (USI)1, et que le taux de mortalité est d’environ 40 %2,3. La pneumonie sévère est largement considérée comme la principale cause duSDRA 4. Parce que les symptômes cliniques de la pneumonie sévère et du SD....

Access restricted. Please log in or start a trial to view this content.

Protocol

Loading...
$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Cette étude a accédé à la base de données11 (MIMIC-IV) du Medical Information Mart for Intensive Care IV (MIMIC-IV) 11 (Version 1.0, PhysioNet : https://physionet.org/content/mimiciv/1.0/) et à la base de données12 de l’unité de soins intensifs en télésanté (eICU) (Version 2.0, PhysioNet : https://physionet.org/content/eicu-crd/2.0/) après avoir passé l’examen Protecting Human Research Participants (ID de dossier : 44151052). Cette étude a été menée conformément aux principes de la Déclaration d’Helsinki (2013), et les patients avaient donné leur consentement pour que leurs données soien....

Access restricted. Please log in or start a trial to view this content.

Results

Loading...
$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Participants
La base de données MIMIC-IV comprenait des données de 24 987 patients atteints de pneumonie, dont 14 121 présentaient un SDRA associé à la pneumonie (Tableau 1). La base de données de l’eICU comprenait des données de 20 676 patients atteints de pneumonie, dont 9946 présentaient un SDRA associé à la pneumonie (Tableau supplémentaire 1).

Établissement et vérification du modèle de prédicti.......

Access restricted. Please log in or start a trial to view this content.

Discussion

Loading...
$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Comme nous le savons, il s’agit du premier modèle diagnostique et du premier modèle de classification de sous-groupes cliniques utilisant l’apprentissage automatique pour rapporter le SDRA chez les patients atteints de pneumonie, et la plus grande étude à présenter le diagnostic et la classification clinique des sous-groupes du SDRA associé à la pneumonie. Dans cette étude, nous avons dérivé et validé deux modèles basés sur l’apprentissage automatique et les avons traduits en application.......

Access restricted. Please log in or start a trial to view this content.

Disclosures

Loading...
$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Les auteurs déclarent qu’ils n’ont pas d’intérêts concurrents.

Materials

List of materials used in this article
NameCompanyCatalog NumberComments
Apache TomcatFondation logicielle ApacheVersion 9.0.85
Eclipse IDE  ;Eclipse2023-09
Java Development Kit & nbsp ;JavaVersion Java SE 8u381  ;
RapidMiner StudioAltair Engineering Inc.Version 9.10.001  ;
Statistiques SPSSIBMVersion 23.0  ;

References

Loading...
$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,
  1. Brun-Buisson, C., et al. Epidemiology and outcome of acute lung injury in European intensive care units. Results from the ALIVE study. Intens Care Med. 30 (1), 51-61 (2004).
  2. Bellani, G., et al.

Access restricted. Please log in or start a trial to view this content.

Reprints and Permissions

Request permission to reuse the text or figures of this JoVE article

Request Permission

Tags

Pneumonia Associated ARDSARDS PredictionWeb Based ApplicationClinical Subgroup ClassificationMachine Learning ModelsEarly Bedside DiagnosisMIMIC IV DatabaseeICU DatabaseClinical PhenotypesPrecision Treatment
Video Coming Soon

Related Articles