Machine learning pour la prédiction d’escarre chez les résidents en institution
Résumé
Contexte : L’escarre est une maladie fréquente chez les résidents des Établissement d’Hébergement pour Personnes Âgés Dépendantes (EHPAD), et leurs conséquences sont sévères. Un nombre croissant d'EHPAD utilisent des dossiers médicaux électroniques (DME).
Objectif : Utiliser les données des DME pour prédire la survenue d’escarres chez les résidents d’EHPAD.
Méthodes : Analyse rétrospective des données issues du DME de 58 356 résidents d’EHPAD. Une escarre est survenue chez 29 % des résidents. Nous avons analysé les données disponibles dans leur DME un mois avant la survenue de la première escarre ou pour les résidents indemnes d’escarre, un mois avant une date index ajustée sur le délai d’apparition d’une escarre par rapport à l’admission. Nous avons conduit une analyse par réseaux bayésiens, une des méthodes d'intelligence artificielle explicables en incluant dans les modèles les variables présentant un intérêt médical potentiel, déterminées avec des experts.
Résultats : Le modèle obtenu prédit la survenue d’une escarre à l’horizon d’un mois avec une sensibilité de 0.96 (± 0.01) et une précision de 0.32 (± 0.01), soit mieux que les autres méthodes de machine learning testées et que les échelles de Braden et Norton. Les variables importantes et leurs impacts sur la prédiction ont pu être analysés, et leurs valeurs de Shapley ont pu être calculées.
Conclusion : La prédiction d’une escarre incidente à l’horizon d’un mois est possible chez les résidents d’EHPAD à partir des seules données de leur DME. L’étude ouvre la voie au développement d’un outil prédictif alimenté par les données recueillies en routine et ne demandant pas aux soignants de travail supplémentaire, ouvrant ainsi une nouvelle stratégie préventive des escarres.