'%3e%3cline%20id='Line_151'%20data-name='Line%20151'%20x2='29.522'%20transform='translate(22.5%2022.368)'%20fill='none'%20stroke='%23fff'%20stroke-linecap='round'%20stroke-width='4'/%3e%3cline%20id='Line_152'%20data-name='Line%20152'%20x2='29.522'%20transform='translate(22.5%2032.443)'%20fill='none'%20stroke='%23fff'%20stroke-linecap='round'%20stroke-width='4'/%3e%3cline%20id='Line_153'%20data-name='Line%20153'%20x2='29.522'%20transform='translate(22.5%2042.519)'%20fill='none'%20stroke='%23fff'%20stroke-linecap='round'%20stroke-width='4'/%3e%3c/g%3e%3c/svg%3e)
'%20fill='%232c3e50'%20fill-rule='evenodd'/%3e%3c/svg%3e)
'%20d='M14,8a6,6,0,1,0,6,6A6,6,0,0,0,14,8Zm0,10.839A4.839,4.839,0,1,1,18.839,14,4.837,4.837,0,0,1,14,18.839Zm1.5-2.526L13.441,14.82a.292.292,0,0,1-.119-.235V10.613a.291.291,0,0,1,.29-.29h.774a.291.291,0,0,1,.29.29v3.428l1.616,1.176a.29.29,0,0,1,.063.406l-.455.627A.292.292,0,0,1,15.5,16.313Z'%20transform='translate(-8%20-8)'%20fill='%232c3e50'/%3e%3c/svg%3e)
'%20d='M4.1,11.944C.642,6.929,0,6.414,0,4.571a4.571,4.571,0,0,1,9.142,0c0,1.843-.642,2.358-4.1,7.373a.572.572,0,0,1-.94,0Zm.47-5.468a1.9,1.9,0,1,0-1.9-1.9A1.9,1.9,0,0,0,4.571,6.476Z'%20transform='translate(0)'%20fill='%232c3e50'/%3e%3c/svg%3e)
Prédiction de la douleur après prothèse du genou: Un aperçu de l'IA pour gérer les attentes des patients
Position du problème et objectif(s) de l’étude
L'incidence de la douleur chronique postopératoire après une prothèse totale du genou (PTG) est d'environ 20 %. L’identification précoce et la prédiction de la douleur chronique chez les patients après une PTG peuvent avoir un impact significatif sur les stratégies de traitement et améliorer la satisfaction des patients. Cependant, prédire la douleur chronique représente un défi en raison de la multifactorialité des facteurs prédictifs, de la variabilité individuelle et du manque de données standardisées et de suivi à long terme. L’intelligence artificielle (IA) offre une solution potentiellement efficace grâce à sa capacité à traiter de grandes quantités de données et à développer des modèles personnalisés. Cette étude présente un modèle innovant d’IA qui prédit les niveaux de douleur et l'évolution de la douleur après une PTG, offrant ainsi aux praticiens des informations pour des soins personnalisés aux patients.
Matériel et méthodes
L'intensité de la douleur a été mesurée à l'aide d'une échelle analogique visuelle sur une application mobile, chez 1650 patients ayant bénéficié d'une PTG, une semaine avant la chirurgie et jusqu'à 12 semaines après la chirurgie. Un ensemble de données d'entraînement a d'abord été utilisé pour identifier les modèles dans les données qui pourraient mieux approximer les trajectoires de douleur. Des intervalles de confiance ont été calculés pour déterminer l'exactitude des prédictions.
Résultats & Discussion
La précision du modèle a été évaluée en examinant dans quelle mesure les prédictions correspondaient aux valeurs réelles de la douleur, avec un focus sur les prédictions qui se situaient dans les 10 % des vraies valeurs. Deux semaines après l'intervention chirurgicale, le modèle parvient à prédire avec une précision de 67% la douleur ressentie à six semaines. À quatre semaines postopératoires, cette précision de prédiction atteint 84% pour la douleur ressentie à six semaines, et 69% pour celle à douze semaines. Plus le modèle connait le patient sur une longue période de données, plus la précision augmente. La prédiction pourrait aider à gérer les attentes du patient, en lui envoyant des messages personnalisés, et en lui fournissant des conseils et des attentes réalistes. Mais il pourrait également alerter le prestataire de soins si le patient s'écarte de la normale. Les prédictions du modèle développé peut faciliter la télésurveillance efficace, permettant le suivi à distance des patients avec une moins bonne prédiction d'évolution. L’intégration de cette technologie dans la pratique clinique peut améliorer les résultats cliniques et la satisfaction des patients.
Conclusion
Le modèle d’IA a montré des résultats prometteurs dans la prédiction de l'évolution de la douleur.De future études intégrant les facteurs de risques dans un modèle d’IA doivent être réalisés pour prédire la douleur postopératoire à partir du temps préopératoire, ou opératoire aigu afin de pouvoir mieux adapter les stratégies de prise en charge de la douleur
Auteurs
J. Lebleu (1), A. Pauwels (1), E. Vannini (1), P.A. Absil (2), P. Anract (3), A. Belbachir (3)