Cette page a été traduite automatiquement et l'exactitude de la traduction n'est pas garantie. Veuillez vous référer au version anglaise pour un texte source.

Prédiction des Maladies Infectieuses dans les PRFI à l'Aide des Données des Dossiers Médicaux Électroniques (DiGi)

24 février 2026 mis à jour par: Mahidol University

Prédiction des maladies infectieuses dans les pays à revenu faible et intermédiaire à l'aide des données des dossiers de santé électroniques

La dengue est une maladie infectieuse émergente rapide en Asie du Sud et du Sud-Est. Un diagnostic définitif nécessite des tests de laboratoire (PCR ou tests antigéniques) qui sont souvent indisponibles dans les régions où l'incidence est la plus élevée. Identifier correctement les patients atteints de dengue, et le petit nombre de patients atteints de dengue qui évolueront vers une forme sévère est important pour garantir la mise en place rapide de traitements appropriés.

Les modèles existants utilisent une combinaison de caractéristiques cliniques et de laboratoire. Un modèle développé et testé sur des données de 397 patients admis à l'Hôpital des Maladies Tropicales de Bangkok en 2013-2014 a utilisé la modélisation bayésienne de variables (tests hépatiques et numération globulaire complète) et de symptômes cliniques (notamment fièvre, pétéchies, saignements) pour distinguer la dengue d'autres maladies fébriles. Le modèle résultant a obtenu une AUC de 0,75, qui s'est améliorée à 0,8 lorsque le NS1 a été inclus. Les scores SOFA (Sequential Organ Failure Assessment), ou leurs versions modifiées, utilisent des données de signes vitaux et de tests sanguins (hépatiques, rénaux et hématologiques) et sont de bons indicateurs pour ceux susceptibles de décéder. Cependant, ils fonctionnent moins bien dans les maladies modérément sévères (par exemple, pour prédire le besoin d'admission en soins intensifs).

Ces approches sont prometteuses, mais sont limitées par une généralisabilité restreinte, l'utilisation de multiples tests sanguins et de symptômes cliniques. Un outil simple et peu coûteux capable de diagnostiquer rapidement la dengue et de prédire la sévérité de la maladie serait d'une grande valeur dans la région. Avec les méthodes modernes d'apprentissage automatique, cela est désormais réalisable et les obstacles précédemment identifiés, tels que la nécessité de grandes quantités de données d'entraînement, peuvent maintenant être surmontés. Par exemple, des modèles peuvent être créés à partir de grands ensembles de données, puis optimisés pour des ensembles de données plus petits et différents (données provenant d'autres lieux/conditions, ou avec moins de données d'entrée).

Nous avons précédemment montré que des algorithmes d'apprentissage automatique basés sur les données pouvaient être généralisés à travers plusieurs Trusts du National Health Service (NHS) du Royaume-Uni (pour la prédiction de la COVID-19). Bien qu'initialement entraîné sur des données de plus de 77 000 patients, nous avons créé un modèle nécessitant uniquement des données de signes vitaux et une numération sanguine au chevet du patient, capable de prédire le diagnostic de COVID-19 chez les patients se présentant dans les hôpitaux britanniques. Nous avons démontré la capacité d'adapter ce modèle à un contexte de pays à revenu intermédiaire de la tranche inférieure (PRITI) en utilisant des données de deux hôpitaux vietnamiens. Les modèles adaptés ont atteint des AUROC d'environ 0,75 et des AUPRC d'environ 0,89 (similaires aux sites britanniques où des quantités beaucoup plus importantes de données étaient disponibles). La réalisation d'un "apprentissage par transfert", où un petit sous-ensemble de données britanniques a été utilisé pour soutenir le développement du modèle au Vietnam, a amélioré les performances de 5 à 10 %. Nous avons également constaté que l'utilisation de méthodes statistiques pour traiter les valeurs manquantes peut encore améliorer les performances prédictives de 2 à 5 %. Ce modèle d'apprentissage automatique peut également fonctionner comme un "modèle de base" et être adapté à une nouvelle tâche, c'est-à-dire la dengue.

Aperçu de l'étude

Type d'étude

Observationnel

Inscription (Réel)

1000

Contacts et emplacements

Cette section fournit les coordonnées de ceux qui mènent l'étude et des informations sur le lieu où cette étude est menée.

