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
Bibliographic record
Abstract
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
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.007 | 0.029 |
| Meta-epidemiology (narrow) | 0.002 | 0.001 |
| Meta-epidemiology (broad) | 0.002 | 0.002 |
| Bibliometrics | 0.002 | 0.001 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.004 | 0.004 |
| Open science | 0.002 | 0.002 |
| Research integrity | 0.002 | 0.003 |
| Insufficient payload (model declined to judge) | 0.015 | 0.003 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".