• Citer

Optimisation et rationalisation de l’administration des agents hémostatiques en cas d’hémorragie massive

par Duranteau, Olivier
Président du jury Verhoeven, Caroline
Promoteur Tuna, Turgay
Publication Non publié, 2024-12-17

Thèse de doctorat

• Accès en ligne
• Détails
• Contenu
• Statistiques

Résumé :

Cette thèse a porté sur le développement d’un modèle de prédiction du rendement transfusionnel des différents produits sanguins en utilisant des outils de machine learning. Le processus de développement a inclus une revue de la littérature axée sur les facteurs de coagulation, notammentle facteur XIII, ainsi que sur les modèles de machine learning appliqués à la prédiction des indications transfusionnelles. Une étude prospective a été menée pour doser de manière horaire les facteurs de coagulation lors des transfusions de plasma, visant à identifier les variables biologiques pertinentes à intégrer dans le modèle. Parallèlement, des études observationnelles ont permis de déterminer les paramètres démographiques à ajouter. Une première étude de type prospective observationnelle a examiné l’impact du non-respect des recommandations d’arrêt des traitements antithrombotiques sur la morbi-mortalité lors de chirurgies programmées, révélant un lien non clair. Une étude complémentaire a ensuite évalué l’efficacité variable du clopidogrel dans la mise en place de stents intracrâniens, conduisant à l’examen de l’utilisation de cangrelor, un antithrombotique à très courte durée d’action, comme solution alternative.La collecte des données a été effectuée sur une période de 20 ans dans deux centres académiques, avec un nettoyage rigoureux visant à éliminer les variables aberrantes ou mal encodées. La définition des événements transfusionnels a été réalisée en regroupant les différents produits sanguins administrés simultanément. Dix modèles de machine learning ont été développés en utilisant des packages Python standards, incluant huit modèles bruts et deux modèles d’ensemble.Ces modèles ont été appliqués aux données de transplantations hépatiques, réparties en deux périodes distinctes : immédiate post-chirurgicale et une semaine après. Cependant, les modèles développés n’ont pas atteint une performance satisfaisante.En conclusion, bien que la méthodologie suivie ait été rigoureuse, les limitations rencontrées soulignent la nécessité d’améliorer la collecte et la gestion des données, ainsi que de développer des outils d’interprétation plus robustes. Ces améliorations sont essentielles pour renforcer lafiabilité et la pertinence clinique des modèles prédictifs dans le domaine transfusionnel, facilitant ainsi leur adoption dans la pratique médicale quotidienne.