Lieux d'étude

      • Bangkok, Thaïlande, 10400
        • Hospital for Tropical Diseases, Faculty of Tropical Medicine

Critères de participation

Les chercheurs recherchent des personnes qui correspondent à une certaine description, appelée critères d'éligibilité. Certains exemples de ces critères sont l'état de santé général d'une personne ou des traitements antérieurs.

Critère d'éligibilité

Âges éligibles pour étudier

  • Adulte
  • Adulte plus âgé

Accepte les volontaires sains

Non

Méthode d'échantillonnage

Échantillon non probabiliste

Population étudiée

Tous les dossiers médicaux anonymisés des patients adultes hospitalisés et ambulatoires âgés de ≥18 ans ayant consulté l'Hôpital des Maladies Tropicales de Bangkok entre le 1er janvier 2016 et le 30 septembre 2024 seront inclus dans cette étude.

La description

Critères d'inclusion :

  • Codes CIM liés à la dengue : A90-94, A910, A911, A919, A970-972, A979
  • Codes CIM non liés à la dengue : R78.81, A79.9, A27, B34.9, A49.9

Critères d'exclusion :

  • Dossiers médicaux avec des valeurs manquantes significatives, déterminés par les investigateurs principaux (IP) et les co-investigateurs.
  • Dossiers de patients diagnostiqués avec des infections mixtes (agents pathogènes ≥ 2)

Plan d'étude

Cette section fournit des détails sur le plan d'étude, y compris la façon dont l'étude est conçue et ce que l'étude mesure.

Comment l'étude est-elle conçue ?

Détails de conception

Cohortes et interventions

Groupe / Cohorte
Intervention / Traitement
Dossiers des patients diagnostiqués avec des infections dengue et non-dengue
Dossier médical du 1 janvier 2016 au 30 septembre 2024
Aucune intervention

Que mesure l'étude ?

Principaux critères de jugement

Mesure des résultats
Description de la mesure
Délai
Différencier la dengue des causes non spécifiées de maladie fébrile aiguë
Délai: Au départ (moment de la présentation clinique initiale)
Pour créer des modèles d'IA capables de différencier la dengue des causes non spécifiées de maladie fébrile aiguë en termes de diagnostic clinique et de caractéristiques
Au départ (moment de la présentation clinique initiale)
Prédiction de la dengue sévère
Délai: Au départ (au moment de la première présentation clinique)
Prédire le développement de la dengue sévère à l'aide de données cliniques disponibles en routine
Au départ (au moment de la première présentation clinique)

Collaborateurs et enquêteurs

C'est ici que vous trouverez les personnes et les organisations impliquées dans cette étude.

Publications et liens utiles

La personne responsable de la saisie des informations sur l'étude fournit volontairement ces publications. Il peut s'agir de tout ce qui concerne l'étude.

Publications générales

Dates d'enregistrement des études

Ces dates suivent la progression des dossiers d'étude et des soumissions de résultats sommaires à ClinicalTrials.gov. Les dossiers d'étude et les résultats rapportés sont examinés par la Bibliothèque nationale de médecine (NLM) pour s'assurer qu'ils répondent à des normes de contrôle de qualité spécifiques avant d'être publiés sur le site Web public.

Dates principales de l'étude

Début de l'étude (Réel)

14 novembre 2024

Achèvement primaire (Réel)

15 septembre 2025

Achèvement de l'étude (Réel)

15 septembre 2025

Dates d'inscription aux études

Première soumission

15 novembre 2025

Première soumission répondant aux critères de contrôle qualité

24 février 2026

Première publication (Réel)

25 février 2026

Mises à jour des dossiers d'étude

Dernière mise à jour publiée (Réel)

25 février 2026

Dernière mise à jour soumise répondant aux critères de contrôle qualité

24 février 2026

Dernière vérification

1 février 2026

Plus d'information

Termes liés à cette étude

Plan pour les données individuelles des participants (IPD)

Prévoyez-vous de partager les données individuelles des participants (DPI) ?

INDÉCIS

Informations sur les médicaments et les dispositifs, documents d'étude

Étudie un produit pharmaceutique réglementé par la FDA américaine

Non

Étudie un produit d'appareil réglementé par la FDA américaine

Non

Ces informations ont été extraites directement du site Web clinicaltrials.gov sans aucune modification. Si vous avez des demandes de modification, de suppression ou de mise à jour des détails de votre étude, veuillez contacter register@clinicaltrials.gov. Dès qu'un changement est mis en œuvre sur clinicaltrials.gov, il sera également mis à jour automatiquement sur notre site Web .

S'abonner