Élaboration d’un système automatisé d’aide à la détection des infections du site opératoire au centre hospitalo-universitaire régional de Nancy : étude pilote - Université de Lorraine Accéder directement au contenu
Mémoire / Rapport De Stage Année : 2015

Development of an automated support system for the detection of surgical site infections at the regional university hospital of Nancy: pilot study

Élaboration d’un système automatisé d’aide à la détection des infections du site opératoire au centre hospitalo-universitaire régional de Nancy : étude pilote

Résumé

Introduction : Les infections du site opératoire se situent à la 3ème place des infectionsnosocomiales. Leur surveillance, bien que complexe et chronophage, paraît donc essentielle. Pour faciliter et alléger la mise en oeuvre de cette surveillance, l’utilisation du Data mining qui exploite des données médico-administratives comme source unique, semble intéressante. Une étude pilote dont l’objectif principal était d’élaborer un systèmeautomatisé de détection des infections du site opératoire au centre hospitalo-universitairede Nancy a été réalisée.Méthode : Un travail de Data mining a été mené au centre hospitalo-universitaire de Nancyentre septembre et novembre 2014 à partir de données médico-administratives. L’étude aporté sur 278 patients ayant reçu une intervention en chirurgie digestive ou enneurochirurgie. Les méthodes des règles d’association, des arbres de décision et des règles de classement ont été comparées pour identifier la technique la mieux adaptée à nos données. Le gold standard correspondait au diagnostic d’infection du site opératoire par le chirurgien. Résultats : La sensibilité des algorithmes issus des méthodes des arbres de décision et des règles de classement variaient de 92,4 % pour la technique RIPPER à 95 % pour la méthode des arbres de décisions SimpleCART. L’aire sous la courbe ROC allait de 57,9 % pour la technique RIPPER à 70,8 % pour la méthode des arbres de décisions J48. Il n’existait pas de différence entre les techniques comparées. Les règles d’association ont retrouvé des variables prédictives similaires aux deux autres méthodes avec des règles pertinentes.Conclusion : Le Data mining, qui utilise les données médico-administratives issues du PMSIcomme source unique, est une méthode pertinente pour détecter les infections du siteopératoire. Un nombre plus important d’interventions et l’amélioration du choix desvariables devraient être pris en compte pour optimiser la pertinence des règles obtenues
Fichier principal
Vignette du fichier
BUMED_T_2015_PIVOT_DIANE.pdf (4.44 Mo) Télécharger le fichier
Origine : Fichiers produits par l'(les) auteur(s)
Loading...

Dates et versions

hal-01734170 , version 1 (14-03-2018)

Identifiants

  • HAL Id : hal-01734170 , version 1

Citer

Diane Pivot. Élaboration d’un système automatisé d’aide à la détection des infections du site opératoire au centre hospitalo-universitaire régional de Nancy : étude pilote. Sciences du Vivant [q-bio]. 2015. ⟨hal-01734170⟩
75 Consultations
142 Téléchargements

Partager

Gmail Facebook X LinkedIn More