Search

Background The PRADO program was designed to improve post-discharge patient care in heart failure (HF). In this context, prediction of readmission or death in HF is of critical importance and is currently based on a limited number of variables selected by experts/literature. Artificial intelligence (AI) allows to include a non-limited and non-selected number of variables. Purpose The objective was to predict the probability of HF readmission and/or death inpatients with a new diagnosis of HF included or not in the PRADO program at the cardiologist's discretion, using medical records and machine learning models, without a priori. Methods This pilot monocentric study included all patients having a first HF admission between January 1st, 2015 and December 31, 2018, enrolled by data record (ICD-10) from the department of cardiology Paris Saint-Joseph Hospital. One thousand variables extracted from electronic health records/local hospital discharge database (PMSI) were used to create models. Data from the national PMSI were also included using the Hawkes process. Models were constructed on patients admitted between 2015 and 2017 to predict 1 and 3 months probability of HF readmission and HF readmission or mortality. Discrimination was tested using the area under the ROC curves (AUC) inpatients admitted in 2018. Results The discrimination value was limited overall ( Table 1 ). It was better for the 1 month than for the 3 months prediction of clinical outcomes. The models predicted better the composite outcome than HF readmissions and performed better for non-PRADO patients. Conclusion The predictive value of these models using AI in our population is limited and performed better at 1 month than 3 months. The better discriminating value in non-PRADO patients might result from different clinical profiles, from the arbitrary nature of the selection by cardiologists and from the limited sample size compared to the high number of variables included in the models.

Introduction Les donnees recueillies dans le DPI presentent un interet certain pour l’aide a la decision medicale, sous reserve qu’elles soient exploitables dans le cadre de travaux de recherche. L’objectif de notre etude etait d’evaluer la capacite d’exploitation de ces donnees pour predire, a un mois, le risque de rehospitalisation des patients insuffisants cardiaques. Methodes L’etude a porte sur les patients adultes hospitalises dans le service de cardiologie du groupe hospitalier Paris Saint-Joseph (GHPSJ) pour un premier episode d’insuffisance cardiaque (HIC) entre 2015 et 2017. Les donnees PMSI locales ont permis d’inclure les patients et de caracteriser leur eventuel parcours hospitalier en amont et en aval de l’HIC. Les donnees du DPI ont permis de caracteriser l’HIC : compte rendu d’hospitalisation, observations medicales et soignantes, prescriptions medicamenteuses, resultats d’examens complementaires (resultats d’analyses de biologie medicale, ECG, echocardiographie, coronarographie). La prediction du risque de rehospitalisation a ete construite avec un modele classificatoire de Foret Aleatoire. Ce modele a ete entraine et teste sur deux cohortes differentes. La performance a ete evaluee par l’aire sous la courbe ROC (AUC). Resultats Notre etude a porte sur 905 patients ; 1048 variables ont ete extraites par requetage SQL. Un important travail de nettoyage des donnees (donnees manquantes ou incoherentes) et de gestion de problemes (perdus de vue, acces aux donnees textuelles, vision tronquee du parcours hospitalier) a ete necessaire. Les donnees textuelles n’ont pas pu etre analysees. Le taux de rehospitalisation des patients etait de 11,5 % a un mois. L’AUC etait de 0,97 pour la cohorte d’entrainement et de 0,67 pour la cohorte de test. Discussion/Conclusion L’analyse des donnees du DPI pour des travaux de recherche necessite une phase prealable de qualification importante. Une normalisation de ces donnees avec recours a des outils d’interoperabilite semantique constitue une piste qui faciliterait le developpement d’etudes multicentriques. Les resultats predictifs issus du modele IA sont perfectibles. Plusieurs aspects sont a reconsiderer, comme les criteres d’inclusion, le sur-ajustement du modele ou une validation prospective.

Background Prediction of readmission or death in heart failure (HF) is of critical importance and is currently based on a limited number of variables selected by experts/literature. Artificial intelligence (AI) allows to include a non-limited and non-selected number of variables. Purpose The objective was to predict the probability of HF readmission and/or death inpatients with a new diagnosis of HF, using medical records and machine learning models, without a priori. Methods This pilot monocentric study included all patients having a first HF admission between January 1st, 2015 and December 31, 2018, enrolled by data record (ICD-10) from the department of cardiology Paris Saint-Joseph Hospital. One thousand variables extracted from electronic health records/local hospital discharge database (PMSI) were used to create models. Data from the national PMSI were also included using the Hawkes process. Models were constructed on patients admitted between 2015 and 2017 to predict 1 and 3 months probability of HF readmission (n = 905 and n = 829 respectively) and HF readmission or mortality (n = 923 and n = 868 respectively). Discrimination was tested using the area under the ROC curves (AUC) inpatients admitted in 2018. Results At 1 month, AUC was 0.56 [95%CI 0.47–0.66] (n = 294) and 0.55 [95%CI 0.47–0.64] (n = 302) for the HF readmission and the composite outcome respectively. At 3 months, AUCs were 0.51 [95%CI 0.41–0.59] (n = 224) and 0.52 [95%CI 0.45–0.60] (n = 235) respectively. Conclusion The predictive value of these models using AI in this population is limited and performed better at 1 month than 3 months. Potential biases include the accuracy of HF diagnosis (based on ICD-10) and the limited size of the derivation cohort compared to the number of variables included in the models. This approach should therefore be assessed in a larger population.

