Algorithmes prédictifs pour les résultats critiques de la réadaptation

Un nombre croissant de preuves issues de la médecine factuelle suggèrent qu'une intervention de rééducation précoce (y compris des exercices actifs et passifs précoces, une gestion de la position, une rééducation pulmonaire, etc.) chez les patients sous ventilation mécanique est sûre et réalisable et peut favoriser un certain degré de récupération fonctionnelle et réduire la durée du séjour en unité de soins intensifs (USI). Cependant, les différences dans l'état de conscience, la force musculaire, la fonction respiratoire et l'activité de la vie quotidienne (AVQ) parmi les patients qui sortent de l'USI après stabilisation de leur état sont très importantes, même certains patients n'ont pas obtenu de bénéfices évidents. Par conséquent, comment identifier quels patients pourraient bénéficier davantage d’une intervention de réadaptation précoce est une question clé sur laquelle il faut se concentrer en soins intensifs.

Cette étude a utilisé « Rapport transparent d'un modèle de prédiction multivariable pour un pronostic ou un diagnostic individuel (TRIPOD) » comme ligne directrice. Les survivants soumis à une ventilation mécanique en USI ont été recrutés comme participants. Le fait que les patients aient progressé dans leur fonction AVQ à différents moments après avoir reçu une intervention de rééducation précoce en USI a été utilisé comme résultat qui est un indicateur de temps jusqu'à l'événement. Les données démographiques, les données de diagnostic clinique et les données d'intervention sur la maladie des sujets ont été collectées comme prédicteurs alternatifs. La transformation des variables et le filtrage des variables ont été utilisés pour trouver des prédicteurs capables de prédire le résultat. Le processus de construction de modèles prédictifs cliniques est complété par l'ajustement des modèles via des équations de régression et des algorithmes d'apprentissage automatique, une validation interne, une validation externe et une évaluation de la valeur clinique. Le modèle présentant la meilleure efficacité de prédiction est sélectionné sur la base de la différenciation et du calibrage des différents modèles après validation. Ce modèle sera présenté avec un nomogramme ou une application web. L'application de ce modèle prédictif clinique identifiera si et quand ce patient peut bénéficier d'une meilleure récupération sur les AVQ après avoir reçu une intervention de réadaptation précoce, afin d'optimiser davantage le moment de l'intervention précoce en réadaptation et d'améliorer sa qualité de survie.