Analyse des patients hospitalises pour COVID-19 lors du premier confinement de 2020 a l'aide de methodes d'explicabilite

Figures [Formula presented] Fig. 1. Effets univaries de l'age, Severite Scanner TDM, CRP et Saturation O2. Chaque point represente un patient, avec la valeur de la variable explicative en abscisse et l'influence associee en ordonnee. [Formula presented] Fig 2. Influences des patients correspondant aux patients les plus representatifs des trois groupes identifies. Les noms des variables sont raccourcis pour les groupes 2 et 3. Les valeurs initiales des variables sont indiquees apres le trait d'union et arrondies afin qu'elles apparaissent toutes comme des nombres entiers. References 1. Institut Pasteur: Projection 'a court terme des besoins hospitaliers pour les patients COVID-19;. 2. Chen T,et al. A scalable tree boosting system. In: Proceedings of the 22nd acm sigkdd international conference on knowledge discovery and data mining;2016. p. 785-794. 3. Bottino F, et al. COVID Mortality Prediction with Machine Learning Methods: A Systematic Review and Critical Appraisal. Journal of personalized medicine. 2021;11(9):893. 4. Lundberg SM, Lee SI. A unified approach to interpreting model predictions. In: Proceedings of the 31st international conference on neural information processing systems;2017. p. 4768-4777. 5. Dera JD. Risk stratification: A two-step process for identifying your sickest patients. Family practice management. 2019;26(3):21-26. 6. Gestions Hospitalieres: Naviguer dans la tempete, ndegree 605 - April 2021;. Copyright © 2022

Evolution du profil des patients hospitalises au cours des trois premieres vagues de COVID-19 par des techniques d'apprentissage automatique

References 1. Williamson EJ, et al. Factors associated with COVID-19-related death using OpenSAFELY. Nature.2020;584(7821):430-436. 2. Domingo P,et al. Not all COVID-19 pandemic waves are alike. Clinical Microbiology and Infection. 2021;27(7):1040-e7. 3. Jassat W, et al. Difference in mortality among individuals admitted to hospital with COVID-19 during the first and second waves in South Africa: a cohort study. The Lancet Global Health. 2021;9(9):e1216-e1225. 4. Chen T, et al. A scalable tree boosting system. In: Proceedings of the 22nd acm sigkdd international conference on knowledge discovery and data mining;2016. p. 785-794. 5. Lundberg SM, et al. Consistent individualized feature attribution for tree ensembles. arXiv preprint arXiv:180203888. 2018;. 6. Bubar KM, et al. Model-informed COVID-19 vaccine prioritization strategies by age and serostatus. Science. 2021;371(6532):916-921.March Copyright © 2022

Evolution des facteurs de risque de forme grave de la COVID-19 à travers les trois vagues à partir des données du PMSI

Déclaration de liens d'intérêts : Les auteurs déclarent ne pas avoir de liens d'intérêts.