Évaluation d’un système d’aide à la décision du sevrage de l’épuration extra-rénale continue en réanimation basé sur des algorithmes d’apprentissage automatique : étude observationnelle prospective - CRRT-WISE 2

Objectif(s) de la recherche et intérêt pour la santé publique

Finalité de l'étude

Objectifs poursuivis

Domaines médicaux investigués

Bénéfices attendus

Hypothèse du travail :
L'hypothèse de cette étude est que l’utilisation d’un SADC basé sur des algorithmes d’IA, intégrant des variables cliniques, biologiques et thérapeutiques, permet de prédire le moment optimal du sevrage de l’EERc chez les patients en réanimation. Nous supposons que cet outil, développé à partir de données rétrospectives et validé de manière prospective, offrira des performances supérieures à la prise de décision clinique seule, réduisant ainsi le risque de complications liées à un sevrage trop précoce ou trop tardif

Objectifs :
Objectif principal
Évaluation des performances d’un modèle d’intelligence artificiel prédictif de sevrage d'épuration extra-rénale continue en réanimation, définie par l’absence de reprise d'épuration extra-rénale continue dans les 7 jours suivant le retrait.

Objectifs secondaires
• Comparaison du délai de sevrage entre le modèle et le clinicien dans le groupe sans échec : nous évaluerons si le modèle propose un sevrage avant le clinicien dans plus de 50% des cas.
• Distribution des valeurs de Shapley individuelle fournies par le modèle.

Methodologie:
Chaque jour, tant que le patient est dialysé, le modèle calculera la probabilité de sevrage de l'EERc et formulera une recommandation basée sur une probabilité de succès de sevrage supérieure à celle observées dans les données rétrospectives (environ 50%). Les cliniciens, aveugles du modèle, prendront des décisions de sevrage.

Soit G le « gold standard » de succès de sevrage, défini par le succès effectif de sevrage, TIA le « test prédictif » de succès par l’IA et TC celui de succès par le clinicien (tentative de sevrage), alors G ne sera mesuré qu’en cas de TC+.

Les statistiques de Valeur prédictive positive conditionnelle (VPPC) = Pr(G+|TC+ et TIA+) et Valeur prédictive négative conditionnelle (VPNC) = Pr(G-|TC+ et TIA-) et leur somme VPPC+VPNC, considérée comme informative si > 1,50 seront calculées (analyse principale). En analyse secondaire, sensibilité, spécificité et aire sous la courbe ROC conditionnelle à la tentative par le clinicien seront calculées.

Intéret pour la santé publique
Cette étude présente un intérêt important et les retombées attendues de cette recherche couvrent à la fois des aspects cliniques, économiques et scientifiques :
1. Amélioration de la prise de décision clinique
2. Réduction des complications post-dialyse
3. Standardisation des pratiques cliniques
4. Efficience économique
5. Avancée de la recherche clinique et des technologies d’IA en réanimation
6. Préparation d'un essai prospectif randomisé contrôlé