Artificial intelligence for the evaluation of profiles, trajectories and management of vulnerability in health: COVID-19, frailty of the elderly and cancer
COVIPREDS
US Caractérisation et prédiction de la survenue de formes graves ou létales du COVID-19 à partir des données issues de l’EDS de l’AP-HP
In preparation
31/03/2020
-
01/10/2022
Collaboration type
Research structure
Main objectives
US Ce projet vise à améliorer la connaissance des profils des patients hospitalisés à cause de la COVID-19 et de leur prise en charge, en étudiant les caractéristiques à l’entrée et la prise en charge thérapeutique associée à l’évolution clinique. L’objectif est de caractériser les prises en charge thérapeutiques susceptibles de limiter les passages en réanimation et, en réanimation, de limiter le nombre de décès et la durée de séjour.
Un objectif secondaire est d’identifier les caractéristiques à l’entrée associées à un pronostic défavorable, afin que les cliniciens susceptibles d’orienter les patients bénéficient de l’information disponible sur le bénéfice attendu de la prise en charge et les incertitudes associées.
Un objectif secondaire est d’identifier les caractéristiques à l’entrée associées à un pronostic défavorable, afin que les cliniciens susceptibles d’orienter les patients bénéficient de l’information disponible sur le bénéfice attendu de la prise en charge et les incertitudes associées.
Auteur / Crédit Photo : François Marin/AP-HP
Challenge
US La survenue des formes graves ou létales de la Covid-19.
Methodology/Technology used
US le Data Mining
Expected outcomes
US Les résultats attendus sur le plan clinique et épidémiologique sont :
• Mise en évidence de thérapeutiques possiblement efficaces ou délétères pour la prise en charge des patients atteints de COVID-19 en hospitalisation conventionnelle et en réanimation
• Construction de modèles prédictifs du bénéfice attendu sur le pronostic (statut vital et durée de séjour) en cas d’admission en réanimation (potentiel outil d’aide à la décision pour les cliniciens).
Les résultats attendus en termes de méthodologie sont :
• Elaboration et mise en place de méthodes génériques pour l’analyse de parcours de soins à l’aide des données de l’EDS
• Mise en évidence de thérapeutiques possiblement efficaces ou délétères pour la prise en charge des patients atteints de COVID-19 en hospitalisation conventionnelle et en réanimation
• Construction de modèles prédictifs du bénéfice attendu sur le pronostic (statut vital et durée de séjour) en cas d’admission en réanimation (potentiel outil d’aide à la décision pour les cliniciens).
Les résultats attendus en termes de méthodologie sont :
• Elaboration et mise en place de méthodes génériques pour l’analyse de parcours de soins à l’aide des données de l’EDS
Publications
Members
AP-HP, Inria & Centrale Supélec
Other projects
Description
Learning a deep representation of patient records for event prediction and patient segmentation
Names of partners involved
AP-HP, Inria