Analyse de la relation entre la fréquence cardiaque et la température corporelle chez les enfants en état critique par apprentissage automatique

Résumé

Le principal objectif de ce projet est d’explorer la relation entre la fréquence cardiaque (FC) et la température corporelle (TC) spécifiquement chez les enfants âgés de 0 à 18 ans admis à l’unité de soins intensifs pédiatriques (USIP). Pour atteindre cet objectif, nous avons utilisé des algorithmes d’apprentissage automatique (ML) pour explorer la relation complexe entre les deux signes vitaux, en allant au-delà des méthodes de régression linéaire traditionnelles pour une compréhension plus approfondie. Les résultats obtenus montrent une tendance cohérente de diminution de la FC avec l’augmentation de l’âge du patient, confirmant la corrélation inverse observée. Initialement, nous avons utilisé des modèles de régression linéaire conventionnels, et leurs performances étaient assez faibles. Plus précisément, nous avons observé une valeur de R-carré (R2) variant de 0,2967 à 0,3220, ainsi qu’une erreur quadratique moyenne (MSE) allant de 610,0736 à 620,5992. Ensuite, une analyse détaillée a identifié le modèle de Machines boosting de gradient (GBM) mis en oeuvre avec une Régression quantile (QR) comme étant le modèle ayant la meilleure performance par rapport aux autres modèles. En utilisant la perte totale en quantile comme métrique d’évaluation pour les modèles QR, le modèle le plus performant GBM a démontré la plus basse perte totale en quantiles de 6,5069 ± 5,2507e-05. Il est important de mentionner que ce modèle, caractérisé par son noyau non linéaire, capture efficacement la relation non linéaire entre la FC, la TC et l’âge chez les jeunes patients en situation critique. De plus, nous avons conçu une interface utilisateur spécifiquement pour générer les prédictions de FC basées sur trois paramètres essentiels : la FC actuelle, la TC actuelle, et l’âge du patient. L’interface fournit en sortie les FCs prédites à différents percentiles ainsi que la position actuelle de la FC, permettant aux soignants de déterminer si la FC se situe dans la plage normale (entre le 5e et le 95e percentiles) ou non. En résumé, cette recherche contribue à améliorer notre compréhension de la tendance entre la FC, la TC et l’âge chez les enfants gravement malades et remet en question les hypothèses établies sur la relation linéaire entre la FC et la TC. Le modèle ML, QR réalisé avec GBM, démontre son efficacité à capturer la dynamique non linéaire de ces paramètres physiologiques, soulignant l’importance de reconsidérer les hypothèses traditionnelles dans les contextes cliniques. De plus, nous espérons que l’interface utilisateur développée pour la prédiction de la FC pourra aider les cliniciens dans la prise de décisions cliniques.

Date	28 juin 2024
langue originale	Français
Établissement diplômant	École de technologie supérieure
Superviseur	Rita Noumeir (Directeur(-trice)) & Philippe Jouvet (Codirecteur(-trice))