TIAEU-2: Triage Intelligent A l'Entrée des Urgences 2
Objectif(s) de la recherche et intérêt pour la santé publique
Finalité de l'étude
Objectifs poursuivis
Domaines médicaux investigués
Bénéfices attendus
Intérêt pour la santé publique
Le triage constitue un déterminant majeur de la sécurité des soins aux urgences. L’amélioration de son exactitude permet de réduire le sous-triage (pertes de chance) et le sur-triage (engorgement). L’évaluation multicentrique de modèles d’intelligence artificielle vise à renforcer la qualité du triage initial, accélérer l’identification des urgences vitales et optimiser l’organisation des flux. Les résultats contribueront à guider les politiques publiques sur l’usage responsable et évalué de l’IA dans les services d’urgences.
Objectifs du projet
Objectif principal : comparer la performance de plusieurs approches de triage (tri infirmier actuel, recommandations expertes FRENCH automatisées, modèles IA NLP/LLM/JEPA) pour prédire le niveau FRENCH réel.
Objectifs secondaires : évaluer la capacité prédictive sur l’orientation GEMSA, analyser les erreurs par classe, comparer les performances selon le type d’entraînement (notes vs verbatims) et étudier les taux d’admission et de mortalité associés.
Méthode
Étude observationnelle prospective menée dans six services d’urgences. Deux sources sont appariées : données médico-administratives issues des outils métiers (triage, constantes vitales, codages FRENCH et GEMSA) et verbatims retranscrits d’entretiens infirmier–patient. Les modèles IA testés utilisent les mêmes variables d’entrée. Les performances sont comparées via un score composite standardisé. Les données sont pseudonymisées, transférées via REDCap et analysées sur la plateforme sécurisée homologuée SNDS du CHU de Lille.
Population d’étude
Patients majeurs pris en charge dans les urgences des cinq centres participants, informés et n’ayant pas exprimé d’opposition. Sont exclus les mineurs, patients ayant quitté avant la fin de prise en charge, incapacités à consentir et dossiers incomplets. Période prévue : 12 janvier – 8 février 2026, pour un échantillon de plusieurs milliers de passages.
Données utilisées
Catégories de données utilisées
Autre(s) catégorie(s) de donnée(s) utilisée(s)
verbatims des enregistrements vocaux effectués lors des entretiens infirmiers initiaux de tri au cours de chacun des passages aux urgences des CH de Maubeuge, de Denain, de Douai, d'Eaubonne et de Tenon de l'AP-HP
Source de données utilisées
Autre(s) source(s) de donnée(s) mobilisée(s)
Appariement entre les sources de données mobilisées
Variables sensibles utilisées
Justification du recours à cette(ces) variable(s) sensible(s)
Les variables temporelles sont indispensables au fonctionnement méthodologique du projet et ne peuvent être supprimées sans compromettre la validité des analyses.
Date de naissance : nécessaire pour le calcul de l’âge exact au moment du passage, variable fortement corrélée à la gravité, aux trajectoires de soins et aux durées opératoires. Elle permet la calibration des modèles d’IA et des simulations DES–SMA, la génération de cohortes synthétiques fidèles et l’ajustement des risques. Une simple classe d’âge ne permettrait pas de préserver les corrélations fines indispensables au jumeau numérique.
Date de décès : essentielle pour identifier les issues vitales post-prise en charge, qualifier la sécurité du triage (sous-triages graves), et éviter la confusion entre décès et pertes de suivi. Elle conditionne la constitution du gold standard de référence et la validation des modèles prédictifs.
Dates et horodatages de soins : nécessaires à la reconstruction exacte des parcours via process mining, au calcul des durées entre événements (triage, consultation, examens), et à l’alimentation des modèles temporels (JEPA). Elles permettent la modélisation des flux, la simulation organisationnelle et l’évaluation médico-économique. L’absence d’horodatages rendrait impossible toute analyse dynamique et invaliderait les scénarios simulés.
Recours au numéro d'identification des professionnels de santé
Plateforme utilisée pour l'analyse des données
Acteurs finançant et participant à l'étude
Responsable(s) de traitement
Type de responsable de traitement 1
Responsable de traitement 1
Localisation du responsable de traitement 1
Représentant du responsable de traitement 1
Responsable(s) de mise en oeuvre non cités comme responsable de traitement
Responsable de mise en oeuvre non cité comme responsable de traitement 1
Calendrier du projet
Base légale pour accéder aux données
Encadrement réglementaire
Durée de conservation aux fins du projet (en années)
2
Existence d'une prise de décision automatisée
Fondement juridique
Article 6 du RGPD (Licéité du traitement)
Article 9 du RGPD (Exception permettant de traiter des données de santé)
Transfert de données personnelles vers un pays hors UE
Droits des personnes
Information individuelle des patients par le biais d’une notice d’information remise aux patients lors de l’entretien infirmier de tri et affichée dans chacun des box de tri. Accord oral recueilli avant de débuter enregistrement.