Introduction Dans le cadre d’une etude evaluant un score predictif dans la survenue d’un deces par evenement cardiovasculaire a 10 ans (SCORE) chez les patients d’une unite specialisee d’hypertension arterielle tertiaire (UHT), nous avons chaine les donnees hospitalieres de ces patients avec leur statut vital et leurs causes de deces le cas echeant issus du Registre national d’identification des personnes physiques (RNIPP). Nous nous proposons de faire un retour d’experience sur les resultats obtenus. Methodes Pour cette etude retrospective, monocentrique, nous avons inclus tous les patients ayant eu leur premiere visite dans l’UHT a l’hopital europeen Georges-Pompidou entre juin 2000 et decembre 2014. Les informations concernant le genre, la date et le lieu de naissance, les noms et prenoms de ces patients ont ete extraites de leur dossier administratif et de leur numero d’inscription au repertoire de l’Insee (NIR), notamment pour la commune de naissance obtenue a partir du code commune. Pour les patients pour lesquels ces informations etaient disponibles, le statut vital et les causes de deces ont pu etre demandes au Centre de recherche en epidemiologie et sante des populations (CESP) qui constitue l’intermediaire entre le RNIPP et la base de donnees nationale des causes de deces (CepiDc). Le fichier provenant du CESP comprend des patients identifies de facon exacte et des patients identifies avec une ou plusieurs discordances par rapport aux informations que nous avions fournies. Un traitement a du etre effectue pour traiter ces discordances et etablir la liste definitive des patients identifies. Les discordances concernant les noms et prenoms ont ete traitees de maniere automatique : le patient a ete considere comme identifie si une seule lettre du nom ou du prenom etait discordante apres suppression de la casse et des separateurs ou si pour deux lettres discordantes les deux premieres etaient les memes. Si la date de naissance etait discordante, le patient etait considere comme non identifie. Pour les patients nes a l’etranger, une discordance sur la ville de naissance (mais pas sur le pays) amenait le patient a etre considere comme identifie. Resultats Sur les 17 135 patients ayant eu une premiere visite entre juillet 2000 et decembre 2014, 15 438 (90 %) ont ete envoyes au CESP pour identification. Les donnees manquantes pour l’identification etaient essentiellement la ville de naissance, souvent non renseignee dans le dossier administratif et non recuperable via le NIR renseigne, qui est celui de l’ayant-droit. Parmi les patients envoyes, 1963 (12,7 %) n’ont pas ete identifies par le CESP ; 9940 (65 %) etaient identifies avec une ou plusieurs discordances mais apres le traitement automatique realise, seuls 811 (5,3 %) patients n’ont pas ete consideres comme identifies (date de naissance : 66 ; lieu de naissance : 23 ; nom : 724 ; prenom : 14). Les femmes etaient 61 % a etre identifiees contre 80 % des hommes. Au final, 4471 (26 %) patients n’ont pas ete inclus pour cause de donnees erronees/manquantes. Conclusion L’utilisation des bases de donnees nationales est un outil important pour la recherche epidemiologique qui peut etre limitee par la qualite des bases de donnees hospitalieres. Notre cas d’etude avec elaboration d’un algorithme ad hoc a permis de recuperer seulement 74 % des statuts vitaux des patients, avec un fort desequilibre en faveur des hommes.

It is shown that the main driving force which determines the conformational equilibrium of the α,α′ dihalogeno cyclohexanones ( trans, cis and gem ) is the difference between the polarizabilities of the substituents (X = F,Cl,Br); this is also the case of the 2-halogeno cyclohexanones (X = F,Cl,Br,I) where the 2-halogen is in competition with the trans 6-hydrogen.

Resume We describe the stereosperific synthesis of cis - and trans -2-fluoro-4-t-butyl cyclohexanone, obtained by the opening of the corresponding cis - and trans -epoxinitriles with hydrofluoric acid in the presence of boron trifluoride. These epoxides are obtained separately from cis -2-bromo-4-t-butylcyclo-hexanone. The fluorine NMR spectra of these rigid molecules are very sensitive to the conformational orientation of the halogen. Taking advantage of this fact, and combining fluorine and proton NMR data, we propose a conformational scale which can be used with accuracy for conformational analysis of fluorinated cyclohexanone derivatives.

Eight cores taken on the eastern flank of the Mid-Atlantic Ridge from 3°N to 60°N document climatic shifts over the last 225,000 years. Southward penetration of polar water elimiontated the coccolith carbonate, heightened the amount of ice-rafted mineral detritus, and drastically altered the foraminiferal assemblages. Only a single polar foraminiferan, left-coiled Globigerina pachyderma , remained to dominate the cold waters, whereas diverse subpolar species and abundant Coccolithophorida fluorished in warmer times. The major glacial pulses occured from roughly 30,000–15,000 Y.B.P. (the late Wisconsin maximum) and from 160,000–135,000 Y.B.P. Shorter and less severe cold periods are present on at least four occasions in the last 225,000 years. Conversely, marked northward incursions of species typical of the present subtropical gyre happened at least six times, the three strongest being: slightly post Terminations I (8000 Y.B.P.) and the oldest approximately 175,000 Y.B.P. The continuing similarity through late Pleistocene time for foraminiferal and coccolithophorid assemblages in the six northernmost cores suggests there has existed a uniform water mass with minimal variations from 45°N to above 55°N. The southern margin (42–45°N) of this faunally-defined unit in the eastern Atlantic coincides with the southward limit of late Pleistocence polar water penetration.