Deep learning et classification automatisée des problèmes liés aux médicaments interceptés grâce à l'analyse pharmaceutique des prescriptions hospitalières
Langue Anglais
Accéder à la thèseDroits d'accès : non autorisé

Ce document est protégé en vertu du Code de la Propriété Intellectuelle.

Modalités de diffusion de la thèse :
  • Thèse confidentielle jusqu'au 02/12/2024.
  • Thèse soumise à l'embargo de l'auteur : embargo illimité (communication intranet).
 
Auteur : Alkanj, Ahmad
Date de soutenance : 02-12-2022

Directeur(s) de thèse : Michel, Bruno

Établissement de soutenance : Strasbourg
Laboratoire : Laboratoire de pharmacologie et toxicologie neurocardiovasculaire (Strasbourg)
École doctorale : École doctorale des Sciences de la vie et de la santé (Strasbourg ; 2000-....)
 
Discipline : Sciences pharmaceutiques
Classification : Médecine et santé

Mots-clés libres : Pharmacie clinique, Analyse pharmaceutique, Problèmes liés aux médicaments, Interventions pharmaceutiques, Apprentissage profond
Mots-clés :
  • Médicaments -- Effets secondaires - Prévention
  • Hôpitaux - Prescription médicale
  • Médicaments -- Analyse - Informatique
Résumé : Dans le cadre de ce projet doctoral, un algorithme prédictif de classification des problèmes liés aux médicaments (DRP) a été développé en s’appuyant sur les interventions pharmaceutiques (IP) réalisées par les pharmaciens cliniciens des Hôpitaux Universitaires de Strasbourg (HUS) au moment de l’analyse pharmaceutique (AP) des prescriptions. Le principe retenu a été d’utiliser une approche de type «deep neural network» pour déterminer, pour une IP donnée, la catégorie correspondante du DRP en respectant la classification de la Société Française de Pharmacie Clinique (SFPC). L’exploitation de cet algorithme a permis, dans un second temps, de dresser un état pharmaco épidémiologique des DRP issus des IP avec une granulométrie très fine (par classes de médicaments, par tranches d’âges des patients et par spécialités médicales) sur une période de 3 ans. Bien que cette analyse descriptive, non accessible sans traitement automatisé, se concentrent sur l’identification des DRP et non sur leur cause ou leur conséquence, elle a permis toutefois d’évaluer les apports des pharmaciens cliniciens dans la prise en charge des patients hospitalisés et de valoriser ainsi leur contribution à lutter contre l’iatrogénie médicamenteuse.
 
Type de contenu : Text
Format : PDF
 
Entrepôt d'origine : STAR : dépôt national des thèses électroniques françaises
Identifiant : 2022STRAJ081
Type de ressource : Thèse