Mise à jour séquentielle des prédictions d'un modèle hiérarchique pour l'aide au suivi médical - Archive ouverte HAL Access content directly
Conference Papers Year : 2005

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

(1) , (2) , (1)
1
2

Abstract

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.
Fichier principal
Vignette du fichier
2005-083_hal.pdf (97.44 Ko) Télécharger le fichier
Origin : Files produced by the author(s)
Loading...

Dates and versions

ineris-00972488 , version 1 (03-04-2014)

Identifiers

Cite

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⟩

Collections

INERIS
71 View
170 Download

Share

Gmail Facebook Twitter LinkedIn More