Diagnostic de la dépression et prédiction de l'efficacité d'un traitement chez des patients atteints d'un désordre dépressif majeur
Notice bibliographique
Résumé
Le but de cette recherche est d’utiliser des techniques de fouille de donnees sur des informations extraites d’electroencephalogrammes (EEG) d’individus pour aussi bien le diagnostic de la depression que la prediction de l’efficacite d’un traitement antidepressif a une etape precoce des soins. Pour le volet diagnostic, il s’agit de comparer deux groupes d’individus (malades depressifs et sujets sains) sur la base d’ondes cerebrales (alpha, beta, theta et delta) extraites des EEG pour identifier celles qui expliquent le mieux l’etat depressif et pour generer des regles de classification permettant de predire la classe d’appartenance d’un individu (sain ou depressif). Quant au volet de prediction, il s’agit d’utiliser des ondes cerebrales et eventuellement d’autres mesures cliniques afin d’identifier les patients qui ne repondront pas favorablement a un traitement apres juste une semaine de soins au lieu de douze semaines, comme il est souvent d’usage. Cela eviterait de faire subir aux patients non repondeurs les effets indesirables d’un traitement inefficace sur une longue duree. Apres quelques transformations de donnees EEG, nous avons applique trois techniques de fouille de donnees : la classification, le regroupement et les regles d’association, et avons obtenu des resultats juges interessants et utiles par nos partenaires cliniciens. Certains resultats confirment ceux deja obtenus par d’autres recherches anterieures et portent principalement sur l’impact des ondes theta sur la prediction precoce de l’efficacite d’un traitement antidepressif. Nous avons egalement adapte des procedures de fouille de donnees developpees au laboratoire LARIM de l’UQO aux donnees sur la depression afin de generer des motifs speciaux comme les regles d’association avec negation ou les regles generalisees impliquant la prise en compte de hierarchies de generalisation sur les attributs. Ce travail rentre dans le cadre d’un projet de recherche conduit au sein du CBAP (IBM centre for Business Analytics and Performance) de l’Ecole Telfer de gestion en collaboration avec Docteur Verner Knott, directeur du Laboratoire de Neuroelectrophysiologie et de Recherches Cognitives (LNRC) de l’Institut de recherche en sante mentale de l’universite d’Ottawa.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,012 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».