📇 Rhumatologue · POITIERS CEDEX · (86) · Hospitalier
Chargement de la fiche…
Chargement de la fiche…
MonRhumato.fr utilise des cookies pour mesurer l'audience (statistiques) et améliorer le site. Aucune donnée de santé identifiable n'est jamais collectée. Politique de confidentialité.
Votre choix est conservé 13 mois (durée max CNIL). Vous pouvez le modifier à tout moment via Préférences cookies.
2 raisons identifiées
Plateau technique de référence
Centre hospitalier universitaire (CHU) — équipements et expertise pointus pour les cas complexes
Délais de RDV courts dans la région
124.6 rhumatos / 100 000 hab. — département bien doté
✨ Génération du profil synthétique IA en cours…
Articles déposés en accès libre sur l'archive ouverte des universités françaises (HAL) — gage d'activité de recherche en France.
Données ANS publiques (Licence Ouverte 2.0) · Enrichissements MonRhumato 100 % opt-in · Toute personne référencée peut demander la suppression ou la rectification.
Source : HAL — archive ouverte CCSD/CNRS (couvre articles, chapitres EMC, communications congrès, thèses).
CHU LA MILETRIE
2 R DE LA MILETRIE CS 90577, 86021 POITIERS CEDEX
Secteur de conventionnement non disponible (médecin hospitalier ou non présent dans l'Annuaire santé CNAM des libéraux conventionnés).
Lien Doctolib = recherche Google site:doctolib.fr (le 1er résultat est presque toujours le profil correct s'il existe).
International journal of molecular sciences · 2024
The COVID-19 outbreak caused saturations of hospitals, highlighting the importance of early patient triage to optimize resource prioritization. Herein, our objective was to test if high definition metabolomics, combined with ML, can improve prognostication and triage performance over standard clinical parameters using COVID infection as an example. Using high resolution mass spectrometry, we obtained metabolomics profiles of patients and combined them with clinical parameters to design machine learning (ML) algorithms predicting severity (herein determined as the need for mechanical ventilation during patient care). A total of 64 PCR-positive COVID patients at the Poitiers CHU were recruited. Clinical and metabolomics investigations were conducted 8 days after the onset of symptoms. We show that standard clinical parameters could predict severity with good performance (AUC of the ROC curve: 0.85), using SpO2, first respiratory rate, Horowitz quotient and age as the most important variables. However, the performance of the prediction was substantially improved by the use of metabolomics (AUC = 0.92). Our small-scale study demonstrates that metabolomics can improve the performance of diagnosis and prognosis algorithms, and thus be a key player in the future discovery of new biological signals. This technique is easily deployable in the clinic, and combined with machine learning, it can help design the mathematical models needed to advance towards personalized medicine.
Source PubMed · Recherche par auteur (homonymes possibles, vérifier l'affiliation).
International journal of molecular sciences · 2024 · Journal Article
Lepoittevin M, Remaury QB, Lévêque N, Thille AW, et al.