| Popis: |
Introduction : au cours de la pandémie à COVID-19, le syndrome de détresse respiratoire aiguë (SDRA) a représenté la majorité des hospitalisations en réanimation. Au sein de notre institution, de nombreux patients en SDRA sévère, réfractaire aux traitements conventionnels, ont bénéficié d’une technique d’oxygénation par membrane extracorporelle (ECMO) de sauvetage. Trois scores prédictifs de survie ont été décrits pour les patients en SDRA sous ECMO : score RESP, PRESERVE et ECMOnet. Cependant, ces scores n’ont pas été spécifiquement développés dans le cadre de la COVID-19. L’objectif de notre étude est 1) d’identifier les facteurs prédictifs de survie 2) d’évaluer ces scores dans ce contexte et 3) de développer en intelligence artificielle un modèle prédictif de survie.Matériel & Méthodes : nous avons mené, du 1er Mars 2020 au 31 Janvier 2022, une étude observationnelle monocentrique rétrospective incluant l’ensemble des patients SARS-CoV2+ ayant eu une ECMO pour SDRA réfractaire. Les données des patients ont été recueillies à l’aide des dossiers médicaux informatisés permettant d’accéder aux comptes rendus d’hospitalisations, aux observations d’évolution, aux données biologiques et radiographiques, ainsi qu’à partir des dossiers papiers archivés dans chaque réanimation et comprenant entre autres les feuilles de surveillance des patients. Nous avons recueilli les principales caractéristiques de nos patients, comorbidités, paramètres cliniques/paracliniques, traitements, scores, complications susceptibles de modifier la survie à J90 de l’entrée en réanimation. Nous avons ensuite réalisé un modèle de prédiction de survie à l’aide d’un algorithme d’intelligence artificielle appelé « machine learning ».Résultats : notre étude a porté sur 143 patients, dont 69 sont décédés à J90 de l’entrée en réanimation. Parmi les facteurs prédictifs associés à une meilleure survie nous avons principalement retrouvé un IMC élevé (p=0,005), le jeune âge (p |
