MétaCan
Menu
← Retour à la cohorte
Enregistrement W2623917821 · doi:10.71781/4733

Approche probabiliste d’adaptation posologique : concrétisation en outil de santé mobile pour l’aide à la décision clinique du trouble du déficit d’attention avec ou sans hyperactivité

2016· dissertation· fr· W2623917821 sur OpenAlexfundno aff
Guillaume Bonnefois

Notice bibliographique

RevueOpen MIND · 2016
Typedissertation
Languefr
DomaineHealth Professions
ThématiqueHealth, Medicine and Society
Établissements canadiensnon disponible
Organismes subventionnairesFonds de recherche du Québec – Nature et technologiesNatural Sciences and Engineering Research Council of CanadaNational Natural Science Foundation of ChinaPfizer
Mots-clésHumanitiesPsychologyPhilosophy

Résumé

récupéré en direct d'OpenAlex

L’atteinte d’un meilleur effet thérapeutique par une posologie effective et adaptée aux besoins spécifiques des patients reste un but ultime de tout praticien. L’utilisation des psychostimulants, largement basée sur des processus essai-erreur, reflète cette situation de façon factuelle chez les enfants diagnostiqués avec le trouble de déficit de l’attention, avec ou sans hyperactivité (TDA/H). Dans ce contexte, les approches pharmacométriques prenant appui sur des nouvelles technologies informatiques et concrétisées en outils de santé mobile, se présentent comme une solution d’avenir à fort potentiel. Cette thèse porte sur le développement d’une approche d’adaptation posologique des psychostimulants et leurs combinaisons dans le but de sélectionner des régimes d’administration optimaux, tout en considérant les caractéristiques de la population pédiatrique et sa routine quotidienne. Pour cela, nous avons introduit des indicateurs thérapeutiques impliquant le temps ou la concentration et les avons réunis dans l’expression d’une fonction mathématique d’évaluation probabiliste de la performance des régimes d’administration modulée par l’expérience clinique. En considérant trois niveaux successifs d’adaptation posologique (populationnel, de groupe et individuel) et en tenant compte des propriétés du médicament et du contexte clinique, nous avons développé un algorithme d’optimisation multiobjective par une approche de modélisation et simulation de la pharmacocinétique de population. Ceci a donné lieu à une sélection a priori, au niveau de la population ou du groupe, ou a posteriori, au niveau de l’individu, de la dose journalière totale du méthylphénidate et de son fractionnement en matière de doses et de temps d’administration. Une autre contribution importante de cette thèse se reflète dans l’aspect translationnel des travaux de recherche inclus. En effet, une application mobile a été concrétisée à partir des algorithmes développés, prête à être utilisée dans la prescription quotidienne des psychostimulants afin d’en améliorer l’usage. Ce parcours de recherche, allant de la conception méthodologique à la valorisation clinique, constitue une preuve de plus du potentiel croissant de la pharmacométrie

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,007
score de la tête « metaresearch » (Gemma)0,029
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,015
Score d'incertitude au seuil0,051

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0070,029
Méta-épidémiologie (sens strict)0,0020,001
Méta-épidémiologie (sens large)0,0020,002
Bibliométrie0,0020,001
Études des sciences et des technologies0,0010,001
Communication savante0,0040,004
Science ouverte0,0020,002
Intégrité de la recherche0,0020,003
Charge utile insuffisante (le modèle a refusé de juger)0,0150,003

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.

Tête enseignante Opus0,062
Tête enseignante GPT0,406
Écart entre enseignants0,344 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueOpen MIND→Même sujetHealth, Medicine and Society→Travaux en français237 207→