Plus de la moitié des personnes hospitalisées en soins aigus sont des personnes âgées. Ces patients ont un risque plus élevé de complications du fait même de leur hospitalisation. Ces complications sont les lésions de pression, les infections urinaires, l’état confusionnel aigu, les pneumonies, le déclin fonctionnel, l’incontinence, les chutes et les effets adverses des médicaments. Ces complications peuvent se déclencher en série suite à un premier évènement et ainsi provoquer une cascade iatrogénique. Afin de garantir la sécurité des patients et promouvoir la qualité des soins, les soignants doivent identifier les risques de complications le plus précocement possible.
Le premier objectif de cette thèse est de développer un modèle prédictif utilisant l’intelligence artificielle et l’analyse quotidienne des indicateurs qualité (issus des données de routine) pour identifier les patients à risque de complications.
Le deuxième objectif est d’implanter un prototype de système informatisé d’aide à la décision sur la base de ce modèle prédictif. Son efficacité sur la qualité des soins sera évaluée auprès des soignants responsables des personnes âgées hospitalisées en soins aigus au CHUV.
Les résultats nous permettront (i) de comprendre les enjeux et les impacts liés à l’implantation et l’utilisation d’un système de promotion de la qualité des soins dans un hôpital universitaire et (ii) de développer des stratégies efficaces pour la promotion d’un système qualité utilisant l’intelligence artificielle d’aide à la décision clinique pour les soignants.
Equipe de recherche: Sophie Pouzols (PhD (s)), Prof. Cédric Mabire (superviseur)