Université de Lille Détection d’artéfacts de pression artérielle invasive en anesthésie : validation prospective au bloc opératoire Artéfact gestion d’artéfacts anesthésie pression artérielle algorithme automatique 610 Pression artérielle -- Mesure Données massives Algorithmes Coeur -- Chirurgie Lille (Nord) Mesure de la pression artérielle Exactitude des données Base de données Algorithmes Chirurgie thoracique Contexte : Le monitorage de la pression artérielle au bloc opératoire requiert une rigueur méthodologique, notamment dans la gestion des artéfacts, afin de disposer de données fiables pour la recherche, en particulier dans le contexte actuel d’essor des bases de données massives. Notre objectif est de confronter à un recueil prospectif un algorithme de détection automatique des artéfacts de pression artérielle invasive (PAI) au sein de données rétrospectives d’un entrepôt de données de santé. Matériel et Méthodes : Il s’agit d’une étude diagnostique prospective menée au sein du CHU de Lille entre mai et décembre 2024, incluant 50 patients devant bénéficier d'une chirurgie avec un monitorage invasif par un cathéter artériel. Un algorithme sélectionné a été appliqué sur le recueil de courbes de PAI puis son efficacité est comparée à des annotations prospectives réalisées par un expert présent au bloc opératoire. Résultats : Sur un ensemble de 49 interventions variées comprenant de la chirurgie cardiaque, l’algorithme automatique associée à une relecture manuelle supplémentaire, montre une sensibilité de 0.57 [0.53 ; 0.62], une spécificité de 1,00 [1,00 ; 1,00], une valeur prédictive positive de 1,00 [1,00 ; 1,00] et une valeur prédictive négative de 0,99 [0,99 ; 0,99]. Conclusion : La performance diagnostique de l’algorithme dans notre étude n’est pas parfaite, mais elle apparaît suffisante pour détecter et corriger de manière automatique les artéfacts de PAI, permettant ainsi d’obtenir des données aussi propres que possible pour la recherche clinique. Electronic Thesis or Dissertation Text fr application/pdf 1 : 0 Ko https://pepite-depot.univ-lille.fr/LIBRE/Th_Medecine/2026/2026ULILM084.pdf Leng Pierre 1997-09-16 FR 296767956 2026ULILM084 2026-04-09 Médecine. Anesthésie Réanimation Université de Lille (2022-...) thesis.degree.grantor_1 259265152 Doctorat de médecine non oui Bourgeois Alexandre intervenant_1 282293132 ddc:610 Bourgeois Alexandre Université de Lille (2022-...) Université de Lille Unicode PDF 50