Decideo - Actualités sur le Big Data, Business Intelligence, Data Science

Abonnez-vous gratuitement à Decideo !


Decideo

 


La clinique de Cleveland et SAS partagent leurs modèles prédictifs afin d’aider les hôpitaux à planifier leurs besoins actuels et futurs face à l’épidémie du COVID-19


Rédigé par Communiqué de SAS le 5 Mai 2020

Les modèles aident à anticiper les besoins en lits et respirateurs artificiels, et à prévoir l’impact de la demande sur les chaînes d’approvisionnement critiques, les finances et le personnel des établissements afin de les préparer au mieux avant, pendant et après les pics de contaminations régionaux.



Dans le cadre de la lutte contre la pandémie du nouveau coronavirus, la clinique de Cleveland et SAS ont créé des modèles innovants permettant aux établissements de soins de prévoir leurs volumes de patients, ainsi que leur capacité en matière de lits ou encore de respirateurs artificiels. Disponibles gratuitement sur GitHub, ces modèles offrent des informations fiables et instantanées permettant aux hôpitaux et services de santé d’optimiser la prestation de soins pour les patients atteints du COVID-19 ou autre. Ils peuvent ainsi prévoir l’impact de leur surcharge sur leur chaîne d’approvisionnement, leurs finances et autres points critiques.

Contrairement aux projections basées sur un seul ensemble d’hypothèses, ces modèles analytiques ont été utilisés pour créer les scénarios les plus favorables, défavorables et probables. En outre, ils s’adaptent en temps réel en fonction des données et de l’évolution de la situation. Par exemple, ils sont capables de tenir compte des conséquences positives des mesures de distanciation sociale sur la propagation de la maladie.

La clinique de Cleveland utilise ces modèles pour appuyer son processus décisionnel : grâce à ces informations, le centre peut prévoir et planifier la demande vis-à-vis de son écosystème de santé, notamment en ce qui concerne les lits de soins intensifs, les équipements de protection individuelle et les respirateurs artificiels. Après avoir examiné les différents scénarios de flambée épidémique générés par les modèles, la clinique a choisi d’activer un plan lui permettant de se préparer au pire, et a créé un hôpital de campagne de 1 000 lits sur son campus universitaire dans le but d’accueillir des patients atteints du COVID-19, mais ne nécessitant pas de soins intensifs. Le centre hospitalier a également utilisé ces modèles pour appuyer sa prise de décisions quant à l’organisation et à la mobilisation du personnel soignant.

« Ces modèles prédictifs ont été développés par deux organisations expertes dans l’analyse de populations de patients, de données, et en matière de modélisation », déclare Chris Donovan, directeur exécutif de la gestion des informations d’entreprise et de l’analytique au sein de la clinique. « Nous les partageons publiquement afin que les systèmes de santé et organismes gouvernementaux du monde entier puissent s’en servir dans leurs propres communautés. Nous espérons que d’autres acteurs proposeront leurs propres idées, ainsi que des améliorations. »

La page GitHub où les modèles sont disponibles a été visitée plus de 1 700 fois au cours des deux dernières semaines, et les modèles ont été téléchargés plus de 50 fois.

Au cœur de ce travail figure un modèle épidémiologique SEIR, selon lequel les individus passent progressivement par différentes étapes – Susceptible, Exposé, Infectieux et Rétabli. Celui-ci repose sur un autre modèle open source créé par l’Université de Pennsylvanie ; réécrit et étendu sur la plateforme analytique de SAS® ; et amélioré en continu grâce aux retours en temps réel d’épidémiologistes et de data scientists de la clinique. Ces derniers bénéficient ainsi d’un contrôle flexible des paramètres, ainsi que de différentes approches tenant compte de variations régionales démographiques et sanitaires, ainsi que d’hypothèses formulées à l’échelle nationale.

« Ces modèles peuvent aider les hôpitaux, centres de soins, ministères de santé et autres organismes gouvernementaux à prévoir l’impact du COVID-19 et à se préparer pour l’avenir », déclare le docteur Steve Bennett, directeur mondial de la division chargée des organismes gouvernementaux chez SAS. « Ils peuvent également aider à soutenir les systèmes de santé les plus vulnérables et les moins développés dans leur lutte contre le COVID-19. »

Le docteur Bennett est l’ancien directeur du Centre national d’intégration de données de biosurveillance au sein du Département de la sécurité intérieure des États-Unis, et est l’un des nombreux experts des technologies SAS à travailler avec des clients tels que la clinique de Cleveland sur la crise actuelle.

SAS possède une longue expérience avec des établissements de santé et des organismes du domaine des sciences humaines, et travaille activement afin d’aider ces secteurs d’activité et bien d’autres à faire face à la crise. Les modèles développés avec la clinique de Cleveland appliquent des capacités analytiques avancées sur des données afin d’aider les hôpitaux à optimiser l’utilisation de leurs ressources, à l’image de leurs respirateurs artificiels et de leurs lits. SAS s’appuie également sur ses solutions analytiques pour offrir une meilleure compréhension de la situation, garantir une planification stable de la demande, contribuer au développement de vaccins, et renforcer la traçabilité des individus.




Nouveau commentaire :
Twitter

Vous pouvez commenter ou apporter un complément d’information à tous les articles de ce site. Les commentaires sont libres et ouverts à tous. Néanmoins, nous nous réservons le droit de supprimer, sans explication ni préavis, tout commentaire qui ne serait pas conforme à nos règles internes de fonctionnement, c'est-à-dire tout commentaire diffamatoire ou sans rapport avec le sujet de l’article. Par ailleurs, les commentaires anonymes sont systématiquement supprimés s’ils sont trop négatifs ou trop positifs. Ayez des opinions, partagez les avec les autres, mais assumez les ! Merci d’avance. Merci de noter également que les commentaires ne sont pas automatiquement envoyés aux rédacteurs de chaque article. Si vous souhaitez poser une question au rédacteur d'un article, contactez-le directement, n'utilisez pas les commentaires.


Twitter
Rss
LinkedIn
Facebook
Apple Podcast
App Store
Google Play Store