Pneumonies nosocomiales acquises sous ventilation mécanique : prédiction du diagnostic et influence sur le pronostic

par Molière Nguile Makao

Thèse de doctorat en Mathématiques appliquées

Sous la direction de Jean-François Timsit.

Soutenue en 2010

à l'Université Joseph Fourier (Grenoble) .


  • Résumé

    La pneumonie nosocomiale est l'infection la plus fréquente et la plus grave rencontrée en réanimation, notamment chez les patients sous ventilation mécanique invasive. L'objectif de ces travaux de thèse est d'élaborer des outils d'optimisation de la prévention des Pneumonies nosocomiales Acquises sous Ventilation Mécanique (PAVM) en utilisant les informations de la base de donnée OUCOMEREA. Ainsi, un score de PAVM a été construit à partir d'une régression logistique hiérarchique mixte à effet aléatoire permettant de comparer les structures de soin. Le modèle de régression logistique présentant quelques insuffisances, nos travaux ont été orientés vers les modèles multi-états. En particulier, nous avons étudié le modèle Progressive Disability à partir duquel la mortalité attribuable à la PAVM a été évaluée efficacement et les groupes de patients ayant une mortalité imputable très élevée ont été identifié. Ce modèle a été simplifié en modèle Disability. Par la suite, les covariables sont incluses via l'estimateur de Breslow et la mortalité imputable est ré-estimée. A partir du modèle Disability, une prédiction globale et individualisée de la PAVM dans les trois jours qui suivent l'instant d'observation est construite. La performance de la prédiction est évaluée par une fonction de perte pondérée par la fréquence des évènements au cours du temps.


  • Résumé

    Nosocomial Pneumonia is the most frequent and severe infection encountered in intensive care unit, notably in patients under mechanical ventilation. The objective of this thesis is to develop tools to optimize the prevention of Ventilation Associated nosocomial Pneumonias (VAP) using the information of OUTCOMEREA database. Thus, a VAP score was built from a hierarchical logistic regression mixed model to compare the care structures. As the logistic regression model presenting a few shortcomings, we oriented our work towards multi-state models. In particular, we studied the Progressive Disability model from which the attributable mortality due to VAP was evaluated efficiently and patients groups with bad prognosis were identified. This model has been simplified to a Disability model. Thereafter, the covariates were included via the Breslow estimator and the mortality was re-estimated. From the Disability model, a global and individualized prediction of VAP in the three days following observation time was built. The prediction performance is evaluated by a loss function weighted by events frequency over time.

Consulter en bibliothèque

La version de soutenance existe sous forme papier

Informations

  • Détails : 1 vol. (145 p.)
  • Notes : Publication autorisée par le jury
  • Annexes : Bibliogr. 142 réf.

Où se trouve cette thèse ?

  • Bibliothèque : Service interétablissements de Documentation (Saint-Martin d'Hères, Isère). Bibliothèque universitaire de Sciences.
  • Disponible pour le PEB
  • Cote : TS10/GRE1/0193/D
  • Bibliothèque : Service interétablissements de Documentation (Saint-Martin d'Hères, Isère). Bibliothèque universitaire de Sciences.
  • Disponible sous forme de reproduction pour le PEB
  • Cote : TS10/GRE1/0193
Voir dans le Sudoc, catalogue collectif des bibliothèques de l'enseignement supérieur et de la recherche.