MétaCan
Menu
Retour à la cohorte
Enregistrement W7005267626

Prédiction de la récupération neurofonctionnelle après une lésion médullaire traumatique : bien choisir les variables explicatives et prédites

2022· dissertation· fr· W7005267626 sur OpenAlexfundno aff

Notice bibliographique

RevuePapyrus : Institutional Repository (Université de Montréal) · 2022
Typedissertation
Languefr
DomaineMedicine
ThématiqueNerve Injury and Rehabilitation
Établissements canadiensnon disponible
Organismes subventionnairesWestern Economic Diversification CanadaHealth CanadaUniversité de MontréalUniversité de Sherbrooke
Mots-clésTraffic accidentPopulationPoison controlDistraction
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Une lésion traumatique de la moelle épinière est une affection de la moelle épinière résultant d’un impact direct sur la colonne vertébrale. D’installation brusque par compression, lacération, distraction ou section de la moelle épinière, les lésions médullaires traumatiques entraînent l’interruption partielle ou totale de la transmission de l’influx nerveux et le développement des troubles neurologiques. Ces troubles sont de gravité et de durée variables, limitant significativement la capacité fonctionnelle du patient dans les activités quotidiennes. Il s’agit d’une affection lourde de conséquences à cause de la morbidité et mortalité élevées comparativement à la population générale et d’une qualité de vie amoindrie à la suite de diverses complications à long terme. Ces lésions représentent un fardeau considérable pour le patient, sa famille et le système de santé dans son ensemble. Ceux qui survivent d’une LTME présentent, selon les cas, des évolutions cliniques très variables. Les résultats à long terme vont d’une récupération complète à une incapacité fonctionnelle très sévère. Selon les cas, différents scenarios sont possibles. Certains patients récupèrent considérablement sur le plan neurologique et sur le plan fonctionnel, tandis que d’autres patients ont une récupération très limitée, développant ainsi une invalidité qui les rend totalement dépendants. Au cours des dernières décennies, il y a eu beaucoup d’avancées médicales qui ont permis d’améliorer le diagnostic et la prise en charge rapide dans la phase aiguë. Fort malheureusement, très peu de progrès ont été réalisés sur les thérapies pouvant rétablir la transmission de l’influx nerveux interrompue et entraîner une restitution ad integrum. Tôt après la survenue de la lésion médullaire, la prédiction des résultats neurofonctionnels à long terme reste une préoccupation majeure pour les cliniciens, les patients et leurs familles. Cependant, les résultats à long terme suivant une LTME sont, à l’heure actuelle, difficiles à prédire avec précision à cause de la variabilité observée dans l’évolution clinique et la diversité des facteurs qui influencent ces résultats. Quelques études ont identifié plusieurs prédicteurs de résultats à long terme suivant une lésion médullaire. Cependant, il existe encore des lacunes relatives à la modélisation prédictive dans ce domaine. Ces lacunes sont liées à la sélection des variables indépendantes à utiliser dans la prédiction mais aussi à la pertinence clinique des résultats à prédire. L’objectif général de ce travail a consisté donc à étudier les caractéristiques de la phase d’hospitalisation aigue qui sont susceptibles de prédire les résultats neurofonctionnels à long terme après une LTME, et d’aider les cliniciens dans la prise en charge des patients. Plus précisément, ce travail consistait à (1) identifier les prédicteurs aigus des résultats neurologiques à long terme, (2) déterminer les prédicteurs aigus des résultats fonctionnels tout en établissant leur ordre d’importance et leurs points de coupure, (3) identifier les profils d’amélioration neurologique associés à la récupération fonctionnelle. Dans une première étude, nous avons identifié par une revue systématique de la littérature les variables liées aux caractéristiques du patient, de la lésion et de la prise en charge ayant une valeur prédictive des résultats neurologiques à long terme. Ces prédicteurs ont ensuite été classifiés dans un cadre conceptuel en quatre catégories en fonction de la constance de leur valeur prédictive. Cette étude a permis de mettre en évidence l’existence des prédicteurs émergents comme les biomarqueurs céphalorachidiens, sanguins et radiologiques, qui ont démontré une association significative aux résultats neurologiques bien que non encore suffisamment explorés. Deuxièmement, nous avons déterminé par une étude de cohorte, les prédicteurs aigus des résultats fonctionnels à long terme. Au moyen d’un arbre de régression, nous avons élaboré quatre phénotypes de récupération fonctionnelle en fonction des trois variables issues de l’examen neurologique initial, à savoir la sensibilité à la piqure, le score moteur ASIA des membres inférieurs et le score moteur ASIA des membres supérieurs. Cette étude a permis de déterminer les points de coupure sur ces variables d’intérêt. Enfin, dans une autre étude de cohorte, nous avons déterminé les profils d’amélioration neurologiques associés à la récupération fonctionnelle. La validation externe des résultats de ces deux dernières études dans une large cohorte de blessés médullaires issus d’une population différente est une prochaine étape nécessaire pour la translation clinique de ces algorithmes. En effet, l’identification de profils/phénotypes cliniques pourrait permettre aux cliniciens de mieux orienter et évaluer les stratégies de traitement et de réadaptation pour la clientèle des blessés médullaires.

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)0,001
score de la tête « metaresearch » (Gemma)0,004
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,011
Score d'incertitude au seuil0,021

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,004
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0000,000
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,001

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.

Tête enseignante Opus0,009
Tête enseignante GPT0,223
Écart entre enseignants0,214 · 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'étudeObservationnel
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
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePapyrus : Institutional Repository (Université de Montréal)Même sujetNerve Injury and RehabilitationTravaux en français237 207