Modélisation prédictive de l’observance thérapeutique chez les patients atteints de syndrome d’apnées-hypopnées obstructives du sommeil (SAHOS) à partir de données de suivi clinique

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

Finalité de l'étude

Objectifs poursuivis

Domaines médicaux investigués

Bénéfices attendus

L’étude s’inscrit dans les domaines de la médecine du sommeil, de l’intelligence artificielle et de l’e-santé. Elle vise à améliorer la prise en charge des patients atteints d’apnée obstructive du sommeil traités par pression positive continue (PPC), en s’intéressant à l’observance thérapeutique. Le projet exploite un vaste ensemble de données provenant de plusieurs milliers de patients, incluant les données des appareils PPC, les questionnaires cliniques, les retours d’expérience des patients et les interactions avec un smartbot. L’approche proposée combine des données quantitatives longitudinales et des données qualitatives afin de mieux comprendre les comportements d’adhésion au traitement. L’objectif principal est de développer des modèles prédictifs capables d’identifier précocement les patients à risque de non-observance ou d’arrêt du traitement. L’étude repose sur des méthodes avancées d’apprentissage automatique et sur une approche multimodale innovante. Elle contribue ainsi au développement d’une médecine personnalisée et préventive, fondée sur l’exploitation de données réelles collectées à domicile.