Mise à jour séquentielle des prédictions d'un modèle hiérarchique pour l'aide au suivi médical

Sandrine Micallef (1) , Billy Amzal (2) , Frédéric Y. Bois (1)

1 INERIS - Institut National de l'Environnement Industriel et des Risques
2 Novartis Pharma

Un traitement par la caféine est souvent administré au nouveau-né prématuré pour réduire le risque d'apnée. Pour garantir un effet positif du traitement et réduire l'occurence des effets indésirables (tachycardie, perturbation du sommeil), les pédiatres tentent de maintenir la concentration sanguine de caféine dans un intervalle thérapeutique. Pour cette raison, la caféinémie est un indicateur important dans le traitement des apnées des enfants prématurés. La présente étude a pour objectif de construire un outil d'aide au suivi thérapeutique, capable de prédire la concentration sanguine de caféine suite au traitement d'un patient compte tenu de la grande variabilité physiologique observée dans cette population. Nous commençons par construire un modèle hiérarchique de population et utilisons l'approche bayésienne pour inférer sur les paramètres. Une discussion sur la construction, la vérification et l'adéquation de ce modèle est ensuite présentée. la seconde partie de cette étude propose une façon originale de mettre à jour les prédictions du modèle hiérarchique lorsque des données sont collectées sur un nouveau patient. Cette mise à jour séquentielle des paramètres (individuels et de population) a été menée à partir d'un algorithme particulaire.

Domaines: Toxicologie; Sciences de l'environnement

Sandrine Micallef, Billy Amzal, Frédéric Y. Bois. Mise à jour séquentielle des prédictions d'un modèle hiérarchique pour l'aide au suivi médical. 37. Journées de Statistiques, Jun 2005, Pau, France. pp.NC. ⟨ineris-00972488⟩